01
先验证正确，再优化性能
从任务、数据与基线出发，对照评测模型与系统表现，保留实验条件和失败结果。
HQZN / TECHNOLOGY & R&D
技术与研发
把模型能力，变成经得起验证的系统能力。
我们围绕实际业务自主开发数据接口、软件组件和验证工具，结合成熟的计算平台与开源技术，持续研究可靠的 AI 应用。
同一任务，不同端侧配置。
比较开源语言模型在不同平台与量化配置下的本地推理表现，为设备端应用选择运行方案。
- 开发平台
- NVIDIA Jetson AGX Thor；NVIDIA DGX Spark 用于开发与交叉验证。
- 测试任务
- 代码、数学与文本生成；固定模型和软件版本，重复运行并检查输出。
- 验证方法
- 统一测试口径包含每项 3 次预热、5 次运行；结合数值一致性探针，以及受支持配置的固定语料质量评估。
- 已形成的结果
- 分平台、分配置的兼容性与性能记录，以及按任务选择推理配置的实验依据。
验证范围记录限于所测版本与单请求实验。部分配置仍有兼容性或质量验证缺口；本轮未完成并发、长上下文和视觉端到端验证，不外推为场站规模化部署能力。
上述第三方名称为 NVIDIA Corporation 的商标或注册商标，仅用于说明研发所用平台。
02
生成与核验分开
用独立检查、测试和人工评审核验代码与结论，把经验沉淀为可复用的工具。
03
让执行保持可控
模型提供分析和建议，业务规则约束动作，关键运营操作保留人工确认。
RESEARCH INFRASTRUCTURE
技术选型与实际用途
| 模型计算与评测 | NVIDIA Hopper 架构 / CUDA | 基于 Hopper 架构的计算平台，用于模型部署、领域训练实验与业务评测。 |
| 边缘 AI 开发 | NVIDIA Jetson Thor / TensorRT Edge-LLM | 本地推理、量化配置与边缘交互原型验证。 |
| 开发与交叉验证 | NVIDIA DGX Spark | 推理框架对照实验与跨平台问题复验。 |
| 数字孪生研发 | OpenUSD / NVIDIA Omniverse Kit / RTX | 资产转换、遥测属性映射与场景渲染原型。 |
| 嵌入式设备端 | RK3568 | 设备接入、小模型实板运行与基础交互验证。 |
下列名称用于客观说明研发中使用的技术，不代表产品认证、授权合作或第三方背书。
NVIDIA、CUDA、DGX、Hopper、Jetson、Omniverse、RTX 和 TensorRT 为 NVIDIA Corporation 在美国及其他国家或地区的商标或注册商标。其他第三方名称、商标与标识归各自权利人所有。
我们自主开发的部分
数据适配与业务接口、费率和回放工具、模型服务网关、资产转换与状态映射组件，以及评测与研发自动化工具。所使用的基础模型、开源框架和硬件不作为自研成果表述。
持续研发，持续积累
我们探索由人定义目标、AI 辅助执行、独立验证结果的研发协作流程，让数据、代码、评测和经验在每一轮迭代中积累。
LET’S BUILD WHAT’S NEXT
聊聊你的设备、 数据和运营需求。
设备接入、运营软件、端侧推理或数字孪生，欢迎与我们交流项目需求和研发合作。