液冷智算數據中心崛起,AI算力聯動PC Farm與云智算開拓新藍海(二)

從算法革新到基礎設施升級,從行業滲透到地域布局,人工智能算力正以?“規模擴張 + 效率提升”雙輪驅動中國數字經濟轉型。中國智能算力規模將在 2025 年突破 1000 EFLOPS,2028 年達到 2781.9 EFLOPS,五年復合增長率 46.2%,成為全球算力增長的核心引擎。

一、算法與模型:AI?算力的核心驅動力?

算法創新是算力需求的?“指揮棒”,以 DeepSeek R1 為代表的大模型,通過大規模強化學習和多頭注意力機制實現雙重突破:在 AIME 數學競賽、博士級科學問答中性能接近 OpenAI o1 模型,同時將訓練算力壓縮至 Llama3 的 1/10,推理階段緩存數據量降低 50 倍,7 天活躍用戶破億,驗證了 “效率提升反而刺激算力需求” 的杰文斯悖論。?

規模法則(Scaling Law)從預訓練延伸至后訓練與推理階段:通過強化學習、思維鏈技術在推理階段追加算力投入,可顯著提升模型邏輯深度。這直接推動全球 AI 服務器市場擴張 ——2024 年規模 1251 億美元,2028 年將達 2227 億美元,生成式 AI 服務器占比從 29.6% 升至 37.7%。?

模型技術路線呈現三大特征:

輕量化:混合專家模型(MoE)如浪潮源 2.0-M32,單 Token 算力僅為 Llama-70B 的 1/19,極大降低了運算負擔,使得模型在資源有限的情況下也能高效運行。以圖像識別任務為例,采用 MoE 的模型能在低配置設備上快速準確地識別復雜圖像,識別速度提升 30%。?

開源化:2025 年 55% 企業將采用開源模型開發應用,DeepSeek 等開源方案使部署成本降低 60%。開源社區的蓬勃發展,讓眾多中小企業和開發者能夠基于開源模型進行二次開發和創新,加速了 AI 技術的普及和應用。例如,某小型電商企業利用開源模型搭建智能客服系統,成本較自主研發降低 80%,且開發周期從半年縮短至兩個月。?

多模態:從文本向圖像、視頻融合演進,在自動駕駛、遠程醫療等場景實現跨模態理解。在自動駕駛場景中,多模態模型能夠同時處理攝像頭采集的視覺圖像、雷達反饋的距離數據以及車輛傳感器收集的其他信息,從而更精準地判斷路況,做出安全的駕駛決策,有效減少事故發生率。

二、算力基礎設施的多元與綠色

中國算力基建呈現?“四元特征”,支撐算力規模爆發式增長:?

(一)芯片與服務器:高性能與高效能雙升級

芯片多元化:GPU 仍是訓練主力,但 ASIC(推理)、FPGA(動態加速)占比提升至 35%,多類型芯片混合部署成主流。不同類型芯片在不同任務中發揮獨特優勢,GPU 擅長大規模并行計算,適用于深度學習訓練;ASIC 針對特定算法優化,在推理任務中表現卓越;FPGA 則可根據需求靈活配置,實現動態加速。例如,在語音識別系統中,ASIC 芯片能夠快速準確地將語音信號轉換為文本,識別準確率高達 98%。

服務器演進:72 塊 GPU 集群支持萬億參數模型訓練,“預填充 - 解碼解耦” 架構使推理延遲降低 40%,2028 年推理工作負載占比將達 73%。新型架構的服務器不斷涌現,采用先進的散熱技術和高速內存,提升了計算性能和穩定性。

(二)液冷技術破解高能耗

AI 數據中心能耗呈指數級增長,2025 年 IT 能耗將達 77.7 太瓦時(2023 年的 2 倍),液冷技術成為核心解決方案。

技術路徑:冷板液冷使?PUE 降至 1.15,浸沒式液冷達 1.1,單機柜功率密度提升至 400kW。冷板液冷通過直接接觸發熱部件,快速帶走熱量;浸沒式液冷則將電子元件完全浸沒在冷卻液中,利用冷卻液的相變特性高效散熱。某大型數據中心采用浸沒式液冷技術后,每年可節省電費數百萬元,且數據中心的空間利用率也得到顯著提高。?

市場規模:2028 年中國液冷服務器市場將達 105 億美元,五年復合增長率 48.3%。隨著技術的成熟和成本的降低,液冷服務器市場需求持續增長,越來越多的數據中心和企業開始采用液冷技術來降低能耗和提升算力。?

(三)存儲與網絡:支撐海量數據處理

分布式存儲:支持?EB 級擴展與并行訪問,配合 NVMe-oF 技術,實現 10PB 數據秒級檢索。分布式存儲將數據分散存儲在多個節點上,不僅提高了存儲容量,還提升了數據訪問速度和可靠性。在大型互聯網公司的海量數據存儲場景中,分布式存儲系統能夠快速響應用戶的查詢請求,確保數據的高效利用。?

高速網絡:400G 以太網普及,RDMA 技術使跨節點延遲 < 10 微秒,1.6T 以太網進入規劃。高速網絡技術的發展,使得數據在不同設備和節點之間的傳更加迅速和穩定。在大規模 AI 集群中,高速網絡能夠保證數據的實時傳輸,避免因數據傳輸延遲導致的計算效率低下問題。科研機構的 AI 計算集群采用 400G 以太網后,數據傳輸速度提升,大大縮短科研項目的計算周期。?

PC 集群:中低端算力性價比方案

在?AI 算力需求呈指數級增長的背景下,#PC 集群(#PC農場/#PC?Farm)作為中低端算力場景的核心基礎設施,以其成本優勢與靈活性,成為中小企業、邊緣計算等場景的主流選擇。2024 年中國 PC 集群算力市場規模達 120 億元,年增長率 35%,預計 2028 年將突破 350 億元,成為智能算力體系的重要補充。

PC 集群基于 x86 處理器(如 Intel Xeon Platinum 8480H、AMD EPYC 7763)構建,單機節點算力約 20-50 TFLOPS,通過分布式軟件棧(Hadoop、Spark、TensorFlow)實現算力聚合且降低硬件投入成本。

典型應用場景包括云游戲、中小企業輕量化?AI 部署、邊緣計算實時處理、學術研究與算法驗證。

大型智算中心普遍采用?“GPU 集群(訓練)+ PC 集群(推理)” 的混合部署模式。某云服務商將 30% 非實時推理任務(如日志分析、批量數據標注)遷移至 PC 集群,算力成本降低 40%,同時釋放 GPU 資源用于大模型訓練,呼應文中 “算力負載調度優化” 的技術路徑。

PC 集群兼容開源框架(PyTorch、TensorFlow、Ray),以 MoE(混合專家模型)為例,PC 集群通過開源推理引擎(如 MLPerf Inference)優化稀疏激活機制,使單 Token 算力消耗降至 Llama-70B 的 1/19,進一步強化 “輕量化模型” 的落地可行性。

PC 集群通過 “低成本 + 高兼容性” 填補了中低端算力市場空白,與高端算力設施形成互補,共同構成中國 AI 算力 “金字塔” 架構。隨著異構加速技術與開源生態的成熟,其在 “算力平權” 與 “綠色計算” 中的價值將進一步凸顯,成為推動 AI 技術普惠的關鍵力量。

三、算力服務與行業滲透

(一)服務模式創新降低算力門檻

智算服務市場以?57.3% 的復合增長率擴張,2028 年規模達 266.9 億美元,形成多元供給體系:?

IaaS 服務:按需彈性調度,支持萬卡集群分鐘級擴縮容。企業可以根據自身業務需求,靈活調整算力資源的使用量,避免資源浪費。游戲公司可在新游戲上線初期,通過?IaaS 服務快速擴展算力,滿足大量玩家同時在線的需求;在游戲運營平穩期,則減少算力使用,降低成本。?

算力租賃:按推理次數計費,成本低至每百萬?Token 1 元。算力租賃模式讓中小企業和個人開發者能夠以較低的成本獲取算力資源,開展 AI 項目。初創企業通過算力租賃平臺,以合理的價格租用算力進行模型訓練,成功開發出創新AI 應用,節省大量前期硬件投資。?

智算中心:政府項目單期算力規劃超?1000P,企業級萬卡集群落地應用。智算中心的大規模建設,為地區和行業的 AI 發展提供了強大的算力支撐。智算中心吸引眾多 AI 企業入駐,形成產業集聚效應,推動當地數字經濟的快速發展。?

(二)應用場景深度落地

互聯網:領跑大模型研發,AI agent 覆蓋客服、視頻生成等場景,資源利用率提升。互聯網公司憑借豐富的數據資源和技術實力,在 AI 應用方面走在前列。利用 AI agent 實現智能客服自動化,能夠快速響應用戶咨詢,提高解決問題的準確率且節省大量人力成本。

金融:算力助力風險識別和交易決策。智能風控系統能夠實時監測交易行為,及時發現潛在風險;量化交易借助AI 算法優化策略,提高交易效率和收益。采用大模型輔助信貸審批,大大縮短審批時間且降低不良貸款率。

運營商:5G 網絡優化、預測性維護,故障處理效率提升。運營商通過 AI 算力對 5G 網絡進行優化,提高網絡覆蓋和信號質量。預測性維護則利用 AI 算法提前預測設備故障,及時進行維修,減少網絡中斷時間。?

制造:AI 視覺檢測能夠精準識別產品缺陷,提高產品質量;通過優化生產參數,提升生產效率和降低成本。

政府:智慧城市管理、交通預測,北京、上海等城市已實現秒級路況響應。政府利用?AI 算力提升城市管理水平,實現交通流量預測、智能安防等功能。智能交通系統,能夠實時監測路況,及時調整交通信號,緩解交通擁堵,為市民提供更加便捷的出行服務。?

四、地域格局與挑戰

(一)算力梯隊

第一梯隊:北京(105 款備案大模型、2.2 萬 P 公共算力)、杭州、上海。這些城市憑借豐富的科研資源、人才優勢和政策支持,在 AI 算力領域處于領先地位。北京擁有眾多高校和科研機構,為 AI 發展提供了強大的智力支持;杭州作為互聯網之都,互聯網企業的創新活力推動了 AI 算力的應用和發展;上海則憑借國際化的金融和貿易中心地位,吸引了大量的 AI 企業和投資。?

快速追趕:深圳(10 億級 AI 專項基金)、成都(算力券機制)、廈門(2025 年算力達 1.1 EFLOPS)。這些城市通過出臺優惠政策、設立專項基金等方式,加大對 AI 算力的投入和支持,快速提升自身的算力水平。深圳的 AI 專項基金吸引了眾多優質 AI 項目落地,推動當地 AI 產業的快速發展;成都的算力券機制降低了企業使用算力的成本,激發了企業的創新活力。

(二)挑戰與破局?

瓶頸:49% 企業認為計算架構限制規模化應用,43% 面臨算力資源不足。當前的計算架構在面對大規模、復雜的 AI 計算任務時,存在性能瓶頸,無法滿足企業的需求;同時算力資源的緊張也制約了企業的發展,導致部分項目無法順利推進。?

破局:“擴容 + 提效” 并行 —— 擴大智算中心規模(萬卡集群),通過模型剪枝、分布式計算提升效率,目標將算力成本降低。加大對智算中心的建設投入,擴大算力規模;通過技術創新,優化計算架構和算法,提高算力利用效率,降低企業的算力使用成本,在不影響模型性能的前提下,大大減少了計算資源的需求。

五、算力電力協同發展

算力電力協同發展是數字經濟與能源轉型的核心紐帶,需以數據為支撐構建系統性解決方案。

(一)強化算電協同政策支撐

1完善體制機制與跨部門協同

2023 年 12 月《“東數西算” 實施意見》首次明確 “算力電力協同”,要求國家樞紐節點新建數據中心綠電占比超 80%。截至 2023 年底,八大樞紐節點機架數占全國七成以上,其中京津冀(21.5%)、長三角(24.5%)在用機架占比集中,張家口數據中心用電量占全社會比重從 2019 年的 6.8% 升至 2023 年的 20.1%,局部電網擴容壓力顯著。

資金支持量化方案:設立?“算電協同專項基金”,按算力規模分檔補貼:

單期算力≥100P 的政府項目,補貼?0.2 元 / 千瓦時(參考寧夏中衛 8.4 萬架算力中心年用電量約 80 億千瓦時,補貼規模約 16 億元);

企業自建分布式光伏項目,按裝機容量給予?1.5 元 / W 一次性補貼(如騰訊天津數據中心 10.54MW 光伏系統可獲 1.58 億元補貼)。

2. 建立算力電力協同評價指標

核心?KPI 設定:將 “綠電占比”“PUE 值”“棄風棄光率” 納入地方政府考核,要求 2028 年:國家樞紐節點新建數據中心綠電占比從 80% 提升至 90%;全網算力中心平均 PUE 從 1.5 降至 1.25,其中液冷項目占比超 60%;西部樞紐節點棄風棄光率從 2024 年的青海 9.7%、甘肅 8.7% 降至 5% 以下。

(二)構建算電協同標準體系

1. 技術標準體系細化

供配電技術標準:

制定《算力中心高可靠供電規范》:

UPS 系統備用時間≥30 分鐘,柴油發電機切換時間≤10 秒;

2026 年起新建算力中心采用 10kV 柔性直流供電(如中關村科學城雙環網架構),供電可靠性達 99.999%。

算力負載調度標準:

發布《算力電力時空協同調度協議》:

延遲容忍型負載(如圖像處理)時空調度響應時間≤15 分鐘;

跨區域調度通信延遲≤50ms(參考阿里巴巴南通 - 張北調度實驗)。

2. 檢測認證體系建設

綠電溯源認證:依托區塊鏈建立?“綠電 - 算力” 溯源平臺:

每?1MWh 綠電對應發放 1 個綠證,可追溯至具體風光電站;數據中心綠電消費需通過平臺備案,2027 年實現 100% 可核查(當前僅 11% 數據中心具備獨立計量能力)。

(三)培育算電協同產業生態

1. 關鍵技術攻關路線圖

儲能技術:2026 年實現全釩液流電池儲能系統:循環壽命≥15000 次,成本降至 1.0 元 / Wh(當前 1.8 元 / Wh);響應速度≤200ms,支持 MW 級算力中心調峰(參考谷歌 St. Ghislain 數據中心鋰電池改造)。

源網荷儲一體化:制定園區級建設標準:新能源裝機容量與算力負載比≥1.2:1(如廣西來賓風電數據中心);儲能配置容量≥算力中心峰值負荷的 30%,放電時長≥4 小時。

2. 產學研用協同

建立?“算電協同創新聯盟”:成員包括三大運營商、華為 / 浪潮等設備商、華北電力大學等科研機構;2026 年前攻克 “算力調度 - 電力市場” 接口協議,實現算力價格與電價聯動(如峰谷電價差≥0.5 元 / 千瓦時觸發負載遷移)。

(四)營造公平高效市場環境

1. 綠電交易機制創新

2027 年前建成 “西電東算” 專用輸電通道:新增張北 - 北京、酒泉 - 上海等 5 條特高壓線路,輸送容量合計 20GW;跨省綠電交易手續費從當前 0.05 元 / 千瓦時降至 0.02 元 / 千瓦時(參考世紀互聯太倉項目省間交易模式)。

2028 年實現綠電現貨交易占比達 30%(當前不足 5%),要求:日內交易時段劃分≤15 分鐘;深圳、山西等試點地區推出 “算力負荷 - 綠電現貨” 聯動合約。

2. 價格激勵與需求響應

設定?“算力電力協同電價”:低谷時段(23:00-7:00)電價下浮 30%,激勵 60% 以上延遲容忍型負載錯峰(當前僅 25%);新能源大發時段(如西北風電高峰 19:00-22:00)電價下浮 15%。

算力中心參與調峰可獲補貼:削峰補貼?0.8 元 / 千瓦?次,填谷補貼?0.5 元 / 千瓦?次;目標?2028 年參與率達 70%(當前不足 30%),年調峰量超 500 億千瓦時。

中國?AI 算力正從 “規模擴張” 向 “質效并重” 轉型,算法創新、綠色基建、服務模式與行業需求的深度耦合,將推動其在 2028 年成為全球最大智能算力市場。這場變革不僅重構 IT 產業格局,更將為制造業升級、智慧城市建設等領域注入 “智能動能”,成為數字經濟高質量發展的核心支撐。

#AI算力#智能算力#EFLOPS #大模型#混合專家模型#開源模型#多模態#芯片#GPU#ASIC#FPGA#液冷#PUE#分布式存儲#IaaS服務#算力租賃#智算中心#算力資源#PC農場#PC集群#PC Farm

來源:IDC及中國信息通信研究院?

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/914177.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/914177.shtml
英文地址,請注明出處:http://en.pswp.cn/news/914177.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

《QtPy:Python與Qt的完美橋梁》

QtPy 是什么 在 Python 的廣袤編程宇宙中&#xff0c;當涉及到圖形用戶界面&#xff08;GUI&#xff09;開發&#xff0c;Qt 框架宛如一顆璀璨的明星&#xff0c;散發著獨特的魅力。而 QtPy&#xff0c;作為 Python 與 Qt 生態系統交互中的關鍵角色&#xff0c;更是為開發者們開…

ubuntu環境下調試 RT-Thread

調試 RT-Thread 下載源碼 github 搜索 RT-Thread 下載源碼 安裝 python scons 環境 你已經安裝了 kconfiglib&#xff0c;但 scons --menuconfig 仍然提示找不到它。這種情況通常是由于 Python 環境不一致 導致的&#xff1a;你在一個 Python 環境中安裝了 kconfiglib&#xff…

【數據結構初階】--順序表(二)

&#x1f525;個人主頁&#xff1a;草莓熊Lotso &#x1f3ac;作者簡介&#xff1a;C研發方向學習者 &#x1f4d6;個人專欄&#xff1a; 《C語言》 《數據結構與算法》《C語言刷題集》《Leetcode刷題指南》 ??人生格言&#xff1a;生活是默默的堅持&#xff0c;毅力是永久的…

Java中的方法傳參機制

1. 概述Java中的方法傳參機制分為兩種&#xff1a;值傳遞&#xff08;Pass by Value&#xff09; 和 引用傳遞&#xff08;Pass by Reference&#xff09;。然而&#xff0c;Java中所有的參數傳遞都是值傳遞&#xff0c;只不過對于對象來說&#xff0c;傳遞的是對象的引用地址的…

C++——this關鍵字和new關鍵字

一、this 關鍵字1. 什么是 this&#xff1f;this 是 C 中的一個隱式指針&#xff0c;它指向當前對象&#xff08;即調用成員函數的對象&#xff09;&#xff0c;在成員函數內部使用&#xff0c;用于引用調用該函數的對象。每個類的非靜態成員函數內部都可以使用 this。使用 thi…

Python中類靜態方法:@classmethod/@staticmethod詳解和實戰示例

在 Python 中&#xff0c;類方法 (classmethod) 和靜態方法 (staticmethod) 是類作用域下的兩種特殊方法。它們使用裝飾器定義&#xff0c;并且與實例方法 (def func(self)) 的行為有所不同。1. 三種方法的對比概覽方法類型是否訪問實例 (self)是否訪問類 (cls)典型用途實例方法…

FastGPT革命:下一代語言模型的極速進化

本文深度解析FastGPT核心技術架構&#xff0c;涵蓋分布式推理、量化壓縮、硬件加速等前沿方案&#xff0c;包含完整落地實踐指南&#xff0c;助你掌握大模型高效部署的終極武器。引言&#xff1a;當大模型遭遇速度瓶頸2023年&#xff0c;ChatGPT引爆全球AI熱潮&#xff0c;但企…

Geant4 安裝---Ubuntu

安裝工具 C/C工具包 sudo apt install build-essentialCmake sudo apt install -y cmakeccmake sudo apt install -y cmake-curses-gui安裝Qt可視化工具(不需要可視化可以不安裝) sudo apt-get install qtbase5-dev qtchooser qt5-qmake qtbase5-dev-tools qtcreator 安裝Ope…

Spring Boot中請求參數讀取方式

目錄 一、前言 二、六種參數讀取方式 1.RequestParam 2.PathVariable 3.RequestBody 4.RequestHeader 5.CookieValue 6.MatrixVariable 三、對比和搭配 1.適用方法類型及建議使用場景 2.建議使用的請求路徑注解 3. 多種參數同時使用 4.同一請求不同方案&#xff1f…

2025華為OD機試真題最新題庫 (B+C+D+E+2025A+2025B卷) + 在線OJ在線刷題使用(C++、Java、Python C語言 JS合集)(正在更新2025B卷,目前已收錄710道)

2025年&#xff0c;已經開始使用AB卷題庫&#xff0c;題目和往期一樣&#xff0c;舊題加新題的組合&#xff0c;有題目第一時間更新&#xff0c;大家可以跟著繼續學習&#xff0c;目前使用復用題較多&#xff0c;可在OJ上直接找到對應的AB卷學習&#xff0c;可以放心學習&#…

分析新舊因子相關性

計算一組新因子、并分析它們與已有因子間的相關性1. 導入庫和初始化環境功能代碼解析數據加載2. 定義新因子計算函數功能代碼解析因子 1&#xff1a;波動率過濾器&#xff08;filter_001_1&#xff09;因子 2&#xff1a;ATR 過濾器&#xff08;filter_001_2&#xff09;因子 3…

Unity Demo——3D平臺跳躍游戲筆記

今天是一個3D平臺跳躍游戲的筆記。我們按照以下分類來對這個項目的代碼進行學習&#xff1a;核心游戲系統 (Core Game Systems)核心游戲系統是IkunOdyssey項目的基礎&#xff0c;負責所有游戲對象&#xff08;如玩家、敵人、道具等&#xff09;的通用行為和物理交互。它通過實體…

【C語言】回調函數、轉移表、qsort 使用與基于qsort改造冒泡排序

文章目錄數組指針/指針數組函數指針函數指針數組函數指針數組用途(轉移表)回調函數qsort函數基于qsort改造冒泡排序源碼數組指針/指針數組 int arr1[5] { 1,2,3,4,5 };int (*p1)[5] &arr1; //p1是數組指針變量int* arr2[5] { 0 }; //arr2是指針數組指針數組是存放指…

vue3 uniapp 使用ref更新值后子組件沒有更新 ref reactive的區別?使用from from -item執行表單驗證一直提示沒有值

遇到這樣一個問題&#xff0c;我有個1個頁面A&#xff0c;一個from表單組件&#xff0c;一個form-item組件&#xff0c; 使用是這樣的&#xff0c;我在父組件A中使用 &#xff0c;執行表單驗證一直提示沒有值咱們先來講一講ref 和reactive的區別 ref 用來創建一個基本類型或單…

PyQt5布局管理(QBoxLayout(框布局))

QBoxLayout&#xff08;框布局&#xff09; 采用QBoxLayout類可以在水平和垂直方向上排列控件&#xff0c;QHBoxLayout和 QVBoxLayout類繼承自QBoxLayout類。 QHBoxLayout&#xff08;水平布局&#xff09; 采用QHBoxLayout類&#xff0c;按照從左到右的順序來添加控件。QHBoxL…

Grok 4作戰圖刷爆全網,80%華人橫掃硅谷!清華上交校友領銜,95后站C位

來源 | 新智元短短兩年&#xff0c;馬斯克Grok 4的橫空出世&#xff0c;讓xAI團隊一舉站上AI之巔。昨日一小時發布會&#xff0c;Grok 4讓所有人大開眼界&#xff0c;直接刷爆了AIME 2025、人類最后的考試&#xff08;HLE&#xff09;兩大基準。這是狂堆20萬GPU才換來的驚人成果…

AI大模型(七)Langchain核心模塊與實戰(二)

Langchain核心模塊與實戰&#xff08;二&#xff09;Langchian向量數據庫檢索Langchian構建向量數據庫和檢索器批量搜索返回與之相似度最高的第一個檢索器和模型結合得到非籠統的答案LangChain構建代理通過代理去調用Langchain構建RAG的對話應用包含歷史記錄的對話生成Langchia…

Flutter基礎(前端教程①-容器和控件位置)

一個紅色背景的 Container垂直排列的 Column 布局中央的 ElevatedButton按鈕下方的白色文本import package:flutter/material.dart;void main() {runApp(const MyApp()); }class MyApp extends StatelessWidget {const MyApp({Key? key}) : super(key: key);overrideWidget bu…

CSS flex

目錄 flex-box和flex-item 主軸和副軸 ?編輯 flex-box的屬性 flex-direction flex-wrap flex-flow justify-content ?編輯?align-items align-content flex-item的屬性 flex-basis flex-grow flex-shrink flex flex-box和flex-item 當把一個塊級元素的displ…

【JMeter】執行系統命令

步驟如下&#xff1a; 添加JSP233 Sampler&#xff1a;右擊線程組>添加>取樣器>JSR223 Sampler2.填寫腳本&#xff0c;執行后查看日志。res "ipconfig".execute().text log.info(res)res "python -c \"print(11)\"".execute().text l…