AI操作系统、专属硬件、20多款新品：钉钉在赌一个什么样的未来？

基于MindIE的SDXL多模态大模型推理加速指南（从部署到50it_s优化）

经过一周的折腾和优化，基于 MindIE 的 SDXL 推理服务终于在生产环境稳定运行。单图推理耗时：从 PyTorch 原生的 ~2.5秒 降低至~0.8秒(Steps=30)。显存占用：降低了约20%。多模态大模型在昇腾平台上的生态正在肉眼可见地变好。MindIE 让我们可以用 Python 的代码习惯，获得底层 C++ 级的性能收益。下一步，我准备研究的高并发部署，尝试把 Video Gen

Spring AI 工具调用（Tool Calling）：解锁智能应用新能力

Spring AI 支持通过「声明式」和「编程式」将普通方法转化为 AI 可调用的工具，二者核心差异在于配置方式（注解 vs 代码构建），但最终目标都是生成实例供 AI 模型使用。通过在方法上标注@Tool注解，直接将方法转化为工具，无需手动构建，是更简洁的主流方式。核心配置@Tool注解支持 4 个关键属性，用于定义工具的核心信息（AI 模型依赖这些信息判断是否/如何调用工具）：属性名作用默认值