2025

英特尔“芯”AI，赋能云边端｜第一期：开启 AI 新时代的云边端闭环

2025 年，人工智能（AI）正迈入新的时代。全球范围内，边缘计算的增长显著，预计 50% 以上的企业数据将在边缘设备上处理。与此同时，大型语言模型（LLM）的热潮席卷各行各业，从智能客服到数据分析，AI 的应用场景日益多元化。然而，企业和组织在拥抱 AI 转型时面临诸多挑战：高昂的硬件成本（传统 GPU 解决方案动辄 5000 美元/节点）、数据隐私风险，以及云端计算带来的延迟问题。

方案｜如何使用 Intel Extension for PyTorch (IPEX) 在 iGPU/dGPU 上训练 YOLO 模型

使用 Intel Extension for PyTorch (IPEX) 训练 YOLO 模型可以显著提升在 Intel 硬件（如 CPU 和 GPU）上的性能。以下是一个详细的步骤指南，帮助你结合 IPEX 优化和加速 YOLO 模型的训练过程。

技术分享-离线部署 k3s 集群和搭建管理环境

在许多实际场景中，例如边缘计算环境、高安全性的企业数据中心或网络受限的工业设施，Kubernetes 集群的部署可能无法依赖互联网访问。这种情况下，离线（Air-Gap）部署成为一种关键解决方案。K3s，作为一款轻量级的 Kubernetes 发行版，专为资源受限和边缘环境设计，以其极低的资源占用和简化的安装流程，成为离线部署的理想选择。

K3s 的 Air-Gap 部署通过预先准备所有必要的镜像、安装包和配置文件，绕过对在线镜像仓库和软件源的依赖，确保在完全隔离的网络环境中快速构建功能完整的 Kubernetes 集群。本文将详细介绍如何在离线环境中部署 K3s，涵盖从镜像准备、安装包分发到集群配置的全流程，旨在为用户提供一个高效、可靠的部署指南，帮助在各种复杂场景下实现 Kubernetes 的无缝落地。

通过离线部署 K3s，用户不仅能够充分利用 Kubernetes 的容器编排能力，还能满足严格的安全合规要求，为边缘计算、物联网和私有云等场景提供强大的技术支持。以下内容将逐步引导您完成这一过程，确保即使在无网络连接的环境中，也能成功搭建和管理 K3s 集群。

技术分享｜开发、运维操作实用技巧（不定期更新：置顶）

不定期更新，持续置顶！

技术分享-如何在 K3S 集群上部署自定义 DNS，方便内部使用。

在 Kubernetes (K3s) 集群中部署自定义 DNS 服务可以显著改善内部服务发现体验，特别是当你有以下需求时：

  - 为内部服务提供易记的域名
  - 需要自定义域名解析规则
  - 希望减少对外部 DNS 的依赖
  - 需要特定的 DNS 查询日志记录