当世界加速离你而去
当世界加速离你远去会不会这个标题显的太悲观，也可能是耳机里正在放着To Be Frank的原因。对于阳历跨年我是没有太多的感觉，而且跨年夜忙着约会，所以2023年的跨年文章今天才出来。一年的时间一晃就过了。2022年12月9日时候彻底结束了风控，人们终于可以理直气壮的摘掉口罩。怀揣着期待对于2023。但实际情况却截然不同，无论是美联储的加息，还是笑话般A股，或者AI大模型的到来，对于普通人来说，2023年有点不太友好。作为一个被股市绿了的人，经济就不敢瞎说了，本文仅聊聊技术技术相关的，上车！
阿里云引领智算集群网络架构的新一轮变革
11月8日~10日在江苏张家港召开的CCF ChinaNet（即中国网络大会）上，众多院士、教授和业界技术领袖齐聚一堂，畅谈网络未来的发展方向，聚焦智算集群网络的创新变革。
阿里云引领智算集群网络架构的新一轮变革
11月8日至10日，CCF ChinaNet（中国网络大会）在江苏张家港召开，众多院士、教授和技术领袖共聚一堂，探讨网络未来发展方向。阿里云研发副总裁蔡德忠发表主题演讲，展望智算技术发展趋势，提出智算网络架构变革的新思路，发布高通量以太网协议和ENode+超节点系统规划，引起广泛关注。阿里云HPN7.0引领智算以太网生态蓬勃发展，成为业界标杆。未来，X10规模的智算集群将面临新的挑战，Ethernet将成为主流方案，推动Scale up与Scale out的融合架构，提升整体系统性能。245/300
【AI系统】谷歌 TPU 历史发展
本文详细介绍了谷歌TPU的发展历程及其在AI领域的应用。TPU是谷歌为加速机器学习任务设计的专用集成电路，自2016年首次推出以来，经历了多次迭代升级，包括TPU v1、v2、v3、v4及Edge TPU等版本。文章分析了各代TPU的技术革新，如低精度计算、脉动阵列、专用硬件设计等，并探讨了TPU在数据中心和边缘计算中的实际应用效果，以及谷歌如何通过TPU推动移动计算体验的进步。
如何使用Ascend的ATB加速库？
ATB加速库专为Transformer模型优化设计，基于华为Ascend AI处理器，提升训练和推理效率。本文档详细介绍了如何实现一个ATB算子，涵盖基础Operation、插件机制和Graph Frame三种方式，从环境准备、算子创建、资源管理到最终执行，提供了完整的代码示例和步骤指南，帮助开发者快速掌握ATB算子的开发流程。
《解码AI大模型涌现能力：从量变到质变的智能跃迁》
人工智能大模型的涌现能力是当今科技的焦点。其产生依赖于四大关键因素：1) 海量数据提供丰富的训练素材，涵盖多样化的文本和图像；2) 强大算力如GPU、TPU加速模型训练，突破性能瓶颈；3) 精妙架构如Transformer引入自注意力机制，提升语义理解；4) 过参数化与优化策略使模型不断进化，展现未曾预设的能力。这些因素协同作用，推动大模型在复杂任务中表现出色，为未来带来更多可能。
NPU适配推荐系统GR模型流程
本示例将开源Generative Recommendations模型迁移至NPU训练，并通过HSTU融合算子优化性能。基于Atlas 800T A2平台，使用PyTorch 2.1.0、Python 3.11.0等环境。文档涵盖容器启动、依赖安装、算子适配、源码修改、数据预处理及配置文件设置等内容。性能测试显示，使用HSTU融合算子可显著降低端到端耗时（如ml_1m数据集单step从346ms降至47.6ms）。
探索热辐射：红外发射率的调控艺术与应用（隐身篇）
红外辐射无处不在，物体通过热辐射在空气中传播红外线，而8~14μm等“大气窗口”波段可被探测。红外热成像仪利用温度差异生成图像，广泛应用于军事侦察。实现红外隐身需降低辐射强度，主要途径包括调控发射率、控制温度及阻隔传播。低发射率涂层、隔热材料、相变材料（如VO₂）、超材料与仿生设计等技术不断发展，推动智能、多频谱兼容隐身材料研发。EM10便携式测量仪实现3-5μm与8-14μm双波段同步高精度检测，助力材料研发与现场质量监控，促进红外隐身技术向高效、协同、实用化方向迈进。
