forked from eaiadmin/rtos_llm_opt
reorganize repository into meeting and project framework structure
Align the repository with the new collaboration workflow by separating meeting records from project framework materials, so discussion outputs and formal research assets can evolve independently.
This commit is contained in:
@@ -0,0 +1,59 @@
|
||||
# 当前研究问题:背景、问题与挑战
|
||||
|
||||
## 1. 背景
|
||||
|
||||
人工智能能力正在从服务器、云端和通用应用软件,持续进入设备控制、边缘协同、车载平台、工业终端和任务关键系统。系统中的人工智能不再只是离线分析能力,而正在承担识别、规划、诊断、导航、辅助决策和自然交互等面向实时场景的功能。
|
||||
|
||||
当人工智能能力进入这些系统后,系统的时间结构发生了明显变化:
|
||||
|
||||
- 感知链路、推理链路与控制链路开始耦合;
|
||||
- CPU、NPU、GPU、DMA、总线和内存带宽竞争明显增强;
|
||||
- 功耗、散热、体积、统一内存和设备驱动限制直接影响系统行为;
|
||||
- 关键保障负载与人工智能目标负载开始争夺同一组底层资源。
|
||||
|
||||
因此,系统面对的已经不是单纯的“把模型跑起来”问题,而是“如何让人工智能能力进入系统之后,整体时序边界仍然成立”的问题。
|
||||
|
||||
## 2. 问题
|
||||
|
||||
本框架聚焦的问题是:
|
||||
|
||||
> **当人工智能能力进入实时控制系统后,模型、运行时、RTOS、Linux、Hypervisor、芯片、总线、内存和协处理器如何共同决定系统的整体实时边界。**
|
||||
|
||||
这里的核心观察有三点:
|
||||
|
||||
1. **大模型与智能算法的实时问题不能完全归于 RTOS 单独解决。**
|
||||
2. **纯粹把问题写成“RTOS 优于 Linux”已经不足以覆盖真实系统问题。**
|
||||
3. **真正需要研究的是面向 AI 的实时控制基础系统,而不是单一软件层。**
|
||||
|
||||
## 3. 挑战
|
||||
|
||||
### 3.1 跨层因果交织
|
||||
|
||||
人工智能目标负载的时间行为同时受到模型结构、量化方式、算子实现、运行时队列、驱动、芯片资源和操作系统机制影响。单一层面的解释无法完整说明系统实时性。
|
||||
|
||||
### 3.2 感知与控制形成闭环
|
||||
|
||||
一旦感知、规划、语音理解或推理链路进入控制闭环,推理延迟、链路抖动和异常输出都会直接影响执行效果,系统面对的是认知与控制的一体化问题。
|
||||
|
||||
### 3.3 MCU 与 SoC 路线差异显著
|
||||
|
||||
MCU 场景更偏向静态资源分配、工具链和芯片协同;SoC 场景更偏向 Linux / RTOS / Hypervisor 协同、统一内存竞争治理和异构设备协作。这两类问题不能被同一套表达简单覆盖。
|
||||
|
||||
### 3.4 体系结构成为主要变量
|
||||
|
||||
随着 NPU、GPU、DMA、统一内存、总线和缓存结构进入主舞台,问题已经从调度器、中断和线程同步扩展到嵌入式计算机体系结构层。
|
||||
|
||||
### 3.5 产业叙事需要升级
|
||||
|
||||
如果企业仍然只把自己定义为 RTOS 供应方,就很难完整解释人工智能进入实时控制系统后出现的新问题。更有延展性的定位应当围绕“基础系统”展开。
|
||||
|
||||
## 4. 本框架的价值
|
||||
|
||||
本框架的目标不是否定 RTOS,而是把 RTOS 放回更准确的位置:
|
||||
|
||||
- RTOS 是关键保障负载的确定性底座;
|
||||
- Linux 与推理运行时承载 AI 生态与计算任务;
|
||||
- Hypervisor、芯片与资源治理结构承担隔离、边界与整体秩序;
|
||||
- 规则层与兜底机制承担异常控制与安全边界。
|
||||
|
||||
因此,本框架对应的研究价值在于:为“人工智能进入实时控制系统之后的基础系统问题”建立更准确的问题定义、技术路线和实验组织方式。
|
||||
@@ -0,0 +1,80 @@
|
||||
# 研究定位与项目边界
|
||||
|
||||
## 1. 研究定位
|
||||
|
||||
本框架的研究定位是:
|
||||
|
||||
> **面向人工智能能力进入实时控制系统后的整体系统问题,研究基础系统如何维持确定性、可预测性与实时边界。**
|
||||
|
||||
这里的“基础系统”不是单一软件层,而是由以下部分共同构成:
|
||||
|
||||
- 模型与任务语义;
|
||||
- 推理运行时与负载编排;
|
||||
- RTOS 与 Linux 的角色分工;
|
||||
- Hypervisor 与资源隔离;
|
||||
- 芯片、总线、内存、NPU、GPU、DMA 等硬件资源结构;
|
||||
- 规则兜底、安全约束与异常切换机制。
|
||||
|
||||
## 2. 研究对象
|
||||
|
||||
本框架的研究对象是:
|
||||
|
||||
> **面向 AI 的实时控制基础系统。**
|
||||
|
||||
其中:
|
||||
|
||||
- `SylixOS` 仍然可以作为关键实验样例与基础软件样本;
|
||||
- `QNX`、`VxWorks`、`INTEGRITY`、`LynxOS-178` 等可继续作为参照平台;
|
||||
- `Linux` 与 `PREEMPT_RT Linux` 继续作为重要对照对象;
|
||||
- `T5~T1` 继续作为验证矩阵,而不是研究主语。
|
||||
|
||||
## 3. 本框架不把什么当作研究主语
|
||||
|
||||
### 3.1 不把硬件谱系当作研究主语
|
||||
|
||||
`T5~T1` 五类部署形态和各类算力基础承担的是验证矩阵角色,用于组织证据、比较边界和解释场景差异。
|
||||
|
||||
### 3.2 不把单一 RTOS 当作全部因果承担者
|
||||
|
||||
RTOS 在本框架中承担关键作用,但不再被写成全部实时问题的唯一解决者。模型、运行时、芯片与资源结构同样影响系统边界。
|
||||
|
||||
### 3.3 不把纯吞吐优化当作核心目标
|
||||
|
||||
本框架关注的是人工智能目标负载、关键保障负载与系统协同三层指标同时成立的条件,而不是单一的吞吐最大化。
|
||||
|
||||
## 4. 研究边界
|
||||
|
||||
### 4.1 重点覆盖的系统类型
|
||||
|
||||
- 控制端 MCU / 控制盒;
|
||||
- 设备端 SoC;
|
||||
- 边缘节点;
|
||||
- 面向任务关键场景的单机高密和集群协同平台。
|
||||
|
||||
### 4.2 重点覆盖的问题
|
||||
|
||||
- 关键保障负载与人工智能目标负载共存时的整体实时性;
|
||||
- Linux / RTOS / Hypervisor 的混合协同结构;
|
||||
- 统一内存、总线和异构协处理器竞争治理;
|
||||
- 小型化、低功耗和受限部署条件下的系统边界;
|
||||
- 模型推理与规则兜底共同构成的执行闭环。
|
||||
|
||||
### 4.3 暂不作为主线的问题
|
||||
|
||||
- 通用大模型训练集群的纯吞吐优化;
|
||||
- 面向互联网高并发服务的开放式推理平台;
|
||||
- 单纯以算法精度提升为主的模型研究;
|
||||
- 不涉及实时控制闭环的普通桌面 AI 应用。
|
||||
|
||||
## 5. 与项目框架1的关系
|
||||
|
||||
项目框架1把“大型跨平台 RTOS”作为研究主语,重点讨论 RTOS 在五类部署形态中的机制优势。
|
||||
|
||||
项目框架2则把研究主语上移到“面向 AI 的实时控制基础系统”,重点讨论:
|
||||
|
||||
- RTOS 在整个系统中的位置;
|
||||
- Linux、RTOS 与 Hypervisor 如何协同;
|
||||
- 模型推理、资源竞争与控制任务如何共同构成实时边界;
|
||||
- 企业与平台如何从 RTOS 供应方转向基础系统供应方。
|
||||
|
||||
这两套框架可以并行维护,分别服务于不同层次的课题收敛。
|
||||
@@ -0,0 +1,86 @@
|
||||
# 总课题与两个子课题的关系
|
||||
|
||||
## 1. 决策记录
|
||||
|
||||
在对 2026-09-22 会议内容、框架2当前结构和外部相关研究进行综合判断后,当前对框架2的组织方式做出如下决策:
|
||||
|
||||
> **框架2继续保留为“面向 AI 的实时控制基础系统研究”这一总课题,不单独再分出框架3;但在框架2内部,明确提升为“一总课题 + 两个子课题 + 一个共享方法层”的结构。**
|
||||
|
||||
这一决策的核心依据是:
|
||||
|
||||
1. `MCU` 路线与 `边侧 SoC` 路线已经不是同一种技术问题;
|
||||
2. 但两条路线仍然服务于同一个更高层研究主语,即“面向 AI 的实时控制基础系统”;
|
||||
3. 三层边界、验证矩阵、评价框架和对照逻辑仍然具有共享性;
|
||||
4. 目录层级上如果不把两个子课题抬成一级目录,就会削弱其独立研究价值。
|
||||
|
||||
## 2. 总课题是什么
|
||||
|
||||
总课题回答的是:
|
||||
|
||||
> **人工智能能力进入实时控制系统之后,基础系统如何维持系统的确定性、可预测性与整体实时边界。**
|
||||
|
||||
这一层负责统一以下内容:
|
||||
|
||||
- 研究主语;
|
||||
- 问题定义;
|
||||
- 三层边界;
|
||||
- 验证矩阵;
|
||||
- 对照方法;
|
||||
- 总体评价框架;
|
||||
- 总体论文和课题表达。
|
||||
|
||||
## 3. 为什么需要两个子课题
|
||||
|
||||
### 3.1 子课题 A:面向 MCU 的静态智能控制基础系统
|
||||
|
||||
这一子课题主要回答:
|
||||
|
||||
- 极小资源预算下,人工智能能力如何被静态、可分析地纳入控制系统;
|
||||
- 小模型、小算子、工具链、代码生成与芯片协同如何共同形成系统能力;
|
||||
- 低功耗、小型化与极小内存预算如何构成主边界。
|
||||
|
||||
### 3.2 子课题 B:面向边侧 SoC 的混合实时控制基础系统
|
||||
|
||||
这一子课题主要回答:
|
||||
|
||||
- Linux、RTOS、Hypervisor 与 Hybrid 结构如何在同一 SoC 上协同;
|
||||
- 统一内存、总线、DMA、NPU/GPU 竞争如何被治理;
|
||||
- 控制链路、推理链路与规则兜底如何共同形成整体边界。
|
||||
|
||||
## 4. 为什么不现在直接分出框架3
|
||||
|
||||
当前不单独再分出框架3,主要基于三点考虑:
|
||||
|
||||
1. **研究主语没有分裂**
|
||||
两个子课题仍然隶属于同一个总课题主语。
|
||||
2. **方法层高度共享**
|
||||
三层边界、验证矩阵和评价框架不需要重复建设。
|
||||
3. **当前阶段更适合内部分流,而不是外部分家**
|
||||
目前仍处于课题框架优选和收敛阶段,过早拆出框架3会增加主线分散的风险。
|
||||
|
||||
## 5. 当前目录组织原则
|
||||
|
||||
因此,框架2当前采用以下结构:
|
||||
|
||||
- `00-总课题总览`
|
||||
- `10-共享理论与方法层`
|
||||
- `20-子课题A-面向MCU的静态智能控制基础系统`
|
||||
- `30-子课题B-面向边侧SoC的混合实时控制基础系统`
|
||||
- `40-综合比较与收敛`
|
||||
|
||||
这种结构同时满足:
|
||||
|
||||
- 总课题不散;
|
||||
- 子课题不被湮灭;
|
||||
- 后续可以继续长成独立课题;
|
||||
- 当前仍可维持统一的研究主线。
|
||||
|
||||
## 6. 后续演化条件
|
||||
|
||||
只有在以下条件进一步成立时,才考虑把子课题继续外扩为独立框架或独立申报方向:
|
||||
|
||||
1. 两个子课题分别对应不同合作方、不同交付物和不同对外课题口径;
|
||||
2. 两个子课题形成了不再共享的方法层和评价体系;
|
||||
3. 论文、实验和合作推进已经自然分化为两套完整闭环。
|
||||
|
||||
在此之前,框架2保持“一总两子”的结构是当前最稳的组织方式。
|
||||
Reference in New Issue
Block a user