- 综合排序
- 最热优先
- 最新优先
CANN 能效分析：如何实现 10 TOPSW 的极致能效比
CANN 能效分析：如何实现 10 TOPS/W 的极致能效比 当一台边缘 AI 盒子部署在无风扇的配电柜中，或一辆无人配送车需连续运行 12 小时，性能不再是唯一目标——能效才是生存底线。 这背后，是一套从晶体管到算法的全栈能效优化体系。 相关资源链接 cann组织链接：cann组织 ops-nn仓库链接：ops-nn仓库 一、能效比定义与行业基准 能效比（Energy Efficiency） = 有效算力（TOPS） / 功耗（W） ⚡ 在视频分析间歇期，整机功耗可降至 3W（待机）。 支柱 4：INT8/INT4 量化 + 稀疏加速 精度换能效是经典手段。 结语：能效，是 AI 时代的“新摩尔定律” 在算力增长放缓的今天，能效比成为新的竞争焦点。CANN 通过专用架构、存储优化、动态调控与量化技术，将每瓦特电力转化为最大智能价值。
14810编辑于 2026-02-09- 来自专栏存储公众号：王知鱼
Bill Gervasi ：存储架构的能效革命
"而非"计算中心"的角度思考系统优化 具备能效评估能力：能够量化分析不同技术方案在真实场景下的能效表现 全文概览 在追求极致性能的计算世界里，我们是否忽视了效率的本质？ 本文通过系统性的技术分析，从CPU缓存行、DRAM物理机制到存储I/O的全链路视角，揭示了粒度失配这一根本性问题。随着AI和大数据时代的到来，传统"以计算为中心"的架构正面临前所未有的能效挑战。 终极拷问：演讲者认为业界过于追求绝对性能，而忽略了能效（性能/功耗比）。特别是像推测执行这类“以浪费换性能”的技术，其真实的能效价值需要被重新审视和量化。 这四个原则分别从四个层面给出了指导方向： CPU微架构层面：精细化管理和评估CPU高级特性（如推测执行）的能效比。 这也是为什么越来越多的SSD存储厂商在强调内存语义，在语义（元数据）的加持下，上层业务系统能更高效的搜索、调用SSD上的原始数据，从而实现数据的精准提取，最终实现更高的能效比。
18210编辑于 2025-11-20 - 来自专栏人力资源数据分析
人效数据建模，一图搞定人效分析
人效数据分析是人力资源数据分析里最能体现人力资源价值的一个分析模块，也是老板最关注的一个数据指标，因为这个指标是和公司的财务关联在一起的，通过人效的数据分析和对比，我们可以看出公司的人力成本在行业是否有竞争力 ，人员的调薪和人员的编制是否需要调整，这些都是通过人力成本和人效的数据分析得出来的。 我们以前在做人效的数据分析的时候都是通过一些静态的图表来做分析，不能很好的结合财务指标和人力资源指标全局的进行分析，很多HR也不知道如何的进行人效的分析，今天我们给大家做了一个人效的数据建模，帮助我们来做人效的分析 我们在作图之前先要有个数据分析的思维，我们要做人效的分析，我们需要有人效的关键指标，通过关键指标的数据来判断人效的高低，我们从下面4个指标来做分析： ? 我们通过这几个指标的数据的历年的数据曲线变化来分析人效的变化， 但是数据分析又是一个交互的过程，我们在分析这些关键指标的时候也需要通过生成这些指标的字段来分析人力成本，人数等这些数据的趋势，所以我们还需要有下面的这些数据支撑
10.2K50发布于 2020-04-21 - 来自专栏Python深度学习
使用Python实现智能建筑能效管理
项目简介本教程将带你一步步实现一个智能建筑能效管理系统。我们将使用Python和一些常用的深度学习库，如TensorFlow和Keras。最终，我们将实现一个可以预测建筑能耗的模型。2. # 训练模型model.fit(X_train, y_train, epochs=50, batch_size=32, validation_split=0.2)7. 总结通过本教程，你学会了如何使用Python和Keras构建一个智能建筑能效管理的深度学习模型。你可以尝试使用不同的模型结构和参数，进一步提升模型性能。
82110编辑于 2024-08-30 - 来自专栏经年隔世
Ant Motion动效插件分析
Ant Motion动效插件分析 一、原理分析 特效是通过组件内部的js和css两者共同控制。 二、方案分析 （1）：第一种方案是可以尝试在110项目的基础上以类似Ant Motion的特效制作成组件，封装组件的dom节点和样式，以及添加一些组件的事件，初步可以添加一些类似弹窗特效，表格增删特效， 通过给要加动效的元素添加指定的class类名来展示特效。比如hover添加了指定类名(如:hv-fadeIn)的元素时执行动效。 例：
（3）：第三种方案可以制作一个纯js组件，动效样式通过用户自定义。 通过封装的方法给元素绑定特效，可以兼顾到hover和click两中交互效果，也可以只执行一次设定的动效。3.1K30发布于 2019-11-23 - 来自专栏用户4624600的专栏
测试开发比，能代表质效平衡吗？
我仔细思考了这个问题，表面看似合乎逻辑，但经不起分析和推敲。结合笔者本人将近十年的软件测试和团队管理经验，我想谈谈我对于测试开发比，以及质量和效率平衡的理解。 求上行中得下，质量保障最终在时间、范围和成本三者之间，能瞄准一项就不错了。 业务测试团队的主要测试活动，还是基于业务需求进行各种需求分析和场景设计用例执行。由于业务测试的各种场景组合复杂性，以及沟通协调等很多琐碎的事情，导致需要较多的测试同学投入进来。 我个人的看法，未来测试岗位的角色定位会逐渐从质量保障验证迁移到质量教练的定位，即通过流程建设、标准制定、过程改进、提供工具和基础设施，为整个技术团队提供辅导和赋能。
32210编辑于 2024-08-20 - 来自专栏行业智慧解决方案及应用
数字赋能电力巡检，智慧提升企业质效
时代经纬聚焦数字化，赋能安全生产，为电力企业客户提供“在线、可视、协同、智能”的智慧电力巡检解决方案，围绕巡检作业所面临的挑战，构建线上、线下相结合，作业、运营、指挥一体的管控体系，闭环管控业务全貌，让电力巡检更安全 通过AI审核条目+人工自检+远程集中复核，实现问题及时整改，让作业一次做对，减免重复进场的协同成本，验收报告自动生成，巡检工作科学分析，作业质量和数量可度量，推动管理改进。 巡检过程中，人员发现线路设备缺陷隐患，问题在线及时提交上报，后台自动科学分析，准确判断缺陷情况，系统自动派单，推送给相关人员进行处置，检修任务许可开工，隐患整改过程实时跟踪，业务闭环管控。
1.3K90编辑于 2022-09-26 - 来自专栏老张的求知思考世界
测试开发比，能代表质效平衡吗？
我仔细思考了这个问题，表面看似合乎逻辑，但经不起分析和推敲。结合笔者本人将近十年的软件测试和团队管理经验，我想谈谈我对于测试开发比，以及质量和效率平衡的理解。 求上行中得下，质量保障最终在时间、范围和成本三者之间，能瞄准一项就不错了。 业务测试团队的主要测试活动，还是基于业务需求进行各种需求分析和场景设计用例执行。由于业务测试的各种场景组合复杂性，以及沟通协调等很多琐碎的事情，导致需要较多的测试同学投入进来。 我个人的看法，未来测试岗位的角色定位会逐渐从质量保障验证迁移到质量教练的定位，即通过流程建设、标准制定、过程改进、提供工具和基础设施，为整个技术团队提供辅导和赋能。
50010编辑于 2024-07-04 - 来自专栏IT技术订阅
NVIDIA消费级显卡40604090 AI训练能效比较
- 功耗：平均游戏功耗为110W，闲置时仅为7W，相比前代有显著降低。 - 技术特性：支持光线追踪和DLSS 3技术，能够提供更好的图像质量和更高的帧率。 - 能效比：RTX 4060在能效方面有显著提升，这意味着在同等功耗下能够提供更多的性能，这对于寻求高效能和低能耗平衡的用户来说是一个好消息。 NVIDIA GeForce RTX 4060 - CUDA核心: 约4352个 - 显存: 8GB GDDR6 - AI特性: 第四代Tensor Core，支持DLSS 3，FP16和TF32运算 AI训练能效分析 功耗：尽管RTX 4090的功耗较高，但考虑到其性能提升，它的能效比（性能/瓦特）实际上可能优于RTX 4060。这是因为高端GPU往往在高负载下提供更好的能效比例。 能效比- 如果RTX 4090的功耗为450W，而RTX 4060的功耗为110W，我们可以计算每个Watt的性能。
6.8K30编辑于 2024-07-05 - 来自专栏测试域
DevOps研效：TestX 持续测试中开发实践赋能
持续测试作为 DevOps 开发流程中的重要一环，“四个高于”的要求对其同样适用，在软件研发生命周期过程中，持续测试提供了持续的反馈机制，在产品交付管道中充当催化剂，每个阶段的测试反馈确保缺陷在开发工程的早期能被解决 进而到了 DevOps 时代，持续测试不仅仅是在整个交付流程中执行自动化测试，还需要持续对业务和技术风险分析，以及整个持续集成过程的流程改进。 产品设计与需求评审前期需求采集分析完成设计后，在迭代规划会上，产品就需求设计与团队一起进行解读、工作量评估，将完整需求内容落实在 TAPD 排单中，需求单必要内容包含：内容项具体描述备注需求来源提出人/
1.1K50编辑于 2023-02-27 - 来自专栏存储公众号：王知鱼
HBM，先进封装和能效的集大成者
表2：HBM与DDR5性能及能效对比分析 指标 (Metric) HBM2/HBM3 DDR5 峰值带宽（每堆栈/模组） 256-460+ GB/s 16 ~51.2 GB/s (DDR5-6400) 31 峰值系统带宽（示例配置） >3 TB/s (NVIDIA H100) 33 ~204.8 GB/s (4通道) 能效（每比特能耗） ~4-7 pJ/bit 1 显著高于HBM 01 定量比较（pJ /bit） HBM在每比特能效上具有压倒性优势。 研究表明，HBM2的能效约为7 pJ/bit 1。 02 重新审视前提：综合带宽与能效 首先，HBM在每比特的能效上远超DDR。 然而，HBM的首要设计目标是实现极高的带宽（每秒传输的比特数）。
1.7K11编辑于 2025-10-09 - 来自专栏架构师专栏
从智能提效到产品赋能的架构实践
传统的智能提效关注内部流程优化，而产品赋能则聚焦于创造用户价值和商业价值。本文将系统性地阐述这一演进过程中的关键架构实践。2. 智能提效阶段架构分析3.1 典型架构特征智能提效阶段的架构主要聚焦于内部流程自动化和效率提升：核心组件架构图：3.2 核心技术栈技术层面主要技术应用场景前端技术jQuery, Bootstrap, Vue.js 产品赋能架构设计4.1 整体架构设计理念产品赋能架构以用户价值为核心，采用云原生、微服务、数据驱动的设计理念：核心设计原则：用户为中心：所有架构决策以提升用户体验为目标数据驱动：基于数据分析进行产品迭代和优化弹性可扩展 案例分析7.1 电商平台架构演进案例业务背景：某大型电商平台从传统架构向产品赋能架构的转型实践，用户规模从百万级增长到千万级。 总结与建议12.1 关键成功因素从智能提效到产品赋能的架构演进是一个系统性工程，成功的关键因素包括：技术层面：渐进式演进：避免大爆炸式重构，采用渐进式架构演进策略数据驱动：建立完善的数据中台，支撑智能化决策云原生理念
47710编辑于 2025-05-26 从智能提效到产品赋能的架构实践
摘要 本文深入探讨了企业级系统从智能化提效阶段向产品赋能阶段演进的架构实践路径。 通过分析传统架构的局限性，提出了以用户价值为导向的现代化架构设计理念，并结合实际案例展示了如何构建可扩展、高可用、智能化的产品架构体系。 1. 传统的智能提效关注内部流程优化，而产品赋能则聚焦于创造用户价值和商业价值。本文将系统性地阐述这一演进过程中的关键架构实践。 2. 智能提效阶段架构分析 3.1 典型架构特征 智能提效阶段的架构主要聚焦于内部流程自动化和效率提升： 核心组件架构图： 3.2 核心技术栈 技术层面 主要技术 应用场景 前端技术 jQuery, Bootstrap 产品赋能架构设计 4.1 整体架构设计理念 产品赋能架构以用户价值为核心，采用云原生、微服务、数据驱动的设计理念： 核心设计原则： 用户为中心：所有架构决策以提升用户体验为目标 数据驱动：基于数据分析进行产品迭代和优化
35911编辑于 2025-05-31- 来自专栏机器之心
全球首台百亿亿级超算用AMD的GPU：性能增7倍，能效提升3倍
今年 7 月，由国防科技大学研制，部署在国家超级计算天津中心的「天河」E 级计算机关键技术验证系统在国际 Graph500 排名中，获得 SSSP Graph500（单源最短路径）榜单世界第一和 BIG Data Green Graph500（大数据图计算能效）榜单世界第一的成绩。
69410编辑于 2021-12-28 大模型 AI 赋能需求设计与分析：从 “低效扯皮” 到 “精准提效” 的实战指南
今天就结合实战经验，聊聊大模型如何让需求设计与分析效率翻倍。 而大模型 AI 的出现，正好能针对性解决这些问题。 02.大模型 AI 在需求工作流中的核心应用场景 大模型的核心优势在于 自然语言理解（NLU）、知识整合、逻辑推理和文本生成 ，我们可以把它嵌入需求设计与分析的全流程，实现端到端提效。 提效亮点：评审会时长从 3 小时缩短到 1 小时，聚焦核心问题，减少无效争论。 03.大模型 AI 赋能需求设计与分析的全流程流程图 04.实战避坑指南：用好大模型的关键技巧 大模型不是 “万能神器”，想要在需求工作流中发挥最大价值，需要避开这些坑： 指令要精准，拒绝 “模糊提问”
56810编辑于 2026-01-07- 来自专栏人力资源数据分析
如何做人效的数据分析
在人力资源数据分析中，人效的数据分析一般是做的频率比较少的，一般我们是一年做一次的人效分析，而且相对来说一般的HR 也很少做这个分析，一般都是HRD或者VP来做一年的人力资源的人效分析，所谓的人效的分析是指人力资源在公司的运营财务数据中的效率 ，我们在做人效分析的时候一般会从以下几个维度来进行分析： ? 在进行这些的人效指标的之前，我们要先了解公司的财务信息，因为人效的指标分析很多都是建立在公司的财务数据上，所以你要了解一年公司的营业收入，成本，净利润，人力成本，工资成本等这些数据，所以我们开头说人效成本一般是人力高层进行分析的 1、首先我们要了解总的人效数据，我要知道一年人力成本多少钱，公司成本多少钱钱，我工资花了多少钱，这些是做下面人效分析的基础 2、第二个维度我我们要去分析各项人力成本的占比，我们要了解人力成本在公司总的成本的占比 ，我们要去计算人数和人力成本，人数和公司运营成本之间的关系，因为人力成本和公司的人数应该是一个正向的数据关系，我们通过是这个分析，能判断出公司今年的人力成本和人数是否正常，并且可以预测明年的人力成本数据
7.3K32发布于 2019-10-17 - 来自专栏数据中心DATACenter
PUE指标能准确衡量数据中心能效吗？-关于POE的设想-孙长青
PUE指标能准确衡量数据中心能效吗？ 提起PUE，业内都知道其是数据中心能效必须要考虑的因素，自从被提出以来，遍受到普遍认可，各种组织和机构也都将它作为衡量数据中心能耗水平的金科玉律。 、光热发电占电力总量的1.7%，地热、聚热、海洋能发电占电力总量的0.5%。 在各种发电方式中，除太阳能白天发电量大而夜间少而存在昼夜差异外，其他发电方式均与一天内的时间变化无关。由上面统计数字可知，太阳能发电占比极小，可忽略不计。 如果是利用室外干球温度的制冷形式，比如干盘管、风冷冷水机组等，由于昼夜温差，夜间效率提高能耗下降，白天效率降低能耗升高，相较于PUE数值，POE数值会相对高一些；如果是利用室外湿球温度的制冷形式，全天能效基本相当
1.7K90发布于 2019-08-20 - 来自专栏我爱计算机视觉
CNN加速器设计新突破，逼近能效理论极限
在演讲中，陈晓明带来了发表于HPCA 2020会议的最新成果：针对目前的CNN加速器的能效主要受限于访存的问题，怎么就给定的芯片的片上存储资源，设计最优的卷积数据流使访存最小化，从而能效达到最优。 在这个基础上，陈晓明团队还设计出了一个CNN加速器架构，使得加速器能效逼近理论最佳值。 整理：智源社区 赵言、高洛生、常政 一、引言 随着深度学习的发展，CNN结构变得愈发庞大，使得计算量显著增加。 再分析输入图像矩阵的元素，一个滑动窗之中所有的元素拉成横向量，然后将卷积窗向右滑动一格，绿色标的部分变成第二行，蓝色的卷积窗变成最后一行，一个Batch中不同的图像也上下堆起来，这样输入转变也可以完成。 同时，能效与理论下界的差距在37%-87%，差距的主要原因如图21中黄色部分所示，即Local寄存器，由静态功耗比较高引起。该问题仍然具有优化余地，方法是借助存内计算的思路解决该问题。 [d2faa49k2c.png] 图21：能效对比 从图22可以看出，Global Buffer的资源利用率比较低，Global寄存器的资源利用率比较低，这是由于加速器需要额外的资源适应不同的分块尺寸。
1.4K40发布于 2020-05-18 MyEMS 驱动工业企业能效跃迁：能耗基线动态校准方法论与实证分析
在工业能效提升过程中，科学准确的能耗基线是衡量节能成效、发现优化机会的基石。传统静态基线难以适应复杂多变的生产实际，导致能效评估失真、节能潜力难以量化。 MyEMS创新性地提出并实践能耗基线动态校准方法论，为工业企业实现持续能效跃迁提供关键支撑。 实时偏差分析与自适应修正：持续对比实际能耗与预测基线，自动识别偏离工况（如设备异常、工艺波动），并基于新数据滚动优化模型参数，确保基线始终反映真实能效水平。 二、实证分析：某注塑企业的能效提升路径以某大型注塑企业为例，其在实施MyEMS前后呈现出显著差异：实施前：采用历史平均值作为静态基线，无法区分订单饱满与停工待料时期的能耗差异，能效考核有失公允，年节能率长期徘徊在 三、方法论的价值延伸动态校准方法论不仅解决了能效测量的准确性问题，更赋能企业：公正考核：为不同车间、班次提供公平的能效对标依据。投资决策支持：精准量化技改项目（如变频器改造）的实际节能收益。
14510编辑于 2025-09-26能源管理的数字神经：MyEMS如何重塑能效认知
如何读懂这些流动的韵律，如何与这些无形的能量对话，成为当代能效管理的核心命题。MyEMS作为一套开源的能源管理系统，正在为各类组织构建这样的数字感知能力，让能源管理从模糊的经验艺术走向精确的数据科学。 在这个虚拟模型中，能源流动变得可视化，能耗异常成为可诊断的症状，能效优化成为可执行的策略。 智能分析引擎：系统内置的AI分析模块能够进行多维度能效分析，包括负荷特征分析、能耗预测、异常诊断和能效基准比对，为用户提供深度洞察。 实践价值：从数据到行动的能量转化MyEMS在实践中的应用价值体现在多个层面：运营优化：实时监控设备运行状态，通过能效告警和故障诊断实现预防性维护，提升运营可靠性。 成本控制：精准的分项计量和成本分摊，帮助识别能效黑洞，优化能源采购策略，直接降低用能成本。低碳转型：建立碳排放核算体系，量化节能措施的减碳效果，为企业的可持续发展提供数据支撑。
24210编辑于 2025-09-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号