【TensorRTtSharp v4.0】在 C# 中使用 TensorRT CSharp API v4.0 动态编译并运行 CUDA Kernel

椒颜皮皮虾྅2026-08-19 17:24

文章目录

    • [1. 前言](#1. 前言)
      • [1.1 程序出处与输出说明](#1.1 程序出处与输出说明)
      • [1.2 项目简介](#1.2 项目简介)
      • [1.3 项目链接与包列表](#1.3 项目链接与包列表)
      • [1.4 本文结构](#1.4 本文结构)
    • [2. 示例要解决的问题](#2. 示例要解决的问题)
    • [3. 环境与安装](#3. 环境与安装)
      • [3.1 运行要求](#3.1 运行要求)
      • [3.2 安装示例](#3.2 安装示例)
    • [4. 先检查离线帮助](#4. 先检查离线帮助)
    • [5. Kernel 与编译输入](#5. Kernel 与编译输入)
    • [6. 先探测能力，再决定路径](#6. 先探测能力，再决定路径)
    • [7. 编译并复制产物](#7. 编译并复制产物)
    • [8. Runtime Library 启动路径](#8. Runtime Library 启动路径)
    • [9. Driver Module 启动路径](#9. Driver Module 启动路径)
    • [10. 为什么要保留受控编译失败](#10. 为什么要保留受控编译失败)
    • [11. 编译与运行](#11. 编译与运行)
    • [12. 本次真实运行结果](#12. 本次真实运行结果)
    • [13. 常见问题](#13. 常见问题)
      • [13.1 `capability.available=False`](#13.1 capability.available=False)
      • [13.2 找不到 CUDA 内建头文件或 builtins](#13.2 找不到 CUDA 内建头文件或 builtins)
      • [13.3 PTX 编译成功但 Module 无法加载](#13.3 PTX 编译成功但 Module 无法加载)
      • [13.4 Kernel 启动成功但输出错误](#13.4 Kernel 启动成功但输出错误)
      • [13.5 为什么不能把本次结果写成性能数据](#13.5 为什么不能把本次结果写成性能数据)
    • [14. 结论与证据边界](#14. 结论与证据边界)
    • [15. 延伸阅读](#15. 延伸阅读)
    • [16. 文章声明](#16. 文章声明)
      • [16.1 开源协议声明](#16.1 开源协议声明)
      • [16.2 代码开发与质量说明](#16.2 代码开发与质量说明)
      • [16.3 免责声明（重要）](#16.3 免责声明（重要）)
      • [16.4 代码开源范围](#16.4 代码开源范围)
      • [16.5 社区与反馈](#16.5 社区与反馈)

CUDA Runtime Compilation 适合在运行时生成或组合 Kernel，而不是为每一种参数组合预先构建本机二进制。完整流程不只是把一段 CUDA C 字符串交给 NVRTC：程序还要发现编译器能力、传入虚拟头文件和选项、保存编译日志、复制 PTX/CUBIN/LTO IR、加载 Module、按 ABI 组织 Kernel 参数、提交到 Stream，并把 GPU 结果读回验证。

TensorRT CSharp API v4.0 4.0.0 的 RuntimeCompilation 示例同时覆盖 CUDA Runtime Library 和 CUDA Driver Module 两条启动路径。示例编译一个确定性的向量加法 Kernel，对 257 个 FP32 元素执行 GPU 计算，并用逐元素误差和输出 SHA256 检查结果；它还故意编译一段错误源码，证明失败日志不会在托管边界丢失。

本文是 TensorRT CSharp API v4.0 4.0.0 Samples 系列的 SMP-006，对应源码 samples/Cuda/01.RuntimeCompilation。本示例不依赖 ONNX 或 TensorRT Engine，但仍通过 TensorRT CSharp API v4.0 的 CUDA API 和目标 Bridge 进入真实 CUDA/NVRTC 运行时。

1. 前言

TensorRT CSharp API v4.0 是一个面向 C#/.NET 开发者的 TensorRT 与 CUDA 工程化接口项目。它把 NVIDIA 原生运行时、生成式绑定、C++ Bridge、托管对象模型和可验证的示例程序组织成一条完整链路，使使用者可以在熟悉的 .NET 项目中完成 Engine 构建、反序列化、ExecutionContext 管理、CUDA 内存操作、异步流同步和结果校验。项目的目标不是隐藏 TensorRT 的概念，而是把这些概念转换为有明确生命周期、所有权和错误边界的 C# API。

4.0.0 是一次完整重构后的正式版本。核心接口、Bridge 边界、Runtime 包命名、样例目录和验证方式都以 4.x 设计为准，不能把 3.x 的类型名、旧包名或旧 DLL 目录直接复制到新项目。托管包只提供项目接口和自有 Bridge；TensorRT、CUDA、cuDNN、显卡驱动以及对应许可证仍由使用者按目标平台安装和管理。

单篇文章也应能够独立阅读：读者可以先从项目入口确认源码和包，再根据本文的程序路径准备依赖，最后用输出中的状态、计数、Shape、哈希或结果图片判断流程是否真的完成。对于尚未具备兼容 GPU 的环境，本文会把静态检查、期望输出和真实运行结果分开标记，不把帮助命令或 build-only 结果包装成推理成功。

项目、包和源码入口（以下地址保留明文，便于复制到不完整支持 Markdown 链接的平台）：

项目主页：

text 复制代码 
https://github.com/guojin-yan/TensorRT-CSharp-API/tree/TensorRtSharp4.0

核心 NuGet：

text 复制代码 
https://www.nuget.org/packages/JYPPX.TensorRT.CSharp.API/4.0.0

Runtime Bridge 包列表：

text 复制代码 
https://www.nuget.org/packages?q=+JYPPX.TensorRT.CSharp&includeComputedFrameworks=true&prerel=true&sortby=relevance

运行库清单：

text 复制代码 
https://github.com/guojin-yan/TensorRT-CSharp-API/blob/TensorRtSharp4.0/pack/runtime/runtime-packages.manifest.json

1.1 程序出处与输出说明

本文涉及的程序、脚本或命令均以仓库中的实现为准；对应源码入口：

text 复制代码 
https://github.com/guojin-yan/TensorRT-CSharp-API/tree/TensorRtSharp4.0/samples

运行示例必须同时给出程序输出和判定标准。终端中的 status、Ready、Bound、enqueueCount、OutputMatch、进程退出码、报告文件或结果图片分别说明不同层次的事实；只有明确写出这些结果，读者才能区分程序启动、Engine 构建、GPU enqueue 和业务结果语义。

1.2 项目简介

TensorRT CSharp API v4.0 不只封装 TensorRT 推理接口，也提供显存、Stream、Event、Driver Module、Kernel 参数和 NVRTC 等 CUDA 能力。这样，C# 应用可以把预处理、后处理、数据重排或业务自定义算子放在 GPU 上执行，并与 TensorRT 使用同一套显式资源生命周期。

Runtime Compilation 的价值在于灵活，但代价是部署环境必须具备匹配的 NVRTC，源码和编译选项也成为运行时合同的一部分。编译成功仅说明生成了某种产物，不能替代 Module 加载、Kernel 启动和结果读回。

1.3 项目链接与包列表

项目内容 入口
项目源码 TensorRT-CSharp-API 4.0 分支：https://github.com/guojin-yan/TensorRT-CSharp-API/tree/TensorRtSharp4.0
本文案例源码 samples/Cuda/01.RuntimeCompilation：https://github.com/guojin-yan/TensorRT-CSharp-API/tree/TensorRtSharp4.0/samples/Cuda/01.RuntimeCompilation
程序入口 Program.cs：https://github.com/guojin-yan/TensorRT-CSharp-API/blob/TensorRtSharp4.0/samples/Cuda/01.RuntimeCompilation/Program.cs
中文案例说明 README.zh-CN.md：https://github.com/guojin-yan/TensorRT-CSharp-API/blob/TensorRtSharp4.0/samples/Cuda/01.RuntimeCompilation/README.zh-CN.md
核心 NuGet JYPPX.TensorRT.CSharp.API 4.0.0：https://www.nuget.org/packages/JYPPX.TensorRT.CSharp.API/4.0.0
Runtime Bridge NuGet 包列表：https://www.nuget.org/packages?q=+JYPPX.TensorRT.CSharp&includeComputedFrameworks=true&prerel=true&sortby=relevance
依赖 责任边界
JYPPX.TensorRT.CSharp.API 提供 JYPPX.CudaSharp 托管 API
目标 *.Bridge 提供项目自有 native bridge，不携带 NVIDIA 厂商库
CUDA Driver/Runtime GPU 上下文、内存、Stream、Module 和 Kernel 执行
NVRTC 在运行时把 CUDA C/C++ 源码编译为 PTX/CUBIN/LTO IR

1.4 本文结构

本文从环境探测开始，依次讲解编译输入、虚拟头文件、名称表达式、产物复制、Runtime/Driver 两条启动路径、受控失败和当前真实结果。重点是建立"编译、加载、启动、同步、读回、数值检查"的完整证据链。

2. 示例要解决的问题

该示例同时验证以下能力：

  1. 能发现本机 NVRTC 和 CUDA Driver，并输出版本与能力。
  2. 能把主源码、内存中的虚拟头文件和编译选项传给 NVRTC。
  3. 能取得 PTX、CUBIN、LTO IR 以及模板 Kernel 的 lowered name。
  4. 相同输入重复编译时，PTX SHA256 保持一致。
  5. PTX 能通过 Runtime Library 路径加载并启动 Kernel。
  6. 同一 PTX 能通过 Driver Module 路径加载并启动 Kernel。
  7. 两条路径都能读回 257 个元素，最大绝对误差为 0。
  8. 故意错误的源码会返回明确编译失败和非空日志。

这些检查比"Compile 返回 Success"更严格。真正的 GPU 运行结论必须看到 launch.succeeded=True、gpuReadback=True 和 correctness=True。

3. 环境与安装

3.1 运行要求

组件 要求
.NET .NET 8 SDK 或更高兼容 SDK
GPU/Driver 支持目标 CUDA 的 NVIDIA GPU 与驱动
CUDA Toolkit 包含与目标组合匹配的 NVRTC 动态库
托管包 JYPPX.TensorRT.CSharp.API 4.0.0
Bridge 与 OS/RID/CUDA 组合匹配的唯一 *.Bridge 4.0.0
ONNX/模型 不需要

Bridge 不会携带 nvrtc64_*.dll 或 libnvrtc.so。这是有意的依赖边界：NVIDIA 厂商运行库由用户按其许可和目标环境安装，项目包只提供互操作层。

3.2 安装示例

下面仍以 Windows x64、TensorRT 10.11、CUDA 12.9、cuDNN 9.22 组合为例。虽然本示例不创建 TensorRT Engine，Bridge 包仍按完整 ABI 组合命名：

powershell 复制代码 
dotnet add package JYPPX.TensorRT.CSharp.API --version 4.0.0
dotnet add package JYPPX.TensorRT.CSharp.API.Runtime.win-x64.trt10.11.cuda12.9.cudnn9.22.Bridge --version 4.0.0

源码仓库开发验证可显式指定本地 Bridge 和 NVRTC：

powershell 复制代码 
$env:JYPPX_NATIVE_BRIDGE_PATH = '<jyppxtrtbridge.dll 的完整路径>'
$env:JYPPX_NVRTC_LIBRARY = '<nvrtc64_120_0.dll 的完整路径>'
$env:JYPPX_ENABLE_DEVELOPMENT_PROBING = '1'

这些环境变量应指向文件本身。业务应用优先通过精确的 Runtime 包部署 Bridge，不应依赖机器上偶然出现的同名 DLL。

4. 先检查离线帮助

powershell 复制代码 
dotnet run --project .\samples\Cuda\01.RuntimeCompilation -- --help

帮助分支不会探测 CUDA 或加载 NVRTC。它只能证明项目已经还原、编译并进入参数入口，不能证明 GPU 或编译器可用。

5. Kernel 与编译输入

示例的核心 Kernel 对两组向量相加，再乘以虚拟头文件定义的比例：

c 复制代码 
#include "scale.cuh"

extern "C" __global__ void vector_add(
    const float* left,
    const float* right,
    float* output,
    int count)
{
    int index = (int)(blockIdx.x * blockDim.x + threadIdx.x);
    if (index < count)
    {
        output[index] = (left[index] + right[index]) * SAMPLE_SCALE;
    }
}

scale.cuh 不需要写入磁盘，而是作为虚拟头文件传给编译器：

csharp 复制代码 
var source = new CudaRtcProgramSource(
    sourceText,
    "runtime-compilation-sample.cu",
    new[] {
        new CudaRtcHeader("scale.cuh", "#define SAMPLE_SCALE 2.0f\n")
    },
    new[] { "&typed_identity<float>" });

这说明编译输入不只是 sourceText。主文件名、虚拟头文件、名称表达式和所有编译选项都应参与缓存键或审计记录，否则不同输入可能错误复用同一产物。

6. 先探测能力，再决定路径

csharp 复制代码 
CudaRtcCapability rtc = CudaRtcCompiler.GetCapability();
CudaDriverCapability driver = CudaDriver.GetCapability();

if (!rtc.IsAvailable)
{
    Console.Error.WriteLine(rtc.DependencyDiagnostic);
    return 2;
}

if (!driver.IsAvailable)
{
    Console.Error.WriteLine(driver.DependencyDiagnostic);
    return 10;
}

能力对象会给出已加载库、版本和 PTX/CUBIN/LTO IR 等支持状态。探测成功不等于编译成功，编译成功也不等于产物能被当前 Driver 加载；文章和自动化需要保留每一层的独立结论。

7. 编译并复制产物

csharp 复制代码 
var options = new CudaRtcCompileOptions(
    targetArchitecture: "compute_75",
    generateLineInfo: true);

CudaRtcCompilationResult result =
    CudaRtcCompiler.Compile(source, options);

CudaRtcArtifact? ptx =
    result.FindArtifact(CudaRtcArtifactKind.Ptx);

使用 compute_75 生成 PTX，使用真实 SM 目标 sm_75 生成 CUBIN；本机 NVRTC 支持时还会请求 LTO IR。托管对象保存的是从 NVRTC 复制出来的字节、长度、目标架构和 SHA256，不在编译对象释放后继续暴露原生临时指针。

示例还会对完全相同的输入重复编译，并比较 PTX SHA256：

csharp 复制代码 
CudaRtcCompilationResult repeated =
    CudaRtcCompiler.Compile(source, options);

bool deterministic = string.Equals(
    ptx.Sha256,
    repeated.FindArtifact(CudaRtcArtifactKind.Ptx)?.Sha256,
    StringComparison.Ordinal);

确定性哈希适用于"相同源码、头文件、选项和工具链"的复查，不能跨 NVRTC 版本或架构目标推断产物一定相同。

8. Runtime Library 启动路径

csharp 复制代码 
using CudaKernelLibrary library = CudaKernelLibrary.Load(ptx.ToArray());
using CudaMemory left = new CudaMemory(elementCount * sizeof(float));
using CudaMemory right = new CudaMemory(elementCount * sizeof(float));
using CudaMemory output = new CudaMemory(elementCount * sizeof(float));
using CudaStream stream = new CudaStream();

var configuration = new CudaKernelLaunchConfiguration(
    new CudaDim3((uint)((elementCount + 127) / 128)),
    new CudaDim3(128));

using CudaKernelLaunch launch = library.Launch(
    "vector_add",
    configuration,
    stream,
    CudaKernelArgument.FromDeviceMemory(left),
    CudaKernelArgument.FromDeviceMemory(right),
    CudaKernelArgument.FromDeviceMemory(output),
    CudaKernelArgument.FromInt32(elementCount));

launch.Synchronize();

Kernel 参数顺序、指针类型和标量宽度必须与 CUDA C 签名完全一致。CudaKernelArgument 显式表达参数类型，避免业务代码手工拼接不透明指针数组。

示例还验证 owner-bound launch：即使调用方先对 Library、Stream 和显存 owner 请求释放，Launch 对象仍维持异步工作完成所需的生命周期，直到 Synchronize 结束。不要在自定义封装中假定 Launch 返回就代表 GPU 已完成。

9. Driver Module 启动路径

同一 PTX 还会通过 CudaDriverModule 运行一次：

csharp 复制代码 
using CudaDriverModule module = CudaDriverModule.Load(ptx.ToArray());
using CudaDriverKernelLaunch launch = module.Launch(
    "vector_add",
    configuration,
    stream,
    CudaKernelArgument.FromDeviceMemory(left),
    CudaKernelArgument.FromDeviceMemory(right),
    CudaKernelArgument.FromDeviceMemory(output),
    CudaKernelArgument.FromInt32(elementCount));

launch.Synchronize();

Runtime Library 与 Driver Module 是两条不同入口。两者输出相同，能提高本例对参数封送、Module 加载和 GPU 计算的信心，但不能据此推断所有 Kernel 在所有驱动上都表现一致。

10. 为什么要保留受控编译失败

csharp 复制代码 
var broken = new CudaRtcProgramSource(
    "extern \"C\" __global__ void intentionally_broken( {\n",
    "intentional-failure.cu");

CudaRtcCompilationResult failure =
    CudaRtcCompiler.Compile(broken, options);

示例要求结果为 Compilation、Success=false 且日志非空。没有这条负例，只能确认成功路径；加入它后还能确认 NVRTC 的诊断文本被安全复制到托管层，业务程序可以保存错误位置和原因。

11. 编译与运行

powershell 复制代码 
dotnet restore .\samples\Cuda\01.RuntimeCompilation\CudaRuntimeCompilation.csproj
dotnet build .\samples\Cuda\01.RuntimeCompilation\CudaRuntimeCompilation.csproj `
  -c Release --no-restore /p:UseSharedCompilation=false
dotnet run `
  --project .\samples\Cuda\01.RuntimeCompilation\CudaRuntimeCompilation.csproj `
  -c Release --no-build

如果目标 GPU 不支持示例中的 compute_75/sm_75，应根据部署架构调整编译目标，并把目标值纳入产物缓存键和运行记录。不能因为某个 PTX 在一台 GPU 上可加载，就忽略目标环境的 Driver/JIT 约束。

12. 本次真实运行结果

2026-08-11 在 Windows、RTX 3060 Laptop GPU、驱动 576.02、CUDA/NVRTC 12.9 上重新运行当前源码，进程返回 0。核心输出如下：

text 复制代码 
capability.available=True
capability.version=12.9
driver.capability.available=True version=12090
determinism.ptxSha256=0d36eb88... repeated=True
artifact.kind=Cubin bytes=4200 target=sm_75
artifact.kind=LtoIr bytes=3232 target=compute_75
compile.success=True result=Success logLength=0
load.succeeded=True
launch.succeeded=True gpuReadback=True correctness=True maxAbsoluteError=0
driver.load.succeeded=True
driver.launch.succeeded=True gpuReadback=True correctness=True maxAbsoluteError=0
failure.success=False result=Compilation logLength=1299

上图是该案例同一 CUDA 12.9 环境下归档的真实终端记录；正文数值已在 2026-08-11 使用当前源码重新执行核对。判断结果时以结构化字段和当前 stdout 为准，而不是只看截图中的最后一行。

检查项 当前结果 结论
NVRTC 12.9，可用 编译器动态库成功加载
PTX 重复编译 SHA256 相同 当前输入与工具链下保持确定性
CUBIN/LTO IR 4200/3232 字节 对应产物已复制到托管层
Runtime 启动 通过 Kernel 完成并读回 257 个元素
Driver 启动 通过 Driver Module 路径得到相同输出
最大绝对误差 0 两条路径均与 CPU 预期逐值一致
输出 SHA256 两条路径相同 读回字节一致
受控失败日志 1299 字符 编译错误诊断没有丢失

13. 常见问题

13.1 capability.available=False

检查 CUDA Toolkit 是否安装、进程位数是否正确，以及 JYPPX_NVRTC_LIBRARY 是否指向实际文件。只有 CUDA Driver 而没有 Toolkit/NVRTC 时，普通 CUDA 程序可能能运行，但 RTC 编译不可用。

13.2 找不到 CUDA 内建头文件或 builtins

NVRTC 主库与其配套 builtins 必须来自同一 Toolkit 安装。不要只复制一个 nvrtc DLL 到应用目录后混用另一版本的内建资源。

13.3 PTX 编译成功但 Module 无法加载

检查目标 compute_* 是否被当前 Driver 支持、Driver 是否足够新、PTX ISA 是否兼容，以及进程是否使用预期的 GPU。编译端成功不证明加载端兼容。

13.4 Kernel 启动成功但输出错误

逐项检查参数顺序、标量宽度、元素数、Grid/Block、主机到设备复制和同步位置。先保留输入/输出 SHA256 与最大误差，再定位是哪一个元素开始偏离。

13.5 为什么不能把本次结果写成性能数据

示例没有预热、重复次数、统计分布、频率控制或对照实现。它验证正确性和生命周期，不构成 Kernel 性能基准。

14. 结论与证据边界

本文完成了 TensorRT CSharp API v4.0 4.0.0 的 CUDA Runtime Compilation 闭环：能力探测、虚拟头文件、名称表达式、PTX/CUBIN/LTO IR、确定性哈希、Runtime/Driver 两条启动路径、GPU 读回和受控编译失败。

2026-08-11 的结论属于当前 Windows/CUDA 12.9 源码树运行，证据分类为本地工具链 Kernel runtime readback。它不证明 Linux、其他 CUDA/NVRTC 版本或所有 GPU 架构，也不是公开包消费者或 post-publish proof。示例没有 ONNX、模型精度或 TensorRT Engine 结论，也没有执行任何发布操作。

15. 延伸阅读

16. 文章声明

16.1 开源协议声明

作者所有开源项目代码均遵循 Apache License 2.0 开源协议。

特别说明：本项目集成了若干第三方库。若任何第三方库的许可协议与 Apache 2.0 协议存在冲突或不一致，均以该第三方库的原始许可协议为准。本项目不包含也不代表这些第三方库的授权声明，使用前请务必阅读并遵守第三方库的相关许可。

16.2 代码开发与质量说明

AI 辅助开发：本代码在开发过程中使用了人工智能（AI）辅助生成与优化，并非完全由人工逐行编写。

安全性承诺：作者郑重声明，本代码中绝无任何有意设置的后门、病毒、木马或旨在破坏用户设备、窃取数据的恶意代码。

技术局限性：受限于作者个人的技术水平与能力，代码中可能存在因逻辑不严谨、优化不足或经验欠缺导致的低级问题（例如但不限于内存泄漏、偶发崩溃、资源未释放等）。这些问题纯属能力不足所致，并非主观故意。

测试范围：由于作者精力有限，未对本软件进行全方位、覆盖所有边缘场景的完整测试。

16.3 免责声明（重要）

请在将本代码应用于任何实际项目（特别是商业、工业或关键任务环境）之前，务必进行详尽、严格的自行测试与验证。 鉴于上述可能存在的代码缺陷及测试覆盖不足，因使用本代码而导致的任何直接或间接损失（包括但不限于设备故障、数据丢失、系统瘫痪或利润损失等），本作者概不负责。 一旦您开始使用本代码，即表示您已知晓上述风险并同意自行承担一切后果，相关问题与本作者无关。

16.4 代码开源范围

本项目承诺核心逻辑代码完全开源，但上述提到的"第三方库"的二进制文件、源代码或相关资源不在本项目的开源义务范围内，请根据其各自的指引获取。

16.5 社区与反馈

尽管存在上述不足，我们仍欢迎大家下载使用、提交 Issue 或参与测试，共同完善项目。如果您在使用过程中发现 Bug、内存溢出或有改进建议，欢迎通过项目主页提供的联系方式与作者取得联系，我们将尽力在有限的时间内提供协助。

相关推荐
火山引擎开发者社区2 小时前
七夕漫谈｜向量检索界的超强 CP：DiskANN 铺路，RaBitQ 加速，又准又快还能省
人工智能
雨白3 小时前
深入理解 Java/Kotlin 反射、注解与泛型：从原理到实战
android·架构
平常心的技术小牛4 小时前
Qt-快速上手-QMenuBar
开发语言·qt
孙启超4 小时前
【大模型应用开发】LLM 到底是什么，以及它是怎么训练的
人工智能·lora·llm·微调·sft·token·rlhf
新知图书4 小时前
7.1 需求分析与规划 《AI Agent智能体开发实践》
人工智能·agent·ai agent·智能体
青 春 记 忆4 小时前
零基础入门Python11｜Git实战：为任务管理器建立版本历史
开发语言·git·vscode·python·python3.11
clorinda4 小时前
机器学习文本分类入门：从数据清洗到中文评论词向量转换
人工智能
小宋10214 小时前
Dify 知识库实战：从 PDF 导入到带引用回答，完整搭建企业问答助手
人工智能·ai编程
用户938515635076 小时前
从Vibe Coding到SDD：规范驱动开发如何拯救AI编程失控
人工智能
蓝速科技6 小时前
蓝速科技桌面 AI 双屏翻译机：开放安卓系统商用价值解析
人工智能·科技
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02GitHub 镜像站点03微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新042026 国产 AI 大模型横评：DeepSeek、通义千问、Kimi、文心一言、星火、豆包谁更能打？05历年考研数学一、数学二、数学三真题试卷及答案PDF06Agnes AI 免费 API 接入指南：文本、生图、生视频，一套接口全免费07AI 编程 IDE 全景解析 2026：Agent 全面接管开发链路08VSCode+CodeX扩展，无法启动092026年7月AI圈大地震：GPT-5.6被政府限制、Claude入驻Slack、Anthropic自研芯片10如何新建文件夹？ 电脑新建文件夹的4种方法