蟠桃会设计播客第一期VOL.3如何让AI更懂我
淘宝设计 2026-09-30 20:04 浙江
AI让我们更像设计师还是更不像?
👅AI让我们更像设计师还是更不像?
🧨如何让AI能更懂设计师的想法和结果?
🛎️如何判断和控制AI所产出的设计内容?
🎡设计团队需要具备怎样的AI系统能力?
🥇职场新人如何在AI的环境下获得成长?
🎯我们的思考和表达发生了怎样的变化?
🏗️我们的贡献和价值发生了怎样的改变?
淘宝设计 2026-09-30 20:04 浙江
AI让我们更像设计师还是更不像?
👅AI让我们更像设计师还是更不像?
🧨如何让AI能更懂设计师的想法和结果?
🛎️如何判断和控制AI所产出的设计内容?
🎡设计团队需要具备怎样的AI系统能力?
🥇职场新人如何在AI的环境下获得成长?
🎯我们的思考和表达发生了怎样的变化?
🏗️我们的贡献和价值发生了怎样的改变?
砺心 2026-09-30 19:23 四川
这篇不敢发公众号,有需要请点击阿虚头像进入公众号主页
私信 ➔ 公众号菜单栏 ➔ 粉丝必看 ➔ 万事屋 ➔ 公众号文章备份 ➔ 看最新文章
不敢说你能无限免费用顶级模型,但 DeepSeek-4.1-Flash/GLM-5.3-Flash/Qwen-3.8-Flash 这类模型是随便爽蹬
每天都有几亿 tokens 的用量
只要国产 Agent 厂家还搞签到送积分、送额度,工具就几乎一直可用
最后,祝大家国庆快乐,玩的开心[旺柴]
原创 南极熊、章北海 2026-09-30 18:30 上海
你随手发的一张照片,得物把它变成了一个能转着看的三维场景。这不是"照片会动"那种小把戏,而是用 3D 高斯重建出纵深,再压进手机,转一下就能"看"进画面里的空间。难的不是生成 3D,是把它做小、做快、做到手机上稳定跑 60FPS。这篇拆开给你看。
目录
一、引言:从静态照片到可交互的空间图片
二、方案概要:空间图片的端云协同链路
三、模型生产:从单张照片到三维高斯场景
1.空间视差原理
2.三维高斯表示
3.单图生成的能力边界
四、质量评价:从像素误差到多视角观感
1.像素误差度量
2.感知质量评价
3.多视角一致性评测
五、模型体积压缩:平衡画质、体积与渲染成本
1.高斯减点与画质取舍
2.属性编码与格式压缩
六、移动端渲染:让空间图片流畅响应视角变化
1.空间坐标与视角交互
2.GPU 深度排序
3.GPU 实例化绘制
4.其他优化
5.端侧实测表现
七、总结
八、写在最后:关于得物音视频团队
一
引言:从静态照片到可交互的空间图片
iOS 26,苹果推出空间照片(Spatial Scene),轻轻转动手机,照片里的主体和背景随视角产生不同的位移,一张普通图片便有了可以探索的空间层次。
得物技术团队随即启动相关的技术预研并上线。在得物,用户发布图片时带上 #空间图片 话题,服务端异步生成三维场景模型,客户端根据手机姿态实时渲染。创作者仍然使用熟悉的图文发布方式。
发布活动页
视频交互示意
3D 空间图片功能的落地,涉及模型生成、内容分发、客户端渲染之间的一系列取舍。本文重点分享如何生产出高质量、小体积的模型,以及如何在手机上流畅运行。
二
方案概要:空间图片的端云协同链路
在落地过程中,模型质量、文件体积和端侧开销需要一起权衡。减少高斯点数,可以降低存储与绘制成本,也可能丢失新视角中的细节;压缩后的文件更小,解码时仍可能占用较多内存。
服务端完成模型生成、多视角渲染和质量评估,再将模型压缩后分发。客户端经过设备准入,完成下载、解码、GPU 上传和实时渲染。完整链路如下:
本文按模型生产、质量评价、模型体积压缩、移动端渲染四个环节,说明方案选择和工程实现。
三
模型生产:从单张照片到三维高斯场景
空间视差原理
普通图片记录了固定视角下的颜色信息。当观察位置移动时,不同距离的物体在画面中产生不同程度的位移,这种运动视差是空间感的重要来源。
相机横向移动时,近景在画面中的位移大于远景
要让图片随视角变化,需要先建立可渲染的三维表示。生产侧采用单图前馈生成路线:从输入图片提取几何与外观线索,预测三维高斯属性,输出场景模型。客户端加载模型后,通过改变虚拟相机的视角绘制画面,无需在每次手机转动时重新运行生成网络。
三维高斯表示
3D Gaussian Splatting(3DGS)用一组三维高斯基元表示场景。每个基元可以理解为一个带有颜色、不透明度和空间范围的柔和椭球。位置决定它在哪里,尺度与旋转决定形状和方向,颜色与不透明度决定它对画面的贡献。
渲染时,三维高斯被投影为屏幕上的二维椭圆,再按深度顺序进行透明度混合,形成最终画面。相机视角改变,投影与遮挡关系也随之改变,前景和背景因此产生不同的位移。高斯数量、屏幕覆盖范围和重叠程度都会影响绘制成本。
3DGS 渲染原理示意:三维高斯、投影、排序混合与二维画面
原始 3DGS 方法通过多视角照片优化一个场景的高斯参数;本方案从单张图片直接预测高斯属性,再交给渲染器展示附近视角。两者使用了相同类型的场景表示,生成高斯参数的方式不同。
单图生成的能力边界
单图生成降低了素材准备门槛,但照片没有记录被遮挡区域的真实信息。新视角中出现的内容包含模型推断,观察范围越大,越容易暴露空洞、拉伸或错误的遮挡关系。实际体验需要约束在原始视角附近。
生产规模也不能只由生成效果决定。在本项目中,内部处理分辨率会影响高斯数量,进而影响存储、排序和绘制开销。生成分辨率与客户端输出分辨率是两个变量,应分别控制。后文先说明评价方法,再用实验结果解释当前模型档位的选择。
四
质量评价:从像素误差到多视角观感
像素误差度量
空间图片不能只检查正面截图。一根鞋带可能在正面完整,转动后却出现断裂;人物轮廓可能露出空洞,远景纹理也可能在某些角度变得稀疏。评价需要覆盖视角变化后的画面。
PSNR 基于对应像素的均方误差,主要反映数值保真程度。SSIM 比较局部亮度、对比度和结构,能够描述部分结构变化,但仍依赖图像之间的空间对应关系。
视角合成中的微小几何偏差,会改变边缘在画面中的位置。即使纹理和整体观感接近,像素比较也可能受到明显影响;某些平滑结果则可能取得较小的像素误差,却损失细节。因此,本项目以 LPIPS、DISTS 等感知指标作为主要评价依据,PSNR、SSIM 可用于辅助诊断,不单独据此判断观看质量。
LPIPS 论文中的一组例子直观展示了这种差异。每组三张图以中间的 Reference 为参照,绿色对勾表示对应评价方式认为更接近参照的候选。左侧建筑案例中,人更倾向于保留细节但发生局部形变的右图,而图中列出的传统指标选择了模糊的左图。
传统指标与人眼判断可能给出不同的相似度排序
感知质量评价
LPIPS(Learned Perceptual Image Patch Similarity)利用神经网络提取图像特征,再比较特征空间中的差异,为纹理、轮廓等感知变化提供参照。
DISTS(Deep Image Structure and Texture Similarity)结合深层特征的结构与纹理统计,对一定程度的纹理重采样和轻微几何变化具有容忍性。将它与 LPIPS 联合观察,有助于定位轻量化后的细节退化。
两项指标都是数值越低,表示与参照图像的差异越小。前提是参照有意义:新视角渲染图不能直接与原始视角照片比较,否则正常视差也会被计入差异。
LPIPS 与 DISTS 的计算流程
多视角一致性评测
我们使用两类参照,分别检查生成过程和轻量化过程:
对比时需要统一图像尺寸、裁切范围等条件。轻量化评测的参照是基线模型的渲染结果,并非新视角的真实拍摄图像。如果基线模型本身存在生成错误,与它接近并不能说明新视角合理。
逐帧相似度也无法完整反映转动过程中的闪烁。指标之外,还需要连续观看,并回看遮挡边缘、文字和细结构等典型失败案例。下一章的帧级统计用于比较模型档位,不等同于模型整体合格率。
五
模型体积压缩:平衡画质、体积与渲染成本
高斯减点与画质取舍
模型轻量化包含两个环节:先减少需要表达和绘制的高斯基元,再压缩每个基元的存储开销。减点会改变场景表示,同时影响文件大小与端侧工作量;格式编码主要降低分发体积,运行时收益取决于解码方式和数据布局。
阶段实验比较了降低生成分辨率、均匀降采样和过滤部分基元等方式。均匀降采样能够直接减少点数,但测试中出现了放大后条纹感明显的案例。降低生成分辨率也有代价:继续压低点数时,毛发、人物边缘和大范围背景更容易缺失细节。
本轮比较使用统一的 5 秒渲染视频,每秒抽取一帧,对比相同序号的画面。每个轻量化档位累计得到 185 组对应帧,两项指标分别统计如下。
这些阈值用于本轮方案比较,不代表通用画质等级,两列比例也不能合并理解为联合通过率。高点数档位在两项指标下的帧级达标比例都更高。案例回看中,部分雪景和社区远景在低点数下出现的黑影、空洞或元素缺失,提高到该档位后有所改善。
低点数下的黑影空洞
结合多视角评测与端侧表现,当前采用较高的高斯点数,在保证效果的同时,能够大幅减少点数。
属性编码与格式压缩
确定模型规模后,还需要将原始的 PLY 模型压缩,以减小传输文件大小。我们通过属性量化和紧凑编码组织三维高斯数据,减少存储与网络传输体积。量化会引入数值误差,需要单独核验画质。
以本次测试使用的属性布局为例,位置、颜色、不透明度、尺度和旋转共包含 14 个 float32 数值,每个高斯的属性负载约为 56 字节。
减点与格式编码的作用区别
优化后,在保证渲染质量的前提下,文件大小相较于压缩前减少约81.5%。
六
移动端渲染:让空间图片流畅响应视角变化
大量的高斯点进入移动端后,开销分布在解码、数据搬运、排序和像素混合几个阶段。加载时并行还原属性,首帧建立深度索引,后续按需绘制并复用索引。
客户端展示与交互
空间坐标与视角交互
高斯点保存在世界坐标中,结合模型外参与观察目标建立初始相机,内参和画面比例决定投影。视图矩阵 V 将高斯变换到相机空间,投影矩阵 P 再将其映射到屏幕;相机空间以前方为 −Z,后续排序与投影都使用这套坐标。
陀螺仪将角速度积分为受限的横向、纵向相机位移,相机始终看向观察目标,形成小幅视差。手势可通过 Camera 的 orbit/pan/zoom 接口调整三维视角。
GPU 深度排序
高斯投影是半透明椭圆,同一像素可能被多个高斯覆盖。Alpha 混合与顺序有关:当前绘制路径需要先画远处,再叠加近处,否则前后颜色的贡献会颠倒。因此按高斯中心的相机空间深度建立绘制顺序;这种全局排序是近似,并非逐像素的精确遮挡求解。
采用 GPU 稳定 Radix Sort:生成 32 位深度键,每轮处理 8 位,经过 4 轮计数、前缀和、重排,输出排序索引。索引留在 GPU,后续绘制直接读取;Compute 与 Render 之间建立资源依赖。首帧排序后复用索引,适用于受限的小幅视差,大幅改变视角需重新评估排序。
经测试,采用 GPU 排序,排序耗时降低 60%–75%。
GPU 实例化绘制
每个高斯用一个四顶点四边形承载,片元着色器计算椭圆范围内的颜色与透明度。当前普通显示路径通过一次实例化 draw 绘制 N 个高斯:vertexCount = 4、instanceCount = N,减少逐高斯提交的 CPU 命令开销。
同一组高斯在两种提交方式下的绘制流程(N = 5 为示意)
GPU 用 instanceID 经排序索引找到高斯,用 vertexID 生成四个角。相比图中的逐个提交,实例化绘制省去了重复的 draw 调用和 CPU 顶点展开;高斯数量、约 4N 个顶点工作项及透明混合仍然存在。非实例化绘制也可合批,图中的 N 次调用仅指逐高斯提交。
// C++ 风格伪代码:普通显示路径的一次实例化绘制bind(gaussianBuffer, sortedIndices, uniforms);drawInstanced(TriangleStrip, 4, pointCount);// 顶点阶段按 gaussians[sortedIndices[instanceID]] 读取属性。
其他优化
端侧实测表现
iOS、Android 分别用高端机、中端机、低端机对不同高斯点数的模型进行效果测试、性能测试,性能测试指标包括帧率、内存占用、手机发热情况等,最终选择较高点数的模型。经真机测试,iOS 、Android 帧率稳定在 60FPS。
得物 APP 内渲染,稳定60FPS
七
总结
本次实践中,我们结合多视角质量与端侧表现确定模型档位,通过格式编码进一步压缩分发体积,并在客户端通过数据组织、排序与帧调度降低运行开销。最终,在保留模型细节与多视角观感的同时,降低了内容分发与端侧渲染的负担,让 3D 内容以更轻量、流畅的方式融入用户的浏览与交互体验。
八
写在最后:关于得物音视频团队
我们是得物音视频团队,专注于多媒体算法与工程,业务覆盖多媒体处理、播放器、AIGC、智能创作等方向,已上线 3D 球鞋展示、AR 试穿等创新玩法。围绕图片、视频、音频、Live Photo、3D 等内容,我们建设从智能生成、云端处理、内容分发到端侧播放与交互的完整技术链路,持续打磨画质、性能与使用体验。我们希望把技术探索融入日常创作与浏览,让创作者更轻松地表达想法,也让每一份分享以清晰、流畅、生动的方式抵达用户。欢迎加入得物音视频团队!
往期回顾
文 / 南极熊、章北海
关注得物技术,每周三更新技术干货
要是觉得文章对你有帮助的话,欢迎评论转发点赞~
未经得物技术许可严禁转载,否则依法追究法律责任。
“
扫码添加小助手微信
如有任何疑问,或想要了解更多技术资讯,请添加小助手微信:
原创 快刀青衣 2026-09-30 17:00 新加坡
更关键的,是平台和用户两道门槛。
如果大家最近看社交媒体,特别是关注AI类内容,就会发现有一个新出的AI产品被频繁提起,就是Meta出的Muse。
这个产品的名字,中文可以翻译成「缪斯」,我们经常在文学作品里看到的缪斯女神,就是这个词。
不过,我猜扎克伯格他们选这个词当产品名字,可能也是因为这个词有「灵感来源」的含义。他们估计想表达的是,这个助手可以了解你想做什么,主动出主意,再帮你把事情办成。
Meta这个产品的爆火,我觉得完全是场景的胜利,因为他们瞄准了一个其他AI公司都没怎么关注的场景。我跟你说一下。
你有没有过这种经历?某天翻信用卡账单,突然发现一笔每月自动扣费,9.9美元,已经扣了大半年。
你完全想不起来这是什么东西,点进去一看,噢,是去年试用过一次、后来就再也没打开过的某个APP。你当时想的是「回头再取消」,然后就没有然后了。
如果你像我一样,经常要尝试非常多的AI新产品,这个痛点就更明显了。因为很多AI工具的订阅,基本上首月都是9.9美金,但第二个月就到了二三十美金。
但这个时候,可能我早已经忘记自己给这个软件付过费了,几个月下来也不少钱。哪怕真的想取消,我都经常忘记那个产品到底叫什么名字。
反正这两年,这种事太常见了。我一开始以为是自己太懒了,后来问了不少人,发现大家都跟我差不多。
不是因为懒,是它实在太琐碎了,琐碎到你不会专门腾出时间去处理。
但这时候如果有一个AI,它能自己去翻你的邮箱,找到所有订阅确认邮件,识别出哪些订阅你可能早就忘了,然后问你一句:这三个要不要帮你取消?
你说取消,它就自己去点退订、填表单、走完整个流程。我试了一下,反正它比较顺滑地帮我取消了七八个我早已经忘记的AI工具订阅。
虽然瞄准的切口很小,但因为有「省钱」这个概念,Muse一下子火了。
上线不到三周,Muse的下载量已经超过340万次,直接登上了美国App Store免费榜第一,而且已经超8万条用户评分,获评4.9分,这个速度在AI应用里算非常快的了。
但我今天想聊的,不是它的下载量有多炸裂。我想聊的是,它到底做对了什么,以及同样的事情或者功能,到了咱们国内,可能完全是另一个故事。
先说Muse到底是个啥。你可以把它理解成一个帮你跑腿的AI。注意,不是帮你聊天的,不是帮你写文章的,是帮你干活的。
你跟它说,帮我看看下个月有没有什么重要的截止日期。它就去翻你的邮箱、日历,把该交的费、该报的名,全给你整理出来。
你跟它说,我想买条短裤。它会问你什么尺码、什么风格、预算多少,然后去逛一圈网站,把候选的几条发给你看。你点头了,它甚至可以帮你下单付款。
是的,就是付款。Muse已经跟全球在线支付工具Stripe合作了,接入了Stripe旗下的Link支付。当你把自己的Link账户连上Muse后,它可以在部分支持的商家直接替你完成结账。
这就是为什么我说,它跟我们过去熟悉的聊天型AI很不一样。那些产品,再聪明也是你问一句,它答一句。
Muse不是,它是你交代一件事,它能在后台一直盯着,哪怕关闭APP后也继续干,等事情有了新进展,再主动来找你。你甚至可以给它起个名字,设定它说话的语气。
Muse的设计负责人分享过一个自己的经历:她把学校的邮箱接进了Muse,结果Muse自己从邮件里发现她儿子的体育选拔报名快截止了,主动提醒她赶紧处理。
到这里,你大概能理解它为什么火了。原因其实没那么复杂,它抓住的是生活里那些琐碎、反复、你一直拖着没做的小事。比如,退个订阅,追个截止日期,比比哪家便宜。
这些事有几个共同点:相比那些AI编程类任务,一点儿也不难,但很烦,而且结果一目了然。省了多少钱、有没有赶上报名,都比「模型更聪明了」的效果呈现具体得多。
再加上免费就能用,门槛低到几乎不存在。你不用配置服务器,不用写提示词,打开APP,说句话,它就开始干了。
但听到这里,我估计不少同学心里已经在想:这东西我能用吗?
答案是,如果你在美国,现在就能用。但如果你在国内,你了解一下这个产品所代表的趋势就可以了。因为在国内做同样的事情,难度完全不一样。
而且这个难度差异,跟AI模型聪不聪明没有太大关系。
我来从产品经理的角度解释一下。Muse之所以能在美国跑通,有一个很容易被忽略的前提,就是美国人的数字生活,很大一部分建立在邮箱和网页服务上。
你的银行账单是邮件通知的,你的订阅是网页端注册的,你的日历和待办是Google或者Outlook管的,你的机票、酒店等等信息,也都会给你发一封邮件。
这些东西有一个共同特点:它们对外部程序相对开放,也有比较标准的接口。就算没有接口,很多流程也发生在网页里,AI可以尝试通过浏览器操作。
所以,对个人Agent来说,只要拿到授权,它至少有一条相对统一的路可以走。
但大家想想咱们的生活数据在哪?在微信群聊里,在各种小程序里,在淘宝、美团、抖音这些APP的围墙花园里。
每一个APP都是一个独立王国,它们之间的数据几乎不互通,外部的AI更是进不去。
我再举个特别具体的例子。假设你是一个家长,孩子学校要报名参加一个活动。在美国,学校发封邮件,Muse从邮件里发现了截止日期,主动提醒你。你说好,它就帮你去网站上填表提交了。
但咱们呢?学校可能会把报名通知发在家长微信群里,附了一个小程序接龙链接。你得用微信打开小程序,用微信支付交费,交完之后再把截图发回群里。
这整个流程里,AI能帮你做哪一步?它读不了你的微信群聊,它打不开小程序,它用不了你的微信支付,它也没法替你在群里发消息。
这才是个人AI助手面临的真正难题。不是模型能力不行,是底层的数字基础设施完全不同。
其实不光是咱们国内用户面临这个问题,就算在美国,Muse也会碰到围墙。
比如亚马逊就直接把Muse给封了,不让它在自己的平台上替用户购物。原因很简单,亚马逊不愿意让一个外部AI跳过自己的界面,直接替用户做购买决策。
这不是技术问题,这是商业利益的冲突。毕竟谁控制交易入口,谁就控制了用户关系。
包括去年很火的AI原生手机。我当时也尝试了豆包AI手机,理念上很认可,但现实情况是,其他大厂不会把自己的订单数据告诉另外一个大厂的AI手机。
还是那句话,这不是AI能力的问题,而是商业利益的重新洗牌。
当然,亚马逊封禁Muse,说的是平台愿不愿意配合。但就算平台愿意配合了,还有第二个问题:用户自己信不信任这个AI。
《Inc》杂志特约编辑杰森·阿滕试用Muse的时候,特意没有授权Muse读取自己的私人消息。但后来他发现,Muse其实已经同步了他本地的Messages数据库,同步状态到达了第187,462行。
注意,这不是说它偷看了十八万条消息,187,462是数据库的行号。
这件事的冲击力在于,用户以为自己说了「不」,但AI系统理解的「不」和人理解的「不」,可能压根不是一回事。你以为你拒绝了,其实它已经走进去了。
Meta后来也回应了这件事。Meta的人解释说,Muse读取Messages,本身需要用户开启相关权限;Muse当时跟阿滕说自己只是看到了通知栏,这个解释是错的,属于AI对自己工作机制产生了幻觉。
但真正麻烦的问题其实还留着:阿滕坚持说自己明确拒绝了Messages权限,而Meta说这个功能必须由用户主动开启。这个权限最后到底是怎么打开的,公开信息里还没有一个完全说得通的答案。
我觉得这事背后没那么复杂,可能并不是什么恶意行为。因为大部分人的18万条普通文本消息,对AI企业来说意味着巨大的算力消耗。
但这件事真正暴露的问题,是用户以为自己授权了什么,和系统实际上获得了什么权限,中间可能存在巨大的认知差。
说了这么多,相信你也能明确感知到,个人AI助手要真正进入一个人的生活,光有模型能力是远远不够的。它得过两道门槛:
第一道,是平台愿不愿意把门打开。你的数据在微信、在淘宝、在美团,这些平台愿不愿意让一个外部AI进来替用户办事?亚马逊已经用行动回答了这个问题。
第二道,是用户敢不敢把钥匙交出去。就算平台开了门,你真的放心让一个AI翻你的聊天记录、替你付款、替你做决定吗?这需要很强的品牌信任度才行。
美国现在的情况是,第一道门槛过了大半,邮箱、日历、网页这些基础设施天然开放。当然,咱们国内也不是没人在做。
阿里的千问已经在接淘宝、支付宝、飞猪、高德这些服务了。但它之所以能接,恰恰是因为这些服务本身就是阿里自己的。
可出了阿里的围墙呢?比如微信里的数据、美团里的订单、抖音里的行为数据,一个阿里的AI想要稳定调用,就必须得到对方平台的配合。
说到这里,我自己其实一直在想这个问题。办公AI和个人AI,在我看来是两条完全不同的路。
办公场景相对好办,企业有IT部门,可以统一授权、统一接入,两道门槛都有人帮你处理。
但个人场景不一样,你的生活散落在几十个APP里,没有一个中央管理员,每一道门槛都得你自己去面对。
这也是为什么我觉得,个人AI助手这个方向,虽然难,但特别值得做:因为它解决的不是「工作效率」的问题,而是「生活里那些你一直拖着没处理的琐事」的问题。
这两件事听起来差不多,其实差别很大。
当然,作为得到和得到大脑的产品经理,我自己也在想,怎么在这条路上往前走一步。10月中旬我会有一些新的东西来跟大家聊,到时候再细说。
原创 欢迎关注的 2026-09-30 12:00 上海
国庆福利来啦!多档好礼免费领,关注百度Geek说,后台回复【国庆活动】即可参与🎁
。
点击蓝字,关注我们
🇨🇳 国庆假期要到了!
假期除了出门玩、宅家休息,
也别忘了来百度Geek说领一份国庆福利🎁
这次准备了多档好礼,
免费参与,就有机会把心仪奖品带回家!
🏆 惊喜大奖
小度智能屏 X10-第二代1台 共1份
价值约800元
🎉 特等奖
小度智能音箱-大金刚1个 共2份
⌨️ 一等奖
度熊键鼠套装-度熊形象系列1套 共4份
💳 二等奖
京东卡100元1张 共3份
💳 三等奖
京东卡50元1张 共5份
💳 四等奖
京东卡20元1张 共5份
从智能好物到实用京东卡,
总有一份适合你的国庆惊喜✨
参与方式:
关注百度Geek说微信公众号
后台回复“国庆活动”即可参与
阿真Irene 2026-09-30 11:08 广东
前两天尝试了 Opus 5.5 代码生成视频,确实厉害,这个视频是它直出的,我给的要求很简单(提示词放评论区了),它优化了提示词生成了视频。实在受不了它自己嘎吱嘎吱那个电子音,我让它直接登录我 Suno 账号整点纯音乐,也做得很好。这个玩法真的很多啊,等节后分享我的一些代码做视频的小窍门。
要放假了完全不想努力啊虽然其实好像还挺多要分享的但是就是不想动啊啊。准备出发去俄罗斯了,不知道大家有没有养过旅行青蛙,我做了个旅行阿真,10月上旬好奇阿真人到哪里了的朋友,就可以打开这个网站看一下。
https://azhentrip.top/
当然,想我了也可以直说哎嘿。
原创 深度求索 2026-09-30 10:01 北京
DeepSeek 正式开源面向华为昇腾算力平台的基础设施组件。
今天,我们正式开源面向华为昇腾算力平台的基础设施组件,涵盖 TileLang 高级语言编译工具、计算库、分布式通信库。所有组件与此前面向英伟达平台的开源组件一一对应。
工欲善其事,必先利其器。建立新一代自主可控的 GPU 软件生态,首要的事情是先建立一个通用的、编程简单的、同时能达到硬件性能上限的高级语言。TileLang 在这样的历史背景下诞生。一方面,相对于英伟达的 CUDA 语言,TileLang 的编程更简单,能显著提高开发效率、简化代码逻辑。另一方面,相对于其它同类高级语言,TileLang 的编程模型可以充分发挥芯片的特性,达到硬件的性能上限。TileLang 路线首先在英伟达成熟平台上得到了验证,如今已承载了 DeepSeek V4 系列模型训练中大部分算子的实现,是我们探索 AGI 新范式、开发高性能算子的核心工具。
本次开源的 TileLang 昇腾版本,对昇腾 Ascend C 底层指令进行封装、提供高级语言的编程方式、同时不损失硬件性能。这正是 TileLang 的设计初衷。目前,DeepSeek 训练中用到的每一个 TileLang 算子,在昇腾上都有对应的高性能实现。 TileLang 昇腾版本作为一个开源工作,希望能对更多 AI 芯片建立高可用软件生态起到示范作用。
本次开源还包括昇腾平台核心计算与通信组件,为不同使用场景提供可复用的基础能力:DeepGEMM 加速通用矩阵运算;DeepEP 提供高效的大规模跨设备通信;TileKernels 提供数据处理所需的常规向量计算和访存算子;FlashMLA 提供稀疏注意力算子,提升长上下文处理效率;DeepSelect 则实现了高效的数据筛选。在多项关键测试用例中,上述组件的计算与通信性能已接近硬件上限。
在面向昇腾平台的研发过程中,华为团队给予了毫无保留的大力支持。双方紧密合作,共同推进基于昇腾 950 的 128 卡超节点方案、共同对计算与通信进行了深度优化。我们将持续推进技术创新,与社区共同建设开放的软件生态、共同进步。
————
附开源项目链接:
TileLang:
https://github.com/tile-ai/tilelang
DeepGEMM Ascend:
https://github.com/deepseek-ai/DeepGEMM-Ascend
DeepEP Ascend:
https://github.com/deepseek-ai/DeepEP-Ascend
TileKernels:
https://github.com/deepseek-ai/TileKernels
FlashMLA:
https://github.com/deepseek-ai/FlashMLA
DeepSelect:
https://github.com/deepseek-ai/DeepSelect