win10系统盘制作教程：详细步骤教你快速上手doc格式文档免费下载-菜科网

【菜科解读】

Windows 10是目前全球使用最广泛的操作系统之一。

但在日常使用中，难免会遇到系统故障、性能降低等问题。

此时，制作一个Win10系统盘，既可以用于重装系统，也可用于系统修复，十分实用。

本文将详细介绍如何制作Win10系统盘，助您快速掌握这一技能。

工具原料：

系统版本：

- Windows 10（版本22H2，最新正式版）

品牌型号：

- 电脑：戴尔 XPS 13（2022款）- U盘：三星 BAR Plus 32GB USB 3.1

软件版本：

- Windows 10 媒体创建工具（Media Creation Tool）2023年最新版

一、准备工作

1、确认硬件需求：

- **U盘要求**：准备一个容量至少为8GB的U盘，建议使用高速USB 3.0或以上规格，以提高制作速度和稳定性。

- **电脑配置**：确保电脑正常运行，网络连接稳定，有足够的磁盘空间（至少8GB）用于下载系统文件。

2、下载媒体创建工具：

- 前往[微软官方Windows 10下载页面](https://www.microsoft.com/zh-cn/software-download/windows10)，下载“立即下载工具”。

- 保存Media Creation Tool可执行文件至电脑本地磁盘。

3、备份U盘数据：

- **重要提示**：制作系统盘会格式化U盘，清除其中所有数据。

请提前备份U盘内的重要文件。

二、制作Win10系统盘的详细步骤

1、运行媒体创建工具：

- 双击运行下载的“MediaCreationTool.exe”文件。

- 在用户账户控制（UAC）弹窗中，点击“是”以允许程序更改设备。

2、接受许可条款：

- 阅读微软软件许可条款，点击“接受”继续。

3、选择操作：

- 在“您想执行什么操作？”界面，选择“为另一台电脑创建安装介质（U盘、DVD或ISO文件）”。

- 点击“下一步”。

4、选择语言、体系结构和版本：

- 默认情况下，媒体创建工具会根据当前系统推荐选项。

- 如需修改，取消勾选“使用此电脑的推荐选项”，手动选择需要的**语言**（如简体中文）、**版本**（Windows 10）、**体系结构**（64位、32位或二者）。

- 点击“下一步”。

5、选择介质：

- 在“选择要使用的介质”界面，选择“U盘”。

- 点击“下一步”。

6、选择U盘：

- 插入准备好的U盘，媒体创建工具会自动检测连接的设备。

- 从列表中选择目标U盘，确保选中正确的设备。

- 点击“下一步”。

7、下载Windows 10系统文件：

- 工具将开始下载Windows 10系统镜像文件，大小约为4GB至5GB。

- 下载时间取决于网络速度，请耐心等待。

8、创建Windows 10安装介质：

- 下载完成后，工具会自动将系统文件写入U盘，制作启动盘。

- 期间请勿拔出U盘或关闭电脑。

9、完成制作：

- 当界面显示“您的U盘已准备就绪”时，点击“完成”。

- 系统会自动清理临时文件，关闭程序。

三、验证与使用Win10系统盘

1、验证系统盘：

- 打开“此电脑”，查看U盘内容，应该包含“bootmgr”、“setup.exe”等文件。

- 这表明系统盘已成功制作。

2、使用系统盘重装系统：

- **备份数据**：在重装系统前，请备份电脑中重要的个人文件。

- **设置 BIOS 启动顺序**：重启电脑，按下F2、F12、Del等键进入BIOS设置，将U盘设置为第一启动项。

- **启动安装程序**：保存并退出BIOS设置，电脑会从U盘启动，进入Windows安装界面。

- **按照提示安装系统**：选择语言、输入法，点击“现在安装”，根据向导完成系统安装。

3、使用系统盘修复系统：

- 从U盘启动电脑，在安装界面选择左下角的“修复计算机”。

- 在“选择一个选项”界面，点击“疑难解答”，可选择“启动修复”、“系统还原”等工具，对系统进行修复。

拓展知识：

1、使用第三方工具制作启动盘：

- 除了微软官方的媒体创建工具，您还可以使用Rufus、Ventoy等第三方软件制作Win10系统盘。

- **Rufus**：支持创建UEFI和Legacy启动盘，提供更多高级选项。

- **Ventoy**：可在同一个U盘中放入多个ISO镜像，启动时选择需要的系统，方便实用。

2、了解UEFI和Legacy BIOS：

- **UEFI模式**：新的主板通常支持UEFI启动，具有启动速度快、支持大容量硬盘等优点。

- **Legacy BIOS模式**：兼容性强，适用于老旧设备。

- 制作系统盘时，需根据目标电脑的启动模式选择合适的分区类型（GPT或MBR）。

3、Windows 10版本选择：

- **家庭版**：适合普通家庭用户，功能全面，易于使用。

- **专业版**：包含家庭版的所有功能，另增加了远程桌面、组策略管理等高级功能，适合专业用户和企业使用。

- 在制作系统盘时，可根据需求选择合适的版本。

英伟达力荐，小团队两个月开源一款「光速级」智能体推理引擎

机器之心编辑部智能体时代的核心是算力。
尤其是在 Coding Agent 爆发之后，算力问题变得前所未有地尖锐。
Claude Code、Codex、Cursor 等产品正在把 AI 从「问答工具」变成「持续运行的软件协作者」，单次会话轻松突破 50K tokens，系统负载转向了更极端、更复杂的智能体负载。
最近有关算力的大新闻层出不穷。
今天的最新消息：马斯克的 SpaceX 与 Anthropic 宣布达成了重磅协议，超过 22 万块英伟达 GPU 将为 Anthropic 所用。
而 Anthropic 对与 SpaceX 合作开发未来的太空算力体系「表示有兴趣」。
在如此庞大的算力需求下，除了开源还有节流。
也是今天的最新消息：OpenAI 发布了多路径可靠连接 (MRC)，可帮助大型 AI 训练集群更快、更可靠地运行，并减少 GPU 时间的浪费。
我们知道，即便只是单 GPU 吞吐率上的微小提升，一旦应用到生产级集群中，也能够在服务持续增长需求的同时，节约相当可观的算力。
来自 LightSeek Foundation 的一个小团队，在两个月时间内打造了一个全新的，号称「光速」的大模型推理引擎 TokenSpeed。
这一引擎拥有 TensorRT LLM 级别的性能，vLLM 级别的易用性。
并且拥有 NVIDIA Blackwell 上最快的 MLA 注意力内核。
一经发布，TokenSpeed 就受到了英伟达发推文力荐。
目前，该引擎已经开源。
让我们参阅其技术博客，来深入了解「光速」引擎的技术细节。
博客标题：TokenSpeed: A Speed-of-Light LLM Inference Engine for Agentic Workloads 博客链接：https://lightseek.org/blog/lightseek-tokenspeed.html Github 链接：https://github.com/lightseekorg/tokenspeed TokenSpeed 技术简介 TokenSpeed 从第一性原理出发，专门为智能体推理场景设计。
它为智能体负载提供接近「光速级」的推理能力，核心包括：基于编译器的并行建模机制、高性能调度器、安全的 KV 资源复用约束、支持异构加速器的可插拔分层 kernel 系统，以及用于低开销 CPU 侧请求入口的 SMG 集成。
建模层采用本地 SPMD（Single Program, Multiple Data，单程序多数据）设计，在性能与易用性之间取得平衡。
TokenSpeed 允许开发者在模块边界指定 I/O placement 注解。
随后，一个轻量级静态编译器会在模型构建过程中自动生成所需的 collective operation，从而无需手动实现通信逻辑。
TokenSpeed 调度器将控制平面（control plane）与执行平面（execution plane）解耦。
控制平面使用 C++ 实现，并被构建为一个有限状态机（FSM），结合类型系统，在编译期而非运行期强制执行安全资源管理，包括 KV cache 状态转移与使用。
请求生命周期、KV cache 资源以及重叠执行时序，都通过显式 FSM 状态迁移与所有权语义进行表示，因此系统正确性并非依赖约定，而是由一个可验证的控制系统来保证。
执行平面则使用 Python 实现，以保持开发效率，使研究人员与工程师能够更快进行功能迭代，并降低整体认知负载。
TokenSpeed 的 kernel 层将 kernel 从核心引擎中解耦，并将其视为一级模块化子系统。
它提供了可移植的公共 API、集中的注册与选择机制、组织良好的实现结构、面向异构加速器的可扩展插件机制、经过整理的依赖体系，以及统一的快速迭代基础设施。
与此同时，团队还针对 NVIDIA Blackwell 架构进行了大量性能优化。
例如，他们构建了当前智能体负载场景下速度最快的 MLA（Multi-head Latent Attention，多头潜在注意力）kernel 之一。
在 decode kernel 中，由于部分场景下「num_heads」较小，团队通过对「q_seqlen」与「num_heads」进行分组，以更充分利用 Tensor Core 的计算能力。
而 binary prefill kernel 则包含了经过精细调优的 softmax 实现。
目前，TokenSpeed MLA 已被 vLLM 采用。
TokenSpeed 性能预览 Coding Agents（编码智能体）带来了异常严苛的推理工作负载，上下文通常会超过 50K tokens，对话也经常跨越数十轮。
大多数公开基准测试并不能充分捕捉这种行为。
研发团队与 EvalScope 团队一起，基于 SWE-smith 轨迹对 TokenSpeed 进行评估，这些轨迹密切反映了生产环境中 Coding Agents 的流量情况。
由于生成速度对 Agent 的用户体验至关重要，因此，团队的目标是在维持单用户 TPS（每秒 token 数）下限的同时，最大化单 GPU 的 TPM（每分钟 token 数）—— 通常是 70 TPS，有时是 200 TPS 或更高。
此外，研发团队针对 TensorRT-LLM（目前 NVIDIA Blackwell 平台上的最高水平）对这一设计进行了基准测试，并在认为针对 Agentic workloads 存在更好权衡的地方，采取了与之不同的设计方案。
下图展示了在不同部署配置下（无 PD 解耦），TokenSpeed 与 TensorRT-LLM 的 Kimi K2.5 性能帕累托曲线（Pareto curves）。
每条曲线都以 TPS/User（横轴）作为延迟指标，以 TPM/GPU（纵轴）作为吞吐指标，并通过扫描并发数绘制而成。
对于 Coding Agents（高于 70 TPS/User），最佳配置是 Attention TP4 + MoE TP4。
在这一配置下，TokenSpeed 在整个帕累托前沿上均优于 TensorRT-LLM：在最低延迟场景下（batch size 1）大约快 9%，在 100 TPS/User 附近吞吐量大约高 11%。
团队表示，他们的核心优化之一是 TokenSpeed MLA。
下图对比了 TokenSpeed MLA 与 TensorRT-LLM 的 MLA，后者是目前 NVIDIA Blackwell 上的 SoTA。
可以看出来，优化后的二进制版本预填充内核（prefill kernel），使用 NVIDIA 内部旋钮来微调 softmax 实现，在 Coding Agents 的五种典型预填充工作负载（带长前缀 KV cache 的 prefill）中，都超过了 TensorRT-LLM 的 MLA。
解码内核则将查询序列轴折叠进头轴，以更好地填充 BMM1 的 M tile，从而提升 Tensor Core 利用率。
结合其他优化，在带有 speculative decoding 的典型解码工作负载中（batch size 为 4、8、16，且带长前缀 KV cache），这使得相对于 TensorRT-LLM 来说，延迟几乎降低了一半。
最后，研发团队也表示，该项目于 2026 年 3 月中旬启动开发，虽然目前展示了惊人的性能，但仍有大量底层代码（如 PD 分离、KV 存储等）正在合并和完善中，接下来将继续推进。
从上述性能表现来看，不难看出，TokenSpeed 的出现旨在通过更现代化的架构设计，打破传统推理框架在易用性与极致性能之间的平衡点，为大规模 Agent 部署提供了一个高性能、开源的底座。
而英伟达的力荐，也说明推理引擎正在成为 Agent 时代基础设施竞争的一个新焦点。
更多信息，请参阅原博客！参考链接： https://x.com/lightseekorg/status/2052048105412141376 https://x.com/NVIDIAAI/status/2052061195381911806
“4只皮皮虾1035元”最新进展：当事人称已接到最新回复“市监局说价格没问题”
网友质疑“4只皮皮虾1035元”最新进展。
5月7日上午，记者联系上该网友，其回复称目前已经接到三亚市场监督管理局说价格没问题。
据极目新闻：5月5日，有网友反映，其在三亚一家海鲜店宵夜时，仅4只皮皮虾就花费1035元，价格过高，店家存在宰客行为。
网友发帖该网友发布的图片显示，其于5月4日晚间前往三亚某海鲜店用餐，点了中号红花蟹、大号泰国濑尿虾、椰子饭及部分酒水饮品，4人共计消费1815元。
账单显示，大号泰国濑尿虾的单价为每千克1512元；
另一张点菜单则标注“大泰虾”4只，单价756元。
该网友在帖子中明确表示，已拨打12345政务服务热线进行投诉。
评论区多名网友称价格过高，并表示在其他地方吃没有这么贵。
账单 6日凌晨，三亚市市场监督管理局微信公众号发布情况通报回应此事：“5月5日，我们关注到有网友反映我市一海鲜店存在价格过高的问题，我局立即联合相关部门介入调查，目前三亚放心游平台已启动先行赔付机制。
一旦查实存在违法违规行为，我们将依法从严处理，绝不姑息。
” ▌来源：大象新闻、极目新闻 ▌编辑：韩明霞校对：汤琪