勒韦尔内-圣玛格丽特

　　这是蜀山区稻香村街道黄山路社区的日常缩影。该社区常住人口5000多人，注册志愿者已达1200人。近日，2024年度全国志愿服务“四个100”先进典型发布，黄山路社区获评“最美志愿服务社区”称号。

　　“老”社区有“新”机制

　　黄山路社区集科教、IT商业和居住为一体，辖区南至太湖路、北至黄山路、东至金寨路、西至合作化路，区域面积有0.92平方公里。

　　“我们社区有点大又有点‘老’。”黄山路社区党委书记、社居委主任刘凯介绍，为了让社区治理更有抓手，社区想了一个办法——集纳力量，共同治理。

　　该社区以社区“大党委”为核心，联合18家非公企业、5家驻地单位、2所高校及200余名社区志愿者，组建“巷陌红盟”党建品牌，建立“需求联商、资源联用、项目联办”机制，并打造10支特色志愿服务队伍，构建人人参与、人人共享的基层治理新格局。

　　2024年，通过联盟机制整合资源，社区还孵化了“智慧助老”“儿童护航”等8个志愿服务项目。

　　与此同时，社区积极盘活党群服务中心、新时代文明实践站、小区广场等阵地，设立“志愿服务驿站”，提供各项便民服务；开通“巷陌民声”线上线下反馈渠道，鼓励居民提交“微需求”，发动志愿者参与老旧小区改造、停车位规划、环境整治等民生实事，累计解决群众关切问题120余件。

　　为激励志愿者积极参与志愿服务，社区发放“巷陌幸福卡”，志愿者可凭服务积分兑换“巷陌红盟”成员单位提供的购物折扣、免费体检等福利，形成良性循环。

　　企业力量助阵社区治理

　　在社区众多志愿服务队伍中，值得一提的，当属社区精心组建的“企业帮帮顾问团”。它集纳了47家辖区企业，为居民提供帮助。

　　刘凯介绍，之所以组建这样一支队伍，是因为在走访中发现，居民有些困难涉及专业的知识，仅靠社区难以提供专业支持，因此希望吸纳具有专业资质或行业经验的企业参与社区治理和服务。

　　“企业帮帮顾问团”一方面要求发挥企业自身的专业优势，如消防安全、法律咨询、司法鉴定、建筑装修、物业服务等，为辖区居民或企业提供咨询和帮助；另一方面，也邀请企业参与社区日常结对帮扶活动，服务辖区困难居民，协助提升小区、楼宇环境等。

　　合肥志洋科技有限公司便是企业帮帮顾问团的成员之一。节日慰问困难老人、日常帮居民维修电脑、整理共享单车……4年来，该公司员工的身影活跃在多次志愿服务中。该公司党支部书记朱建超说：“企业参加志愿服务，既能为居民做点事情，也通过社区搭建的平台，增进了与辖区其他企业的交流。”

　　“一群人”织就一隅温暖

　　黄玉梅是黄山路社区彩虹快递志愿爱心服务队的副队长。该服务队成立于2006年7月，是社区最早的志愿服务队伍，主要发动退休党员、热心居民等，为高龄、孤寡、特困老人提供“一对一”代购、送餐等服务。

　　黄玉梅认为，志愿者是社区发展的重要力量，不仅帮助社区解决实际问题，还能促进邻里和谐、增强社区凝聚力，带动社区居民主动关心事务，形成“人人为我，我为人人”的良好氛围。

　　目前，黄山路社区注册志愿者共有1200人，占常住人口比例达23.1%，累计开展志愿服务活动2000余场，服务群众超3万人次。

　　“未来，我们将持续做好‘巷陌红盟’品牌，吸纳更多企业、高校、个体户等社会力量，为居民提供更多元的服务。”刘凯表示，社区计划推动开展公益市集、科普活动等项目，进一步盘活志愿服务资源，营造“人人参与、人人共享”的良好氛围。（记者 任海怡 通讯员 陈珉 刘亚萍）

　　近日，航拍的“航通01”汽车滚装船停泊在合肥派河港码头，船上满载着江淮汽车，经由上海发向世界各地。

　　8月3日拍摄的奇瑞新能源iCAR工厂，一排排机械臂在进行自动焊接。

　　8月4日，长安汽车合肥公司总装车间生产线上，装配工人在熟练地安装零件、组装车辆。一辆辆汽车从这里驶下生产线，发往全国各地市场。

　　8月18日拍摄的位于合肥市肥西县的江淮汽车尊界超级工厂内的自动化焊接生产线。

　　8月15日拍摄的大众汽车（安徽）有限公司生产线。

　　7月24日，蔚来公司第80万台量产车在蔚来先进制造合肥一工厂正式下线，第80万台下线的量产车型为蔚来乐道L90。

　　8月14日，合肥比亚迪汽车有限公司发车场，即将出厂的汽车整齐排列。

　　今年上半年，安徽汽车产量达149.95万辆，其中，新能源汽车产量73.09万辆，双项指标领跑全国。这片智造热土已拥有乘用车、商用车、专用车等全系列生产能力，集聚奇瑞集团、蔚来汽车、大众安徽、合肥比亚迪、江汽集团、合肥长安、汉马科技7家整车企业，形成配套完善的全产业链。零部件层面，拥有规上零部件生产企业1100多家，“兵团式、阵地战”推进皖北专用车集聚发展、零部件转型升级、后市场提质增效，推动县域零部件产业做大做强做优。

　　更值得瞩目的是，安徽新能源汽车占比已达47.2%，接近“半壁江山”。在安徽的新能源汽车产业链中，涵盖了动力电池、电机电控、智能网联、轻量化材料、销售维保、回收利用等全产业链，“不出安徽就能造一台新能源整车”已然成为现实。

　　连日来，“45°瞰安徽”系列融媒体采访组走进整车企业，用镜头聚焦安徽的磅礴“汽”势。该系列融媒体采访活动由安徽日报报业集团与安徽江淮汽车集团股份有限公司联合举办。（记者 范柏文 张大岗 摄 ）

　　假日期间，来自市文化和旅游局、琅琊区古道社区、南谯区徐岗社区等单位的志愿者身穿红马甲、肩披红绶带、佩戴“人人都是迎客松”徽章，配合景区文明旅游志愿者，向市民游客耐心解答咨询提问、主动提供应急帮扶，协助工作人员维持秩序，疏导客流。与此同时，在旅游不文明行为易发频发区域，他们通过不间断巡查，及时劝导和制止各类旅游不文明行为，引导大家自觉遵守和维护公共秩序。

　　此外，志愿者还围绕主题，在景区入口向市民游客发放《中国公民文明旅游公约》《文明旅游十大提醒语》等宣传资料，进一步增强大家的文明旅游意识，倡导文明旅游是最美的风景，持续擦亮国家5A级旅游景区文明底色。（郝俊媛 张 倩 赵忠莉）

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。

本文将从技术原理、核心优势、应用场景及落地实践等方面，对该技术进行系统性解析。

一、先进工艺节点的检测挑战与技术缺口

当前半导体制造技术正经历关键变革：鳍式场效应晶体管逐步被全环绕栅极（GAA）纳米带晶体管替代，中段制程（MOL）因多重图形化技术的应用，堆叠复杂度持续增加。这一变革导致致命缺陷多隐匿于 3D 结构内部，传统光学检测手段难以有效识别。

同时，先进工艺节点的缺陷呈现显著的产品特异性，集中分布于特定工艺 - 版图组合的 “热点区域”，此类缺陷由芯片设计固有的版图特征引发，成为影响良率的核心因素。

行业面临的核心矛盾在于：电子束电压衬度检测是识别电学缺陷的关键技术，但传统电子束检测采用光栅扫描模式，效率远低于光学检测，无法匹配大批量生产的需求。DirectScan 技术的出现，为破解这一矛盾提供了可行路径。

二、DirectScan 核心技术架构：PointScan 的创新逻辑

DirectScan 检测方案由eProbe 电子束检测工具、FIRE GDS 版图分析平台及Exensio 大数据智能分析平台三大核心组件构成，其技术突破的核心在于PointScan 扫描技术对传统电子束检测逻辑的重构，主要体现在以下三方面：

1

设计感知驱动的靶向检测

传统电子束检测采用无差别光栅扫描，需覆盖包括介质区域在内的全部区域，且无法识别被测目标的图形特征；PointScan 技术具备非接触式电学测试特性，可精准跳转至目标器件的关键位置（如焊盘、接触点），仅对有效检测区域实施电压衬度检测，完全规避介质区域的无效扫描，实现 “按需检测”。

2

检测效率的量级提升

通过 FIRE 平台的精细化版图分析，可精准筛选出需检测的 “关键区域”，大幅缩减检测范围：

后段制程金属 3 层通孔检测：仅需扫描总可检测面积的 2.5%

中段制程栅极 - 漏极短路检测：仅需扫描总接触点的 1%

栅极残筋检测：可规避 50%-75% 的介质区域，检测面积缩减至传统方案的 10% 以下

基于上述优化，PointScan 技术的检测吞吐量可达传统单束电子束检测设备的 20-100 倍，每小时可完成数十亿个被测器件的扫描。

3

设计感知学习与属性分析能力

DirectScan 与 FIRE 平台的深度整合，可实现跨多层版图的属性提取，包括触点类型（漏极 / 栅极）、晶体管阈值电压、极性、与扩散区隔离槽的距离等关键参数。

eProbe 输出的 KLARF格式数据含专属属性识别码，可与版图特征精准匹配，工程师可直接计算特定属性或属性组合对应的缺陷率，快速定位高风险晶体管类型与版图设计方案，为工艺优化提供数据支撑。

三、高难度场景的应用突破

PointScan 技术的低电荷沉积特性，使其在传统电子束检测难以覆盖的场景中实现突破：

背侧供电网络（BSPDN）晶圆检测

键合晶圆形成的绝缘层会阻碍电荷传导，导致传统电子束检测出现电荷累积、电子束偏折与失焦问题；PointScan 技术大幅降低单位面积电荷沉积量，有效缓解上述问题，已完成实际应用验证。

3D DRAM检测

3D DRAM 的结构特性同样易引发电荷累积，此前检测难度较高，DirectScan 技术的应用使该类器件的精准检测成为可能。

DRAM 阵列短路检测

独有的可控 “充电 - 检测” 功能，可在指定位置施加电荷后跳转至目标区域采集电压衬度信号，使特定岛状节点呈现高亮状态，清晰识别与浮空相邻触点的短路问题，该功能为传统光栅扫描技术所不具备。

四、行业落地实践与全流程应用

自 2022 年初起，eProbe 检测系统已在多家先进逻辑芯片制造工厂落地，目前两套设备投入大批量生产，第三套设备处于产能爬坡阶段，应用场景覆盖半导体制造全流程：

先进逻辑芯片制造

中段制程：GAA 栅极 - 漏极短路、栅极接触孔开路、栅极外延层 / 硅化物层开路检测

后段制程：M0 层、1X 层、2X 层系统性接触孔开路与金属布线短路检测

背侧供电网络：电源通孔、源极 / 漏极通孔接触孔开路与短路检测

随机逻辑电路漏电情况评估

先进 DRAM 制造（2024-2025 年）

外围电路：栅极 - 栅极残筋短路、栅极 - 漏极短路、字线 - 字线短路与开路检测及缺陷定位

存储阵列：基于可控 “充电 - 检测” 技术的存储节点短路检测

技术总结

在半导体制程向更精密 3D 架构演进的背景下，检测技术的创新成为保障良率的关键。DirectScan 方案通过 PointScan 靶向扫描技术、设计感知分析能力与产品特异性缺陷学习功能的融合，在保留电子束检测高灵敏度的基础上，实现了检测吞吐量的量级提升，同时破解了高难度场景的检测难题。

该技术不仅解决了先进工艺节点下缺陷“难识别、难检测” 的问题，更推动半导体检测从 “缺陷识别” 向 “工艺优化赋能” 升级，为下一代半导体制造提供了核心技术支撑和全新路径。

Pearl Abyss还表示，他们正在关注粉丝们反应的问题，正根据社区的反馈努力对《红色沙漠》进行快速更新和改进，以便玩家能接下来的冒险旅程更加精彩、愉快。

官博：

“《红色沙漠》全球累计销量达到两百万份

很开心可以跟各位一起共享这么有意义的一刻。衷心感谢所有与我们一同踏上帕卫尔大陆的玩家与社区的伙伴们。我们将持续倾听社区的多样反馈，并快速推进优化与改进，竭尽所能让各位玩家接下来的冒险旅程更加精彩、愉快。”

考虑到《红色沙漠》在登上全球畅销榜榜首后，仅通过预购就在Steam平台售出了40万份，这些数字其实并不令人意外。这款动作冒险游戏在所有平台上都获得了超过300万玩家的愿望单，而这股热潮似乎也转化为了实际的销量。

简体中文评价已降至“多半差评”：

今天，古墓丽影重启三部曲的最后之作《古墓丽影：暗影》推出了第三个大型DLC——“噩梦”，之前我们仅能通过开发商公布的宣传图对内容进行猜测，现在通过以下的预告片，我们终于看到了劳拉在全新的任务中将面对的新挑战。

探索乌楚从不告人的秘密！为了取得神秘又强大的武器，劳拉·克劳馥必须在全新的古墓挑战中拿出实力正面迎击。对手看似熟悉，却是从未遭遇过的敌人。她还得面对最致命的敌人：她自己。“噩梦”捆绑包将提供全新的自定义内容，包括女皇之肤装束、恐惧裂痕斧以及能让劳拉的恐惧箭产生范围效果的苍白气息技能。

《古墓丽影：暗影》噩梦DLC现已上市，售价32元。

　　2022年全国乡村特色产业超十亿元镇
　　超亿元村名单公示

　　根据《全国“一村一品”示范村镇认定监测管理办法（试行）》规定，农业农村部对已认定的全国“一村一品”示范村镇运行情况进行定期监测。监测数据经专家审核，初步确定全国乡村特色产业超十亿元镇超亿元村505个。现将名单予以公示，公示时间为11月1日至7日。如有异议，请在公示期内实名向农业农村部反映。反映情况要实事求是，并提供证明材料。

　　联系电话：010-59192724/2721

　　电子邮箱：cystscyc@agri.gov.cn

　　附件：2022年全国乡村特色产业超十亿元镇超亿元村名单.doc

　　农业农村部

　　2022年11月1日

　　安徽入选2022年全国乡村特色产业超十亿元镇公示名单

　　安徽省合肥市长丰县水湖镇（草莓）

　　安徽省合肥市巢湖市槐林镇（渔网）

　　安徽省芜湖市南陵县许镇镇（鳙鱼）

　　安徽省阜阳市太和县李兴镇（桔梗）

　　安徽省阜阳市阜南县黄岗镇（柳编）

　　安徽省六安市裕安区独山镇（茶叶）

　　安徽省六安市霍山县太平畈乡（石斛）

　　安徽省宿州市泗县大路口乡（山芋）

　　安徽入选2022年全国乡村特色产业超亿元村公示名单

　　安徽省合肥市巢湖市中垾镇小联圩村（番茄）

　　安徽省芜湖市湾沚区六郎镇北陶村（休闲旅游）

　　安徽省芜湖市无为市红庙镇海云村（牡丹）

　　安徽省马鞍山市含山县环峰镇祁门村（芝麻油）

　　安徽省淮北市烈山区宋疃镇和村社区（苹果）

　　安徽省淮北市烈山区烈山镇榴园社区（石榴）

　　安徽省滁州市来安县舜山镇林桥村（林壳蜀桧）

　　安徽省滁州市全椒县二郎口镇曹埠村（龙虾）

　　安徽省滁州市定远县西卅店镇高潮村（双孢菇）

　　安徽省阜阳市阜南县郜台乡刘店村（柳编）

　　安徽省阜阳市颍上县耿棚镇耿棚社区（桑蚕）

　　安徽省宿州市埇桥区西二铺乡沟西村（西瓜）

　　安徽省宿州市埇桥区西二铺乡沈家村（蔬菜）

　　安徽省宿州市埇桥区西寺坡镇谷家村（蔬菜）

　　安徽省宣城市宁国市南极乡梅村（山核桃）