【AI系统】Ascend C 编程范式
本文详细探讨了Ascend C编程范式下的向量计算编程，重点介绍了自定义向量算子的开发流程，包括算子分析、核函数定义与封装、算子数据通路及算子类实现等内容。文章通过具体的`add_custom`算子开发实例，解析了向量算子的初始化、数据搬入、计算与数据搬出等核心步骤，以及数据切分策略，旨在帮助读者理解Ascend C的设计理念及其向量算子的编写思路。
轻量级的大数据处理技术
现代大数据应用架构中，数据中心作为核心，连接数据源与应用，承担着数据处理与服务的重要角色。然而，随着数据量的激增，数据中心面临运维复杂、体系封闭及应用间耦合性高等挑战。为缓解这些问题，一种轻量级的解决方案——esProc SPL应运而生。esProc SPL通过集成性、开放性、高性能、数据路由和敏捷性等特性，有效解决了现有架构的不足，实现了灵活高效的数据处理，特别适用于应用端的前置计算，降低了整体成本和复杂度。
Vanna：开源 AI 检索生成框架，自动生成精确的 SQL 查询
Vanna 是一个开源的 Python RAG（Retrieval-Augmented Generation）框架，能够基于大型语言模型（LLMs）为数据库生成精确的 SQL 查询。Vanna 支持多种 LLMs、向量数据库和 SQL 数据库，提供高准确性查询，同时确保数据库内容安全私密，不外泄。
【AI系统】昇腾 AI 核心单元
本文深入解析了华为昇腾AI处理器的核心——AI Core及其达芬奇架构。AI Core采用特定域架构（DSA），专为深度学习算法优化，通过矩阵、向量和标量计算单元的高效协作，实现了对深度学习算法的加速。文章详细介绍了AI Core的计算单元、存储系统及控制单元的设计，展示了其如何通过优化数据通路和控制流程，显著提升计算性能。
【AI系统】大模型的到来
大模型的兴起，让系统工程师能在前所未有的集群规模上解决复杂工程问题，显著降低成本和时间。本文探讨了大模型的发展历程、技术架构、支持模态及应用领域，特别分析了AI系统与AI基础设施的区别及其对大模型的影响。随着大模型进入爆发期，AI系统的重要性日益凸显，不仅影响着算法的选择与发展，也成为推动大模型研究与应用的关键力量。
【赵渝强老师】阿里云大数据生态圈体系
阿里云大数据计算服务MaxCompute（原ODPS）提供大规模数据存储与计算，支持离线批处理。针对实时计算需求，阿里云推出Flink版。此外，阿里云还提供数据存储服务如OSS、Table Store、RDS和DRDS，以及数据分析平台DataWorks、Quick BI和机器学习平台PAI，构建全面的大数据生态系统。
AI Agents Loop异步执行可视化Tutorial 借助AgentBoard工具可视化工作流
本文介绍了AI Agent的异步执行循环（Agent Loop），并展示了如何利用开源框架agentboard可视化这一过程。通过分析不同框架（如AutoGen、LangGraph、AutoAgent）对Agent Loop的抽象，文章详细说明了从简单的功能调用到复杂的多阶段执行流程的设计。此外，还提供了使用agentboard进行日志记录与流程可视化的具体示例，包括安装步骤、代码实现及运行方法，帮助开发者更高效地调试和优化AI Agent的应用。
单机顶集群的大数据技术来了
大数据时代，分布式数仓如MPP成为热门技术，但其高昂的成本让人望而却步。对于多数任务，数据量并未达到PB级，单体数据库即可胜任。然而，由于SQL语法的局限性和计算任务的复杂性，分布式解决方案显得更为必要。esProc SPL作为一种开源轻量级计算引擎，通过高效的算法和存储机制，实现了单机性能超越集群的效果，为低成本、高效能的数据处理提供了新选择。