2024 年总结 66 | AI Agent 逐渐成为 AI 应用的核心架构 68 | 谈开源大模型的技术主权问题 72 | 2024:大模型背景下知识图谱的理性回归 77 | 人工智能与处理器芯片架构 89 | 大模型生成代码的安全与质量 93 | 2024 年 AI 大模型如何影响基础软件行业中 的「开发工具与环境」 98 | 推理中心化：构建未来 AI 基础设施的关键 Part 5B、MiniCPM 系列和 DeepSeek Janus 等多款移动友好型模型。其中，最新发布的 GLM Edge 1.5B 模型通过与 高通 GenAI 扩展的联合优化，在搭载骁龙 8 Gen 4 处理器的手机上实现了每秒 65 个 tokens 的推理速度，接近人类语音的平均输出速率。尽管存在电池续航和内存占用过大等挑战， 端上模型代表了 AI 技术隐私保护和成本优化的未来方向。中国在这一领域的探索，为行业提供 com/OpenSPG/KAG 76 / 111 人工智能与处理器芯片架构 文/包云岗 一、引言 芯片有几十种大类，上千种小类，本文主要关注处理器芯片。这类芯片的特点是需要运行 软件，例如：微控制处理器（MCU）会运行实时操作系统或者直接运行某个特定程序；中央处 理器（CPU）往往会运行 Windows、Linux 等复杂操作系统作为底座支撑整个软件栈；图形 处理器（GPU）一般不加载操作系统而是直接运行图形图像处理程序，神经网络处理器

Open Source Hardware，是可以通过公开渠道获得的硬件设计，如电路图、材料清单 和开发板布局数据。并且硬件设计的源代码的特定的格式可以为其他人获得，以方便对其进行修改。以 CPU 处理器为例，开源芯片的开源通常包括三个层次，首先是指令集（ISA）开源，例如 RISC-V 指 令集规范是开源的 ；其次是微架构的设计开源 ；第三层是开源 RTL 源码乃至 GDSII，例如 Berkeley 十、开源硬件持续升温，RISC-V 成果涌现 随着市场对定制硬件需求的增多，以及越来越多初创企业开始寻求用于构建高度合适 AI/ML 算法的加速 器和解决方案，开源硬件的热度持续升温。而随着 RISC-V 处理器 ISA 的出现，开源硬件已成为现实。 同时，RISC-V 在中国得到了越来越多的关注和投入，也有越来越多出色成果涌现出来。 全文 审校（蔡芳芳、庄表伟） 作者群（按照姓氏汉语拼音排序，不分先后）： 技大学举办，峰会由上海科技大学和中国科学院软件研究所联合主办。 ● 2021 年 6 月 22 日，中科院计算所牵头开发的香山开源高性能 RISC-V 处理器在首届 RISC-V 中 国峰会发布 ；7 月，香山处理器完成第一版（代号雁栖湖）的 28nm 流片 ；10 月 30 日，香山处理器 2021 中国开源年度报告 131 团队负责人包云岗研究员在第六届中国开源年会发表演讲《开源芯片的挑战与机遇》；12 月 6

Open Source Hardware，是可以通过公开渠道获得的硬件设计，如电路图、 材料清单和开发板布局数据。并且硬件设计的源代码的特定的格式可以为其他人获得，以方便 对其进行修改。以 CPU 处理器为例，开源芯片的开源通常包括三个层次，首先是指令集（ISA） 开源，例如 RISC-V 指令集规范是开源的；其次是微架构的设计开源；第三层是开源 RTL 源 码乃至 GDSII，例如 Berkeley achievements emerge 随着市场对定制硬件需求的增多，以及越来越多初创企业开始寻求用于构建高度合适 AI/ML 算法的加速器和解决方案，开源硬件的热度持续升温。而随着 RISC-V 处理器 ISA 的出现， 开源硬件已成为现实。同时，RISC-V 在中国得到了越来越多的关注和投入，也有越来越多出 色成果涌现出来。 Open source hardware continues to 上海科技大学举办，峰会由上海科技大学和中国科学院软件研究所联合主办。  2021 年 6 月 22 日，中科院计算所牵头开发的香山开源高性能 RISC-V 处理器在首届 RISC-V 中国峰会发布；7 月，香山处理器完成第一版（代号雁栖湖）的 28nm 流片；10 月 30 日，香山处理器团队负责人包云岗研究员在第六届中国开源年会发表演讲《开源芯 片的挑战与机遇》；12 月 6 日，香山通过 RISC-V Summit

写字板是一种基本的文本编辑应用程序， 允许用户创建和编辑带有格式化文本的 文档，并包含图像和其他文件的链接。自 1995 年 Windows 95 发布以来就附带 在 Windows 系统上，为用户提供集成到 操作系统中的基本文字处理器和文档编 辑器。 特邀评论员 —— 陈天舟，Bytebase 联合创始人/CTO 2023 年 10 月，MySQL 5.7 宣布了 EOL，算是给 MySQL 5 系，这个支撑了 过去 15 5GHz 龙芯 3A6000 性能可达英特尔 10 代酷睿 3.6GHz i3-10100 的 水平，下一步争取使用成熟工艺达到英特尔、AMD 先进工艺 CPU 的性能。 龙芯 3A6000 桌面处理器正式发布 中国开发者团队创建编程语言 小米澎湃 OS（Xiaomi HyperOS） 是小米推出的全新的操作系统，基 于深度进化的 Android 以及自研 的 Vela 系统融合，彻底重写底层 由深度公司自主研发，具有多语言、跨平台兼容特性的轻量级集成开发环境。 「央视新闻」评论 龙芯 3A6000 采用我国自主设计的指令系统和架构，无需依赖任何国外授 权技术，是我国自主研发、自主可控的新一代通用处理器，可运行多种类 的跨平台应用，满足各类大型复杂桌面应用场景。 它的推出，标志着我国自主研发的 CPU 在自主可控程度和产品性能方面 达到新高度，性能达到国际主流产品水平。 OSCHINA 社区用户评论

够专注于模型的设计和训练策略。 ：这些框架经过优化，以充分利用 GPU、TPU 等高性能计算硬件，以加速模型 的训练和推理过程。 ：为了处理大型数据集和大规模参 数网络，这些框架通常设计得易于水平扩展， 支持在多个处理器或多个服务器上并行处理。 ：它们提供工具来有效地加 载、处理和迭代大型数据集，这对于训练大 型模型尤为重要。 国产深度学习框架 OneFlow 架构 （图源：https://www.oneflow 。 LLM 的基石是算力，而算力的基石是硬件，硬件的性能直接影响着计算任务的速度、效率和能力。 是全球领先的 GPU 制造商，提供了强大的图形处理单元，专门用于深度学习和AI计算。 AI 处理器和基础软件构建 Atlas 人工智能计算解决 方案，打造面向“端、边、云”的全场景 AI 基础设施方案，覆盖深度学习领域推理和训练全流程。 被外界视为打破 NVIDIA 垄断 AI 算力市场的多一种选择，其基于第三代

总线的总线入口（45度线段）仅是图形化的，并不是形成逻辑连接所必需的。 实际上，使用重复命令（ Insert 键），如果元件引脚按递增顺序排列，则可以 通过以下方式快速建立连接（实际上在存储器，微处理器等元件上的常见情 况）： 放置第一个标签（例如 PCA0） 尽可能多地使用重复命令来放置成员。 Eeschema 将自动创建垂直对齐的下 一个标签（PCA1，PCA2 ……），理论上是在其他引脚的位置上。 图形样式的选择对引脚的电气类型没有任 何影响。 12.8.4. 引脚电气类型 选择正确的电气类型对于原理图 ERC 工具很重要。 定义的电气类型是： 双向指示输入和输出之间可交换的双向引脚（例如微处理器数据总线）。 三态是通常的3态输出。 无源用于无源符号引脚，电阻，连接器等。 当 ERC 检查无关紧要时，可以使用未指定的。 电源输入用于符号的电源引脚。 电源引脚自动连接到具有相同名称的其他 如果要显示电源端口值, 请将值字段编辑为与引脚相同的名称。 保存新符号。 第 13 章 LibEdit - 符号 13.1. 概述 符号由以下元素组成 图形表示（几何形状，文本）。 引脚。 后置处理器使用的字段或关联文本：网表，符号列表。 要初始化两个字段：引用和值。 与符号关联的设计的名称以及关联的足迹的 名称，其他字段是空闲字段，它们通常可以保持为空，并且可以在原理图捕获 期间填充。 但

线入口（45 度线段）仅是图形化 的，并不是形成逻辑连接所必需的。 实际上，使用重复命令（Insert 键），如果元件引脚按递增顺序排列，则可以通过以下方式快速建立连接（实际上在存 储器，微处理器等元件上的常见情况）： • 放置第一个标签（例如 PCA0） • 尽可能多地使用重复命令来放置成员。Eeschema 将自动创建垂直对齐的下一个标签（PCA1，PCA2 ⋯⋯），理论 上是在其他引脚的位置上。 Eeschema 简介 98 / 151 12.8.4 引脚电气类型 选择正确的电气类型对于原理图 ERC 工具很重要。定义的电气类型是： • 双向指示输入和输出之间可交换的双向引脚（例如微处理器数据总线）。 • 三态是通常的 3 态输出。 • 无源用于无源符号引脚，电阻，连接器等。 • 当 ERC 检查无关紧要时，可以使用未指定的。 • 电源输入用于符号的电源引脚。电源引脚自动连接到具有相同名称的其他电源输入引脚。 Eeschema 简介 103 / 151 Chapter 13 LibEdit - 符号 13.1 概述 符号由以下元素组成 • 图形表示（几何形状，文本）。 • 引脚。 • 后置处理器使用的字段或关联文本：网表，符号列表。 要初始化两个字段：引用和值。与符号关联的设计的名称以及关联的足迹的名称，其他字段是空闲字段，它们通常可 以保持为空，并且可以在原理图捕获期间填充。 但是

架构/内核 云原生基础设施 安全 测试 行业解决方案 治理类 职能组织 社区基础设施 版本发行 社区生态管理 服务器 云计算 边缘计算 智能终端 桌面 … 操作系统应用场景 处理器 … 服务器 端设备 内存 系统软件 … 数据库管 理软件… 应用软件 编译软件 开源促进“更好的”操作系统被“更好地”使用 硬件适配 软件适配 19 ©2023.11 iResearch

MindSpore 是⼀种适⽤于端边云场景的新型开源深度学习训练/推理框架。 MindSpore 提供 了友好的设计和⾼效的执⾏，旨在提升数据科学家和算法⼯程师的开发体验，并为 Ascend AI 处理器提供原⽣⽀持，以及软硬件协同优化。 项⽬地址：https://gitee.com/mindspore/mindspore  相关数据（数据选⾃仓库 mindspore/mindspore） 提交次

Fedora, CentOS, OpenSUSE, Mint, Knoppix, RedHat, Gentoo 等等  1 GB 内存 and 800 MB 硬盘空间  Inter 1 G 处理器  1024 x 768 或更高的显示器分辨率  鼠标和键盘 Edraw Max http://www.edrawsoft.cn Page 6 of 162 第一章：开始使用亿图