拿督李志亮（1957年10月22日 - ），李志亮前任马来西亚财政部副部長，李志亮 政治生涯 参考文献 霹 安顺人 L李志亮2014年4月22日在马来西亚上议院宣誓担任上议员。李志亮
(责任编辑：时尚)
作为巴黎奥运会门票争夺赛的世锦赛，高手云集，竞争惨烈。四分之一决赛，曹利国遭遇2021年东京奥运会亚军、3届世锦赛冠军日本选手文田健一郎，以1∶3的比分不敌对手。由于后者进入了冠亚军争夺战，曹利国获得复活赛资格。在复活赛中，他以9∶7的比分淘汰2021年世锦赛冠军、摩尔多瓦选手乔巴努，闯入季军争夺战，对手是亚美尼亚选手加里比扬。开局对方消极被判跪撑，曹利国抓住机会先得3分。下半场比赛，曹利国被判消极，比分来到3∶3。距离比赛结束不到一分钟时，双方仍在僵持。在对手后得分的不利情况下，曹利国仍努力找机会进攻。比赛仅剩最后2秒时，曹利国一记转移得分，绝杀对手，以5∶3拿下铜牌，获得直通巴黎奥运会的资格。同时，这枚铜牌也是广西古典摔跤在世锦赛上获得的首枚奖牌。
在结束世锦赛之旅后，曹利国将跟随国家队马不停蹄地转战杭州亚运会。“在小级别古典式摔跤方面，亚运会其实比世锦赛还难打。”广西重竞技运动发展中心古典式摔跤主教练易善军表示，小级别古典式摔跤世界排名前六的选手基本都在亚洲，可以说亚洲水平就是奥运会水平。因此，此次亚运会之旅，曹利国将面临更大的挑战。“这次亚运会，大家水平都很接近，要想取得好成绩，就看谁更敢想、敢拼，少犯错误。这几年曹利国进步很大，希望他在比赛中继续放手去拼，拼出一个好成绩。”
据介绍，曹利国将于10月4日出战杭州亚运会男子古典跤60公斤级的比赛。
" alt="广西健儿摔跤世锦赛摘铜 赢得巴黎奥运会入场券" />会议要求，要聚焦“两个维护”，在强化政治建设上铸魂立根。旗帜鲜明讲政治，推动基层党组织实现“五优”目标，落实“第一议题”制度，用好理论学习中心组、机关党建讲堂等载体，加强正确政绩观教育，引导党员干部深刻领悟“两个确立”的决定性意义，做到“两个维护”。要聚焦堡垒建设，在服务中心大局上提质增效。深化“六型”模范机关创建，完善机关党建“三级五岗”责任清单，推进支部标准化规范化建设；抓好党代表推选，省、市、区“两优一先”表彰对象推荐以及红色矩阵建设、“四进四助争先锋”活动、“党群连心・服务惠民”主题党日等各项工作，推动资源向发展一线集聚，促进党建与业务互融互促，取得实绩实效。要聚焦全面从严，在压实党建责任上务求实效。各级党组织书记要扛牢第一责任人职责，落实挂钩联系党支部制度，抓实党建基础保障，强化政策支持和资源倾斜，为基层党组织开展工作创造有利条件。
各党委书记、副书记、党办主任，基层党员干部群众代表参加会议并进行现场测评。
原标题：丰泽区召开2025年度区直机关党委书记抓基层党建工作述职评议会议" alt="丰泽区召开2025年度区直机关党委书记抓基层党建工作述职评议会议" />本质上，AI 重新定义了“优秀”基础设施的标准。相应地，平台设计的重心也从注重单一的芯片或服务器，转向了打造机架级、可扩展的系统，在功耗和预算有限的前提下，实现高效扩展。而这一转变背后的原因在于，推理与智能体 AI 工作负载持续增长且不间断运行，对高密度、全天候在线的算力需求正快速提升。
Futurum 在《Arm处于 AI 和数据中心变革的中心》报告中，把这一转变称为迈向“系统级协同”。设计的关键不再是堆多少算力，而是平台能不能有效地把加速器、CPU、内存、网络和软件协同起来。
正因如此，业界正加速迈向定制化机架级系统设计：即围绕 AI 负载特性、功耗波动和持续利用率来进行端到端设计的平台。越来越多的架构师开始重新思考计算底层设计，选择基于 Arm 架构来解决现代 AI 平台面临的多重约束。
AI 促使行业重构：转向定制化机架级系统
这一转变的核心原因，并非通用型标准化基础设施无法承载 AI，而是碎片化的系统设计，在 AI 规模化部署时，终将转化为真实可感的成本代价。
AI 工作负载在计算、内存、网络、存储及软件各环节紧密耦合。CPU 拖后腿，昂贵的加速器就会空等；功耗和散热波动，利用率就会下滑；数据管道、调度、编排未能针对平台调优，吞吐量就不可预测。峰值性能依然重要，但稳定性、每瓦性能和系统整体平衡性更关键。
Futurum 指出，超大规模云服务提供商正进行结构性调整，旨在实现算力的指数级增长，同时避免能耗的同步激增。Futurum 引用 Arm 的数据指出，到 2025 年末，出货到头部超大规模云服务提供商的算力中，有近 50% 是基于 Arm 架构。
架构师现在不再只看纸面跑分，而是更关心 AI 平台在实际应用中能否长期可靠地运行智能体 AI 和连续推理工作负载，比如：
长时间高负载下，系统表现如何？
在实际环境中，功耗限制和散热条件如何影响性能曲线？
在机架级系统中，计算层如何确保加速器能持续获得稳定的数据供给，而非仅停留在纸面参数上？
当能效、可扩展性与系统平衡性成为首要原则时，重新审视 CPU 底层架构就成了必然。也正因为此，Arm 凭借领先的架构和完善的生态，正是这场行业变革的核心所在。
在数据中心领域，Arm Neoverse 平台是推动这一转型的核心引擎。亚马逊云科技、Google、微软、NVIDIA 等头部超大规模云服务提供商与 AI 领军企业，都在基于 Arm 架构或采用 Arm 计算平台进行产品研发。Arm 的模式既能支持定制化系统设计，又能保持跨平台、跨生态、跨软件的一致性。对于想要构建高集成度平台、又不愿被单一技术路径绑定的团队而言，这种灵活性至关重要。
智能体 AI 与持续推理，
重塑规模化算力的经济逻辑
随着 AI 与通用计算工作负载的融合，AI 工作负载正在发生变化，基础设施也需随之调整，以支持多样化的工作负载特性。
行业重心正在转向智能体 AI，而智能体 AI 本质上就是一个连续推理系统。智能体并不是简单地给出一个答案， 而是会规划、调用工具、检索数据、验证结果，如此循环往复。由此便形成了连续推理模式：稳定不间断的词元 (token) 生成任务，请求类型趋于多元化，围绕加速器的编排和数据迁移任务变得更繁重。
在智能体 AI 里，CPU 不再是配角， 而是整个 AI 系统的控制中枢。CPU 负责协调控制、调度任务、管理 IO、处理网络与存储服务、执行安全策略，并在模型、上下文及工具链不断演进的过程中，维持整个系统的平衡。
以承载大语言模型 (LLM) 的服务为例，它可能同时处理成百上千的并发请求。就算加速器负责核心计算，CPU 也要承担请求权限控制、分词和预处理、批处理和队列调度、数据迁移编排，以及针对模型权重与 KV 缓存的数据路径协调等。到了智能体工作流，CPU 的工作负担进一步扩展，还要承担工具调用、检索流程、结构化输出验证、多步调度等持续运行的任务。
这一切都表明，CPU的重要性远超许多团队的预期。如果 CPU 跟不上编排节奏，数据迁移、处理流程和加速器都会被“卡住”，面临结构性的闲置风险。
融合型 AI 数据中心的建设，彰显了 Arm 架构的强劲势头
Arm 的发展势头正在加快。在业内领先的集成式 AI 系统中，基于 Neoverse 平台的 CPU 被广泛用于智能体推理密集型系统的编排层，尤其适合追求高能效、可预测扩展能力和大规模部署的应用场景。
独立测试也印证了现代 CPU 基础平台在“AI 相关”工作负载中的价值。Futurum 旗下 Signal65 的独立基准测试对比了基于 Arm Neoverse 平台的 Amazon Graviton4 与同级的 AMD和 IntelEC2 实例，结果显示：在生成式 AI (Llama-3.1-8B)、数据库 (Redis)、机器学习(XGBoost)、网络 (Nginx) 等测试的各种工作负载中，基于 Neoverse 平台的 Graviton4 在性能和性价比方面大幅领先。
测试结果直接反映了智能体 AI 数据中心的现状：LLM、检索层、缓存、Web/API、传统机器学习等全都处于智能体系统的关键路径上，只有当 CPU 兼具速度与能效时，整体才能更好地扩展。
最新的机架级 AI 系统在架构设计上，均采用定制化加速器层以及基于 Arm 架构的 CPU 层的组合，由后者承担调度编排、数据迁移与智能体推理预处理等关键任务。NVIDIA Grace Hopper、Grace Blackwell 等系列产品，将 NVIDIA GPU与基于 Neoverse 架构的 Grace CPU 深度融合。而其最新机架级平台 Vera Rubin NVL72，更是在系统内集成 72 颗 Rubin GPU 与 36 颗基于 Arm 架构的 Vera CPU，专为交互式、深度推理型智能体 AI 优化，显著降低推理成本。
亚马逊云科技也在走同样的系统级路线：Amazon Trainium3 UltraServer 把 Trainium3 加速器芯片与 Graviton CPU 结合，强化了“融合型”设计理念：将加速器与定制的高性能、高能效 CPU 相匹配，以实现高效扩展。
“提供更优选择”不再是偏好，而是硬性要求
AI 系统迭代太快，固定架构已无法适配其发展节奏，因此为客户提供更优选择已成为风险管理的必要举措。
系统架构师想要的是：
平台能适应不同代的硬件、多样的工作负载配置及各异的部署环境；
软件可移植，以降低系统变更成本。
与此同时，系统架构师希望避免因过度依赖单一厂商，而导致在模型组合变化、业务规模扩张或新需求出现时陷入被动。在智能体时代尤其如此：推理形态不断变化，上下文更长、工具调用更多、多模态输入更频繁、全天候工作负载更普遍，效率和平衡远比峰值跑分重要。
Arm 架构在提升系统性能的同时，保持跨平台一致性。Arm 架构不仅引入了现代 AI 基础设施所需的关键特性，而且拥有强大的软件生态支持。Arm 计算子系统 (CSS) 提供经过验证的基础设施级模块，既加速了芯片开发，又保留了合作伙伴间的差异化与选择权。对于所有基于 Arm 架构的平台，一致性贯穿始终，云工作负载迁移至 Arm 平台也极为便捷。同时，在软件层面，Arm 生态助力团队在不同环境与平台间拥有一致连贯的基础，从而加速开发进程，无需重写所有代码。
智能体 AI 经济重塑 CPU 选择格局，Arm Neoverse 平台成头部厂商首选
系统架构师之所以倾向于 Arm 平台，因为它精准匹配定制AI 系统的核心需求：能效、可扩展性及每瓦性能。能效重要，因为功耗和预算是硬上限；系统平衡和 CPU 性能重要，因为加速器闲置成本极高；一致性重要，因为 AI 基础设施变化快、跨环境部署日益增多。
在融合型智能体 AI 数据中心里，面对持续推理的应用需求，上述优先事项变成了上线即需满足的硬性指标。智能体系统不只需要能生成词元的加速器，更需要以 CPU 为核心的编排能力，在网络、存储、调度、安全层面，持续、高效、大规模地把资源利用起来。
Arm 如今的强劲增长正源于此：Neoverse 正成为智能体时代的 CPU 基础平台，作为计算头节点，是让 AI 系统保持高效、一致并面向未来的核心控制中枢。
" alt="为何AI数据中心的系统架构师首选Arm平台" />作为FromSoftware“魂系列”三部曲中争议最大的一作，《黑暗之魂2》长期以来因画面降级、地图设计、适应性属性等问题备受玩家诟病。如今，一款名为“Lighting Engine”的Mod正在为这款游戏带来革命性的视觉升级——最新测试版加入了路径追踪技术，让这部2014年的老游戏焕发出令人惊叹的光影效果。
《黑暗之魂2》在发售之初就陷入多重争议漩涡。首先，适应性属性(ADP)直接影响角色的翻滚无敌帧，而游戏并未对此做出明确说明，导致未加点的玩家频繁遭遇“迷之受伤”。其次，地图设计相较初代《黑暗之魂》那种精妙互联的立体世界，显得更加线性，缺乏沉浸感。此外，Boss战也被认为是三部曲中最薄弱的环节——数量虽多，但大量重复使用、多人混战的设计让不少玩家感到失望。
更令玩家记忆犹新的是，游戏在发售前曾展示过令人印象深刻的动态光照系统，但最终版本中这一效果被完全移除。这一“画面降级”事件成为当年的一大争议焦点，也为后续Mod作者的“补完计划”埋下了伏笔。
在PC平台上，Mod作者们从未停止对《黑暗之魂2》画面表现力的挖掘。早期的“Flames of Old”Mod致力于还原预告片中被砍掉的光照效果，而新一代的“Lighting Engine”Mod则更进一步，加入了体积雾、地真环境光遮蔽等先进效果。
如今，该Mod的作者正在测试一个加入路径追踪技术的新版本。在RTX 4080显卡上，以4K分辨率、DLSS平衡模式、每像素3个采样(Path count 3)的设置下，游戏可以稳定运行在60帧。
从截图来看，路径追踪带来的光影质变令人震撼——无论是阴暗地牢中的烛光摇曳，还是户外场景中的阳光投射，都呈现出接近次世代游戏的写实质感。对于一款已发售十余年的老游戏而言，这样的视觉提升堪称脱胎换骨。
" alt="玩家做出《黑暗之魂2》光追MOD 画面升级效果惊艳" />