未来AI 风口是什么: 端侧AI移动产品 (先做原生用户,再做研究者)

news2026/5/6 6:33:42
2026年成熟端侧AI移动产品目录2026年成熟端侧AI移动产品AI端侧产品端云协同的伪端侧产品一、系统级端侧AI手机原生 二、跨平台端侧AI移动应用APP类无品牌限制全机型适配1. 通用大模型端侧应用全功能离线可用2. 垂直场景成熟端侧AI应用三、可穿戴/便携端侧AI移动硬件手机外的移动终端原生端侧1. 消费级端侧AI眼镜2. 端侧AI智能手表3. 便携端侧AI推理终端口袋AI服务器专属体验与研究建议 2026年端侧AI赛道「有真实产业价值」的研究方向一、第一优先级全品类端侧产品通用1. 端侧LLM极致轻量化与无损压缩技术解决「能力-算力-功耗」的核心矛盾核心研究内容真实产业价值对应落地产品2. 端侧长上下文高效推理技术核心研究内容真实产业价值对应落地产品3. 端侧AI Agent轻量化架构与落地优化解决端侧AI「单轮能用、长流程瘫痪」的拐点问题核心研究内容真实产业价值对应落地产品二、第二优先级中期形成技术壁垒、商业闭环明确的场景化研究方向1. 端侧模型个性化微调与终身学习技术解决「千人一面、不懂用户」的核心体验痛点核心研究内容真实产业价值对应落地产品2. 端侧原生多模态大模型架构与高效部署技术解决「只能看不能懂、只能拍不能算」的多模态痛点核心研究内容真实产业价值对应落地产品3. 跨设备端侧AI算力池化与协同推理技术解决「多设备各自为战、算力严重浪费」的全场景痛点核心研究内容真实产业价值对应落地产品三、第三优先级长期高成长性、政策强刚需的壁垒型研究方向1. 端侧大模型的安全对齐与攻防技术核心研究内容真实产业价值2. 端侧AI隐私计算与数据安全技术核心研究内容真实产业价值四、专属落地建议AI端侧产品端云协同的伪端侧产品一、系统级端侧AI手机原生 这是目前端侧AI最成熟的品类厂商完成了芯片-系统-模型的全链路深度适配功能完整、工业级优化普通用户零门槛上手也是端侧AI渗透率最高的赛道。厂商体系核心适配硬件端侧核心能力成熟度核心亮点华为鸿蒙6.0盘古端侧大模型小艺麒麟9030/9020/9010机型Mate70系列、Pura X系列、Mate60系列等1. 本地运行100亿参数盘古大模型旗舰机支持千亿参数稀疏化模型离线推理128K长上下文本地处理2. 小艺全功能离线可用断网无阉割支持会议纪要生成、跨应用任务执行、复杂指令拆解响应延迟200ms3. 全场景离线多模态本地图像识别、文档扫描、AI影像优化、30语种实时离线翻译数据完全不上云4. 分布式端侧AI算力手机/平板/手表/PC跨设备任务流转★★★★★国产端侧AI生态最完善隐私安全与企业级适配领先长文本处理能力突出小米澎湃OSMiLM端侧大模型小爱同学骁龙8 Gen4/5、天玑9400/9500机型小米17/16系列、Redmi全系列覆盖近40款机型含中端/千元机1. 本地运行MiLM-13B/7B端侧模型旗舰机支持1200亿参数模型离线推理内存占用优化行业领先2. 小爱同学全功能离线可用支持语音唤醒、设备控制、百科问答、日程管理3. 端侧效率工具离线识屏/文字提取/翻译、会议录音转写纪要、AI写作、代码辅助、跨应用自动操作4. 端侧AI影像离线人像优化、夜景增强、路人消除复杂场景处理速度提升3倍★★★★★覆盖机型最广普惠性最强从旗舰到千元机全适配功能完成度拉满苹果 Apple IntelligenceiOS 19A18 Pro/A18芯片机型iPhone 16全系列、M4芯片iPad1. 本地运行30亿参数自研模型实测能力对标主流7B开源模型核心隐私数据100%本地处理2. Siri端侧重构离线响应速度提升10倍支持复杂多轮指令、跨应用任务执行、日程/邮件/文档本地处理3. 端侧多模态本地照片语义搜索、图像生成、视频摘要、文档OCR敏感数据不上云4. Core ML 5.0框架支持主流开源模型端侧优化部署★★★★☆端侧功耗/能效比优化极佳开发者生态完善缺点是国内本地化功能适配不足OPPO ColorOSAndesGPT端侧版小布助手骁龙8 Gen4/5、天玑9500机型Find X9/X8系列、Reno 13/12系列1. 本地运行AndesGPT-7B端侧模型主打办公场景支持100K长上下文本地处理2. 离线完成长文档摘要、合同审核、PPT生成、会议纪要、实时多语言翻译3. 端侧AI影像离线4K视频优化、人像虚化、物体消除支持视频内容本地摘要提取★★★★☆办公场景深度优化中端机型适配完善商务场景体验领先vivo OriginOS蓝心大模型端侧版蓝心小V骁龙8 Gen4/5、天玑9500机型X200/X100系列、S20/S19系列1. 本地运行蓝心3B端侧模型极致内存优化仅需2G运存即可流畅运行支持128K超长上下文本地处理2. 离线支持复杂逻辑推理、代码编写、数学公式推导科研场景适配友好3. 自研V3影像芯片端侧模型协同离线完成老照片修复、视频AI优化、人像增强★★★★☆低内存占用优势明显长文本处理能力行业领先中文语境优化到位二、跨平台端侧AI移动应用APP类无品牌限制全机型适配这类产品不受手机品牌限制安卓/iOS通用下载即可使用其中开源产品支持二次开发完美匹配LLM领域科研、测试、定制化需求。1. 通用大模型端侧应用全功能离线可用谷歌Gemini 移动端4.0轻量版核心能力2026年3月全量开放全机型适配中端芯片即可流畅离线运行离线支持文本问答、文案创作、多模态图像分析、语言翻译、代码编写核心功能无阉割离线响应速度提升40%内存占用降低35%支持开发者自定义微调端侧模型可对接主流开源模型。成熟度★★★★★ 跨平台端侧AI标杆全球全量开放模型能力均衡。Llama MobileMeta官方移动端核心能力Meta官方推出的Llama 3/3.1移动端专属优化版支持8B/70B剪枝版完全离线运行安卓/iOS双平台适配完全开源支持用户自定义模型加载、prompt工程、本地微调训练无任何云端依赖支持多模态输入、长上下文处理、代码生成可对接LangChain移动端框架快速搭建端侧AI Agent。成熟度★★★★☆ LLM研究者首选开源生态完善学术科研场景适配极佳。智谱清言 移动端端侧离线版核心能力国产开源标杆支持GLM-4-9B/4B端侧版完全离线运行对国产芯片深度优化中端机型即可流畅运行离线支持长文本处理、文档摘要、代码编写、多模态图像理解中文语境优化拉满支持本地知识库搭建可离线完成个人知识库检索完全开源支持二次开发。成熟度★★★★☆ 国内中文能力领先开源生态完善适配国内用户科研与日常使用。通义千问 移动端端侧离线版核心能力阿里推出的通义千问2.5/3.0端侧版支持7B/14B模型离线运行对骁龙、天玑、麒麟芯片均做了深度优化主打办公场景离线支持全格式文档解析、合同审核、PPT生成、会议纪要支持100K长文档本地处理支持端侧知识库搭建企业级隐私安全优化数据完全不出设备。成熟度★★★★☆ 办公场景功能完善企业级安全合规适配办公与科研场景。2. 垂直场景成熟端侧AI应用离线AI翻译类DeepL移动端端侧版、有道翻译官离线版核心能力DeepL支持30语种完全离线翻译端侧模型翻译质量对标云端版本支持文本、文档、图像、语音实时离线翻译无网络延迟有道翻译官针对中文深度优化支持100语种离线翻译适配方言识别、专业术语翻译。成熟度★★★★★ 工业级成熟度翻译准确率高是目前最成熟的端侧AI垂直应用。端侧AI代码助手CodeLlama Mobile、通义灵码离线版核心能力CodeLlama Mobile支持20编程语言离线代码补全、调试、解释、生成完全开源可自定义模型加载通义灵码离线版支持离线代码生成、调试、漏洞检测针对国产芯片优化适配移动端编程场景可与PC端同步。成熟度★★★★☆ 开发者移动端离线编程核心工具LLM代码方向研究适配友好。三、可穿戴/便携端侧AI移动硬件手机外的移动终端原生端侧这类产品主打无感佩戴、全时AI、离线可用是端侧AI的核心延伸赛道2026年已跨过商业化临界点进入成熟落地期。1. 消费级端侧AI眼镜Moonix AI 眼镜莫奈AI眼镜核心能力14.9g极致轻薄端侧搭载自研轻量大模型支持离线实时语音转写、会议纪要生成、多语言翻译、场景理解全程数据本地处理标准版主打音频记录Pro版支持视频端侧AI分析续航8小时。成熟度★★★★☆ 2026年4月量产上市轻薄化与端侧能力平衡最佳的消费级AI眼镜。雷鸟Air 4系列 AI眼镜核心能力38.59g重量搭载骁龙AR2 Gen2芯片端侧可运行剪枝后的70B参数多模态模型支持实时语音翻译、物体识别、场景理解、空间计算完全离线可用支持独立通话、AI助手全功能适配安卓/iOS全机型。成熟度★★★★★ 量产上市市场占有率领先端侧能力完善。Meta Ray-Ban Meta AI眼镜 2代核心能力端侧搭载Llama 3轻量版模型支持离线语音助手、实时翻译、照片/视频端侧AI分析数据完全本地处理外观与普通墨镜无差异日常佩戴无负担续航6小时。成熟度★★★★★ 全球量产上市销量超200万副全球最成熟的消费级端侧AI眼镜。2. 端侧AI智能手表华为Watch 5 Pro/GT 5系列核心能力搭载恒玄BES2700系列端侧AI芯片本地运行自研健康大模型可离线完成心率、血氧、心电图、睡眠数据的AI分析异常风险实时预警健康数据完全不上云支持端侧语音助手、离线翻译、运动数据AI分析无需手机独立运行。成熟度★★★★★ 量产上市端侧健康AI能力行业领先。Apple Watch Series 10核心能力搭载S10 SiP芯片端侧运行Apple Intelligence轻量模型可离线完成健康数据AI分析、房颤检测、睡眠质量评估Siri全功能离线响应速度提升8倍支持端侧运动数据分析、跌倒检测无需手机独立运行。成熟度★★★★★ 量产上市生态完善功耗优化极佳。3. 便携端侧AI推理终端口袋AI服务器代表产品英伟达Jetson Orin Nano 便携版、瑞芯微RK3588便携AI盒子核心能力巴掌大小可随身携带内置高性能NPU可本地运行Llama 3 70B/130B、GLM-4 9B等主流大模型完全离线运行支持模型微调、推理、多模态处理可对接手机/平板/电脑作为随身AI算力终端数据完全不出设备。成熟度★★★★★ 量产上市开源生态完善是LLM研究者随身离线测试大模型的核心工具。专属体验与研究建议 2026年端侧AI赛道「有真实产业价值」的研究方向一、第一优先级全品类端侧产品通用这类方向是当前所有成熟端侧AI产品的「卡脖子痛点」华为、小米、苹果、Meta等厂商均在重金投入研究成果可直接对接产业落地同时是ICLR/NeurIPS/ACL顶会的持续热门赛道能快速形成学术产业双重价值。1. 端侧LLM极致轻量化与无损压缩技术解决「能力-算力-功耗」的核心矛盾核心研究内容跳出已内卷的传统量化、剪枝聚焦硬件感知的原生端侧架构创新针对移动端NPU骁龙/天玑/麒麟/苹果硅的硬件特性设计原生适配端侧的Transformer架构而非把云端模型剪枝量化后硬塞进端侧2-bit/1-bit极低比特量化下的能力无损保留解决当前量化后逻辑推理、代码能力暴跌的行业痛点动态激活推理架构按需激活模型分支常规对话仅跑轻量分支复杂任务激活全量参数兼顾能力与功耗结构稀疏化知识蒸馏的范式创新让3B端侧模型达到13B云端模型的85%以上能力。真实产业价值当前成熟产品的核心痛点旗舰机仅能稳定跑13B模型中端/千元机只能跑3B以内的阉割版能力断层极大普惠性严重不足哪怕是苹果Apple Intelligence也仅能跑30亿参数模型复杂任务能力远不及云端。该研究能让千元机跑出旗舰级模型能力是端侧AI从「旗舰专属」到「全民普及」的核心技术所有手机、AI眼镜、可穿戴厂商均有极强的落地需求可直接对接厂商联合研发、技术落地。对应落地产品全品类端侧AI硬件手机系统级端侧AI、消费级AI眼镜、智能手表、便携AI推理盒子。2. 端侧长上下文高效推理技术核心研究内容针对当前端侧长上下文的核心瓶颈厂商宣传128K长上下文但实际端侧运行时内存爆炸、推理速度骤降、注意力机制失效核心是传统Transformer注意力O(n²)的复杂度与端侧算力/内存的矛盾。核心研究方向端侧原生适配的线性注意力机制、滑动窗口注意力创新把长上下文推理复杂度降到O(n)KV缓存的极致压缩与内存调度优化解决长文本推理内存占用指数级增长的问题针对移动端内存特性的长上下文分片调度算法实现6G内存手机稳定跑128K-256K长上下文推理速度无显著衰减。真实产业价值长文档处理是端侧AI最高频的刚需场景会议纪要、合同审核、论文精读、文献综述当前所有成熟产品均无法实现全流程离线稳定处理用户最终还是要把敏感数据传到云端既不方便又有隐私合规风险。该研究是端侧办公、端侧科研场景落地的核心前提华为、OPPO、vivo、阿里通义、智谱等厂商均在全力攻坚落地需求极强。对应落地产品手机系统级办公AI、端侧论文/文档处理工具、AI眼镜实时会议纪要、端侧本地知识库应用。3. 端侧AI Agent轻量化架构与落地优化解决端侧AI「单轮能用、长流程瘫痪」的拐点问题核心研究内容当前云端Agent已成熟但端侧Agent受算力/内存限制长流程任务频繁跑偏、失忆、工具调用错误多智能体协同完全无法落地。核心研究方向端侧原生的轻量化Agent架构设计剥离云端Agent的冗余模块适配端侧算力边界端侧长效记忆机制优化解决长任务上下文丢失、注意力涣散的问题端侧工具调用的精准控制与错误修正降低端侧模型的工具调用失败率多智能体的端侧协同调度算法实现多角色Agent在端侧低算力下的稳定协同。真实产业价值端侧AI当前的核心瓶颈是从「被动问答工具」到「主动执行的个人助理」的跨越而端侧Agent是唯一的解决方案。用户的真实需求不是「问一句答一句」而是「帮我完成一整套全流程任务」比如会议纪要→提取待办→同步日程→发送提醒→生成周报全程离线、无需人工干预。该方向是端侧AI未来2年的核心竞争赛道所有手机厂商的AI助手、Llama Mobile、Gemini移动端均在全力布局既能发顶会论文又能直接做开源项目、落地产品商业价值极高。对应落地产品全品牌手机AI助手、端侧个人数字助理、企业级办公Agent、AI眼镜全场景智能助手。二、第二优先级中期形成技术壁垒、商业闭环明确的场景化研究方向这类方向是当前端侧AI产品的差异化竞争核心暂无行业统一标准提前布局可快速形成个人技术壁垒打造学术IP同时可直接对接垂直行业形成明确的商业闭环兼顾长期科研路线与落地价值。1. 端侧模型个性化微调与终身学习技术解决「千人一面、不懂用户」的核心体验痛点核心研究内容当前所有端侧模型均为厂商预训练的通用版无法针对用户的写作风格、专业领域、使用习惯做个性化适配核心瓶颈是端侧算力/内存无法支撑模型微调且个性化数据的隐私安全无法保障。核心研究方向参数高效微调PEFT的端侧极致适配实现端侧单卡/手机端10分钟内完成小样本个性化微调内存占用1G端侧零样本/少样本个性化对齐技术无需用户提供大量数据即可适配用户的使用习惯端侧终身学习机制模型可在用户日常使用中持续迭代优化不出现灾难性遗忘端侧个性化微调的隐私保护技术全程数据不出设备无泄露风险。真实产业价值端侧AI的核心优势是隐私而用户的核心需求是「懂我」当前产品两者完全无法兼顾。通用模型永远无法满足用户的个性化需求比如科研人员需要模型适配自己的研究领域、写作风格商务人士需要模型适配自己的沟通习惯、行业术语。该研究能让每个用户都拥有专属的端侧大模型所有消费电子厂商、垂直行业AI服务商均有极强的付费意愿是端侧AI从「能用」到「好用」的核心拐点。对应落地产品个人专属端侧AI助手、端侧科研/医疗/法律垂直模型、智能手表个性化健康模型、端侧教育AI。2. 端侧原生多模态大模型架构与高效部署技术解决「只能看不能懂、只能拍不能算」的多模态痛点核心研究内容当前端侧多模态产品均为「文本大模型图像编码器」的拼接式架构并非原生端侧多模态设计视频、音频、3D点云的端侧实时处理存在功耗高、延迟大、理解能力差的核心问题。核心研究方向原生适配端侧硬件的多模态大模型架构设计实现文本/图像/音频/视频的端侧高效融合视频流的端侧实时理解与推理优化实现AI眼镜摄像头视频流的端侧实时场景理解延迟100ms多模态模型的端侧极致量化压缩兼顾多模态理解能力与端侧功耗端侧多模态指令微调技术提升端侧模型对复杂多模态指令的遵循能力。真实产业价值多模态是端侧AI硬件的核心竞争力AI眼镜的实时场景翻译、物体识别手机的端侧影像优化、视频摘要智能手表的健康多模态数据分析均依赖端侧多模态能力。当前成熟产品仅能完成简单的图像识别复杂多模态任务仍需依赖云端完全无法发挥端侧硬件的优势。该方向是消费级AI眼镜、端侧影像、智能家居赛道的核心竞争壁垒雷鸟、Meta、华为、小米等硬件厂商均在重金投入落地场景明确。对应落地产品消费级端侧AI眼镜、手机端侧影像系统、智能手表健康监测、家用服务机器人视觉系统。3. 跨设备端侧AI算力池化与协同推理技术解决「多设备各自为战、算力严重浪费」的全场景痛点核心研究内容当前用户普遍拥有手机、平板、PC、手表、AI眼镜等多台智能设备每台设备均有独立的端侧AI算力但完全孤立无法协同——手机算力不足时无法调用平板、PC的空闲NPU算力。核心研究方向分布式端侧AI协同推理架构实现异构硬件的算力池化跨设备算力调度算法按需拆分推理任务适配不同设备的算力特性端侧模型的拆分与并行推理技术实现大模型在多设备上的分布式运行局域网内跨设备数据安全传输协议保障协同推理过程中的数据隐私。真实产业价值华为、小米、苹果均在布局全场景智能生态但当前仅实现了浅层次的任务流转并非真正的协同推理用户手中的大量端侧算力被严重浪费。该研究能把用户的所有智能设备整合成一台「分布式超级计算机」彻底解决端侧算力不足的核心瓶颈是未来全场景智能的底层核心技术。所有布局全场景生态的厂商均有极强的落地需求甚至可直接形成行业标准打造长期技术壁垒。对应落地产品华为鸿蒙全场景生态、小米澎湃OS全场景设备、跨设备办公系统、多设备协同AI眼镜。三、第三优先级长期高成长性、政策强刚需的壁垒型研究方向这类方向是端侧AI大规模落地的合规前提也是未来3-5年的行业刚需政策驱动性强竞争压力小适合作为长期科研路线打造专属的学术标签与不可替代的行业竞争力。1. 端侧大模型的安全对齐与攻防技术核心研究内容当前行业的安全对齐重心均在云端大模型但端侧模型部署在用户本地厂商无法实时更新安全策略更容易被越狱、prompt注入生成有害内容且对齐过程会严重损耗模型性能、占用端侧资源。核心研究方向端侧轻量化安全对齐技术在不损失模型性能的前提下实现端侧模型的可控生成端侧模型的越狱防御与prompt注入防护技术适配端侧离线运行的特性端侧模型的伦理与合规对齐满足不同国家、不同行业的监管要求。真实产业价值随着端侧AI大规模落地合规性已成为厂商的生死线——欧盟GDPR、国内《个人信息保护法》均对AI生成内容有严格的监管要求端侧模型一旦被破解、生成有害内容厂商需承担直接法律责任。该研究是端侧AI出海、大规模普及的前提所有消费电子厂商、出海AI企业均有刚性需求。2. 端侧AI隐私计算与数据安全技术核心研究内容端侧AI的核心卖点是「数据不出设备」但当前多数产品仍存在数据偷偷上传、端侧训练泄露用户隐私的问题金融、医疗、法律等强监管场景对端侧数据安全有硬性要求。核心研究方向端侧全同态加密推理技术实现加密数据的端侧模型推理全程不暴露原始数据端侧差分隐私技术在模型微调、推理过程中完全保护用户的个人隐私端侧模型的水印与溯源技术防范端侧模型被恶意篡改、盗用。真实产业价值金融、医疗、法律、政务等千亿级垂直市场有极强的AI需求但核心痛点是「敏感数据不能出设备」云端AI完全无法满足合规要求端侧隐私计算技术是打开这些市场的唯一钥匙商业价值极高且政策驱动性强长期需求稳定。四、专属落地建议入门动作先做原生用户再做研究者先深度体验你梳理的所有成熟端侧AI产品把自己变成重度用户全程用端侧离线功能完成日常科研、办公、生活需求记录下所有「不好用、用不下去、必须切云端」的痛点——所有有真实价值的研究都来自真实的用户痛点而非实验室的空想。起步优先级先从第一优先级方向切入快速形成正向循环优先选择「端侧模型轻量化无损压缩」「端侧长上下文推理」「端侧Agent架构优化」三个方向既贴合你的LLM专业基础又能快速产出成果同时可直接对接厂商、开源社区获得即时的正向反馈形成「体验痛点→研究解决→落地应用→获得成就感→更热爱领域」的正向循环真正实现「爱一行干好一行」。长期壁垒把学术研究与开源生态绑定把你的研究成果做成开源项目比如端侧轻量化模型、端侧Agent框架对接Llama Mobile、GLM等成熟开源生态既可以获得全球开发者的反馈持续优化研究又能快速打造你的行业影响力不管是后续进高校、进企业核心实验室还是创业都有极强的议价权。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2587426.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…