【菜科解读】

简介：

在现代数码生活中，惠普笔记本电脑以其出色的性能和可靠性深受用户喜爱。

然而，许多用户在需要通过U盘启动来安装系统或进行其他操作时，常常会遇到困难。

本文旨在为您提供一份详尽的惠普笔记本U盘启动快捷键设置指南，帮助您轻松解决启动难题。

工具原料：

系统版本：Windows 11

品牌型号：惠普Spectre x360

软件版本：MiniTool Partition Wizard 12.6

一、准备工作

1、确保U盘可用并已正确制作启动盘。

您可以使用诸如Rufus或WinToUSB等工具来创建可启动U盘。

2、备份笔记本中的重要数据，以防在更改启动设置过程中的数据丢失。

二、进入BIOS设置

1、重启电脑：在电脑启动时快速连续按下“Esc”键，直到出现启动菜单。

2、选择BIOS设置：在启动菜单中，使用方向键选择“F10 BIOS Setup”，然后按下Enter键进入BIOS设置界面。

三、设置U盘为优先启动项

1、进入BIOS界面后，使用方向键选择“Boot”选项卡。

2、在启动选项中，找到“Boot Device Priority”，并确认U盘已经插入。

3、使用方向键和提示操作将U盘设置为第一个启动设备。

部分型号可能会提示重新排列启动顺序，只需遵循屏幕上的指示即可。

4、保存并退出：通常情况下，按下“F10”键，然后选择“Yes”来保存更改并退出BIOS设置。

此时，系统将重启并尝试从U盘启动。

拓展知识：

1、了解UEFI和Legacy BIOS：在启用U盘启动时，您可能会在BIOS中看到UEFI和Legacy两种引导模式。

UEFI是较新的模式，支持更大的硬盘和更快的启动速度。

如果U盘是用GPT分区格式制作的，最好选择UEFI模式。

而Legacy模式则适用于传统的MBR分区格式。

2、安全启动选项：一些较新的惠普笔记本会启用“Secure Boot”以提供更高的安全性。

然而，这项功能可能会阻止U盘启动。

在上述BIOS设置中，用户可进入“Security”选项卡，找到“Secure Boot”，并将其设置为Disabled以禁用此功能。

总结：

通过正确设置惠普笔记本的BIOS启动顺序，无论是安装新系统还是进行数据恢复，用户都可以实现高效便捷的U盘启动操作。

在整个操作中，请注意不同型号可能存在的差异，谨慎操作并妥善保管数据。

如果遇到困难，惠普用户服务和技术支持也始终是可靠的帮助来源。

惠普笔记本U盘启动快捷键：轻松实现系统安装与修复

简介：惠普笔记本U盘启动快捷键：轻松实现系统安装与修复想要在惠普笔记本上进行系统安装或修复，使用U盘启动是一个非常方便的方法。

本文将介绍惠普笔记本U盘启动的快捷键，帮助您轻松实现系统安装与修复。

通过实际案例，我们将阐述U盘启动的重要性，并展示如何使用这一功能。

工具原料：品牌型号：惠普笔记本操作系统版本：Windows 10软件版本：最新版本一、为什么选择U盘启动U盘启动是一种快速、方便且可靠的方法，用于系统安装和修复。

相比于其他方法，U盘启动具有以下优势：1. 快速启动：使用U盘启动，可以大大缩短系统安装和修复的时间，提高效率。

2. 灵活性：U盘启动可以在不同的设备上使用，无需依赖特定的硬件或软件。

3. 安全性：U盘启动可以避免对硬盘上的数据进行修改或删除，保护您的重要文件。

二、如何进行U盘启动要在惠普笔记本上进行U盘启动，您需要按照以下步骤操作：1. 插入U盘：将准备好的U盘插入惠普笔记本的USB接口。

2. 开机并进入BIOS设置：按下开机键后，立即按下惠普笔记本上的BIOS设置快捷键（通常是F10或F12）。

3. 选择启动设备：在BIOS设置界面中，找到“启动顺序”或“Boot Order”选项，并将U盘设备移动到首位。

4. 保存设置并重启：保存BIOS设置，并重启惠普笔记本。

系统将从U盘启动。

三、案例分析：系统安装与修复以下是两个案例，展示了如何使用惠普笔记本的U盘启动功能进行系统安装和修复。

案例1：系统安装小明的惠普笔记本出现了系统崩溃的问题，无法正常启动。

他决定使用U盘启动来重新安装系统。

1. 小明按照上述步骤，将U盘插入惠普笔记本并进入BIOS设置。

2. 他选择了U盘作为启动设备，并保存了设置。

3. 小明重启惠普笔记本，系统从U盘启动。

4. 他按照提示进行系统安装，并成功恢复了惠普笔记本的正常运行。

案例2：系统修复小红的惠普笔记本出现了蓝屏错误，无法进入系统。

她决定使用U盘启动来修复系统。

1. 小红按照上述步骤，将U盘插入惠普笔记本并进入BIOS设置。

2. 她选择了U盘作为启动设备，并保存了设置。

3. 小红重启惠普笔记本，系统从U盘启动。

4. 她选择了系统修复选项，并按照提示进行修复操作。

5. 小红成功修复了惠普笔记本的系统问题，恢复了正常使用。

总结：通过使用惠普笔记本的U盘启动快捷键，您可以轻松实现系统安装和修复。

U盘启动具有快速、灵活和安全的优势，是一种值得推荐的方法。

无论是系统安装还是修复，U盘启动都能帮助您解决问题。

希望本文对您有所帮助，并鼓励您在未来的使用中尝试这一功能。

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