跳转到主要内容

博客

渲染管线之片段处理片段处理是图形渲染管线中的一个重要阶段，主要负责对每个片段进行详细的计算和处理，以生成最终的像素颜色。
Gartner：中国AI优先型网络安全前沿治理的四大预测Gartner针对AI使用治理、AI应用安全保护和AI驱动型威胁的防御，为中国的首席信息官（CIO）及其网络安全团队提供了四大前瞻性洞察。
北京车展释放明确信号：ADAS 已进入“算力竞赛”时代ADAS 领域最重要的信息，并不是又增加了多少摄像头、雷达或激光雷达配置，而是一个更深层次的确认：智能驾驶正在演变为一场围绕“算力平台”的竞赛......
OpenGL如何渲染角色模型和实现动画？所谓“渲染角色模型”，其实就是给OpenGL吐一堆数据（顶点、面、法线、贴图、骨骼信息），它帮你处理好坐标、变换、上色，最后画出来。
深耕ADAS测试：筑牢智能驾驶安全防线近年来，智能驾驶出现误判现象频发，事故暴露了ADAS从实验室到真实路况的“水土不服”，也凸显了测试环节的重要性。
物理 AI 为什么离不开边缘计算？云端 AI 是给屏幕用的，Physical AI 是给现实世界用的。一旦真要去碰传感器和执行器，很多原本能糊弄过去的东西，就糊弄不过去了。
渲染管线之输出合成输出合成是图形渲染管线中的最后一个阶段，负责将经过处理的片段（即像素）写入帧缓冲，以生成最终的图像。
AI时代的数据中心怎么建？基础设施核心问题一文读懂与传统数据中心相比，人工智能（AI）环境在计算密度、网络带宽、电力供给和散热能力方面都提出显著更高的要求。
OpenCL 3.1 来了Khronos® OpenCL 工作组发布了 OpenCL™ 3.1，将广泛部署、经过现场验证的功能引入核心规范，以扩展功能，包括 SPIR-V 数据摄取，开发人员可以在符合规范的实现中依赖这些功能。
网络安全中的人工智能 - 欺诈检测、网络钓鱼、恶意软件机器学习和人工智能几乎彻底改变了每一个现代行业，更具体地说，对网络安全行业产生了重大影响。
中国信通院联合发布《人工智能模数共振体系研究报告（2026年）》报告系统梳理了人工智能模数共振体系的具体定义与内涵、三大核心要素、五大核心基础能力支撑以及三大协同运行机制，并提出模数共振下一步落地发展的具体建议。
机器学习基本概念机器学习让计算机无需明确编程，自己从大量数据中总结规律来做预测或决策。
图形渲染之纹理过滤纹理过滤的主要目的是在纹理坐标与纹理图像之间进行平滑的颜色采样，以确保在不同的缩放和旋转情况下，纹理的显示效果保持良好。
半导体增长趋势或于今年终结？当下行业繁荣盛宴仍在延续，但从业者务必保持高度谨慎。切勿被表面亮眼的营收增长数据误导，这类涨幅本质源于芯片售价抬升，而非实体经济底层需求真正回暖。
2026年，人工智能将如何改变物理安全？在未来的城市发展中，AI驱动的安全技术将成为智慧城市的重要基础组成部分，对城市基础设施、公共空间与私人区域的安全管理产生深远影响。
芯片界的“安卓”时刻，RISC-V 凭什么让全球巨头纷纷入场？正如当年的安卓系统打破了闭塞的手机操作系统僵局，RISC-V 正以一种不可阻挡的姿态，掀起芯片界的“安卓革命”。
GPU服务器如何成为高性能计算与AI发展的核心驱动力GPU服务器身为现代算力引擎，其地位会越发稳固，进而促使科学研究与产业应用的边界持续拓展。
数据中心会过时吗？传统意义的“企业自建数据中心”正在减少，但数据中心作为数字时代的核心基础设施仍将长期存在。
机器学习训练模型：参数优化的核心揭秘“训练模型”在机器学习中，核心的确就是确定模型函数的参数，让模型能够更好地拟合数据、完成任务。
从幻想到现实：2026年的元宇宙，已经长成什么模样？元宇宙技术开发，本质上就是用一系列前沿技术，搭建一个“虚实互通、持久在线”的三维虚拟世界，让我们能以更自然的方式，在数字空间里实现互动、创造和价值流转。