AI集群的隐形支柱——数据中心交换机解密
在GPU的狂热背后，一场隐秘的网络较量正悄然展开。单块GPU的算力早已绰绰有余，万卡集群的最大掣肘，从来不只是芯片，还有互联网络。今天我们来探讨一个常被轻视的AI硬件——数据中心交换机。01为何交换机是AI的隐形瓶颈从2023年起，全球陷入了一场空前的算力争夺战。众人的目光几乎全聚焦于GPU：🔶NVIDIA的H100、H200、B200供不应求；🔶各大云服务商疯狂抢购GPU；🔶全球企业竞相搭建AI数据中心。同时，美国对GPU芯片向东方大国严加管控、Deepseek逆势推出不依赖顶级GPU的大模型、而Goo
ADMA被诉财务造假：渠道压货致股价暴跌
生物制药公司ADMA Biologics（NASDAQ：ADMA）正遭遇证券欺诈集体诉讼，起因是做空机构Culper Research于2026年3月24日发布的报告，指控其通过渠道压货与未披露关联方交易虚增收入。 诉讼已提交至美国新泽西州联邦地区法院。起诉书指出，ADMA及其部分高管在2024年8月9日至2026年3月25日期间发布虚假或误导性声明，隐瞒关键事实：存在未公开的关联交易、利用渠道压货制造虚假增长、内控机制严重缺失。 Culper Research称，ADMA两家主要分销商之一的两名高管证实
华存案例 | 智谷方案破解AI大模型存储瓶颈，释放千卡集群算力
面对千亿参数大模型的训练挑战，存储系统需具备何种速度方能匹配GPU算力？某人工智能研究院在集群规模不断扩大的过程中，遭遇传统存储受限于以太网带宽、网络丢包及冷热数据统一存储成本高昂等难题，极易引发GPU算力闲置及训练任务中断。华存智谷助力该研究院成功落地训推大模型存储实践，采用高效分层数据存储方案。该方案基于TGStor 9800高性能并行文件系统与RoCE无损RDMA网络构建存算分离底座，利用HSM分层技术连通高性能存储与大容量对象存储，全面支撑大模型预训练、数据集处理及推理业务。目前，该方案已完成全流
AI浪潮下MCU开发如何受益：以UART DMA不定长接收为例
随着人工智能在编程领域的快速成熟，MCU及嵌入式软件工程师的角色正在悄然演变。当一个需求来临时，过去通常由领导或研发主管先进行需求分解，我们只负责实现其中的部分；而在AI参与开发后，你可以将AI视为一个非常聪明但缺乏工程经验的初级工程师，甚至像手下多了几位实习生——你需要一步步引导它完成任务。这个过程并非浪费时间，恰恰相反，当你以这种方式与AI协作时，你的关注点会从“某行代码怎么写”转移到“系统如何拆分、任务如何分阶段推进”，工程师的视角因此发生根本性转变。以下内容来自NXP资深MCU工程师的经验分享，我
ADMA Biologics面临集体诉讼风波，股价两日暴跌近三成
霍华德·G·史密斯律师事务所在最新公告中向ADMA Biologics公司股东发出警示，该公司正深陷一桩证券欺诈集体诉讼漩涡，并呼吁在特定时间段内购入其股票且遭受经济损失的投资者主动了解相关法律权益。据多家律所联合披露，该集体诉讼已正式向美国新泽西州联邦地区法院提交。诉讼代表所有在2024年8月9日至2026年3月25日期间买入或以其他方式获得ADMA Biologics证券的投资者。投资者申请担任首席原告的截止期限为2026年8月10日。诉讼缘由与核心指控本轮诉讼的导火索是Culper Research
ADMA Biologics 遭证券欺诈起诉：被指渠道压货致股价崩盘
生物制药企业 ADMA Biologics 因涉嫌利用“渠道压货”手段虚构营收，正面临证券欺诈集体诉讼。多家律所已向投资者发出通告，呼吁在特定时段内买入该股并蒙受损失的股民联系律师，以商讨法律维权方案。 集体诉讼正式立案 据了解，该集体诉讼已在美国新泽西州联邦地方法院正式立案。诉讼覆盖范围包括所有在 2024 年 8 月 9 日至 2026 年 3 月 25 日期间购入或以其他形式获得 ADMA Biologics 证券的投资者。投资者申请成为首席原告的截止时间为 2026 年 8 月 10 日。 做空报
AI 以太网组网实战：RDMA协议、流量管控、交换芯片与软件生态全解析
目 录AI 网络互连硬件第一篇：1.6T/3.2T 背后的价值迁移，交换、铜互连、光互连和物理层谁最受益英伟达、博通与 Marvell 的 AI 网络控制权：2026 英伟达闭环与博通开放网络之战铜互连没有结束：Astera Labs、Credo 与 Marvell 高速连接芯片，2026 AI 机柜短距连接控制权全解全文内容概括：本文的核心观点是，AI 以太网不是简化版的 InfiniBand，而是一套必须借助 RoCEv2、PFC、ECN、DCQCN、VOQ、deep buffer、packet sp
AI时代存储变革:从数据仓库到算力引擎的技术演进
随着AI大模型和多模态智能体的快速发展，存储产业正在经历从底层开始的根本性变革。传统面向通用计算场景设计的存储体系，已无法应对大语言模型所需的万亿级Token处理、TB/s量级带宽以及微秒级响应等严苛要求。未来的存储系统不再是消极等待调用的"数据仓库"，而是能够主动为AI算力提供支撑的核心动力源。在存储节点层面实现数据的标准化、Token化以及ETL预处理操作，数据存放位置即计算发生位置；网络传输量可削减超过70%，GPU显存占用显著下降，训练效率与资源利用率实现双重优化。依托DPU（如BlueField
AI浪潮下MCU开发新机遇：UART+DMA不定长接收实践
随着人工智能在编程领域的日趋成熟，MCU及嵌入式软件工程师的角色正经历着潜移默化的转变。过去，一项新需求通常由项目负责人或研发主管先行进行拆解，工程师则专注于实现其中的一部分；而如今，AI的介入改变了这一模式。你可以将AI设想为一个能力出众但工程经验相对匮乏的初级工程师，甚至如同你突然多了几位实习助手——你需要循序渐进地指导它完成任务。这个过程并非徒劳，反而，当你开始以这种方式与AI协作时，你的关注点会从“如何编写某一行代码”转向“系统应如何划分、任务如何分阶段推进”，从而根本性地改变了工程师的视角。接下
AI赋能精益六西格玛黄带认证培训 | 上海公开课
课程介绍Introduction贵公司是否经常遭遇相同问题反复出现的困扰？团队成员是否因忙于应急处置而忽视了核心工作？您是否渴望找到更高效的问题解决方式？精益六西格玛DMAIC正是一套经过验证的高效问题解决框架，通过"定义、测量、分析、改善、控制"这一系统化流程及各阶段实用工具，帮助实现产品质量提升、流程效率优化及运营成本降低。正因如此，精益六西格玛在各行各业获得广泛应用，其相关认证也成为当前职场最具价值的资质之一。数据分析是问题解决过程中的关键环节，然而由于该领域知识体系庞大复杂，短期内难以全面掌握，传
AI大模型浪潮下，MCU开发怎样真正借力AI
随着 AI 在编程领域不断走向成熟，MCU 与嵌入式软件工程师的工作方式，也在不知不觉中发生转变。当一个新需求出现时，以前通常是 leader 或研发负责人先把需求拆开，我们只负责其中某一部分的落地；而在 AI 进入开发流程之后，你可以把 AI 看作一个非常聪明、但工程实战经验不足的初级工程师，甚至像是团队里一下子多了几名实习生——你需要一步一步地带着它完成任务。这个过程并非浪费精力，恰恰相反，当你开始以这种方式与 AI 配合时，你关注的重点会从“某一行代码该怎么写”，转向“系统应当怎样拆分、任务该如何分