让“纸上胜诉权”变成“真金白银”
——记“全区法院办案标兵”港北法院执行局副局长葛娟
她，待人和风细雨，办案却雷厉风行。刚与柔这两种特质在她身上形成一种独特的魅力。她就是广西贵港市港北区人民法院执行局副局长、二级法官葛娟。
自2010年进入法院工作以来，葛娟始终恪尽职守、廉洁自律、秉公执法，努力兑现胜诉当事人的合法权益，实现让人民群众在每一个司法案件中感受到公平正义的诺言。2019年以来，在团队队员的共同努力下，葛娟共收案4994件；结案4776件；结案率95.63%；结案数占比26.27%。曾获“贵港市‘基本解决执行难’活动先进个人”“全市法院办案标兵（执行案件办案标兵）”等荣誉。
2022年7月，葛娟被广西壮族自治区高级人民法院评为“全区法院办案标兵”。
“云执行”成功执结780余万
异地执行一直是“执行难”的一个突出问题，破解“异地执行难”也成为法院执行工作的一块硬骨头。葛娟深知责任在肩，在奋力开展执行攻坚工作的同时，灵活运用各种执行手段化纠纷、解矛盾，维护人民群众合法权益。
在一起买卖合同纠纷案中，因江苏某集团有限公司迟迟未支付货款，贵港市某建材有限公司申请强制执行。最初，被执行人以身处外地的“优势”玩起了躲猫猫，拒绝履行还款义务。考虑到该案是涉企案件，如果采取力度较大的强制措施，可能会导致被执行公司运行更加艰难，申请执行人的胜诉权益也将无从保证。于是，葛娟多次通过电话联系被执行人，动之以情、晓之以理，讲清限制消费、列入失信被执行人名单的种种后果，慢慢化解了被执行人的抵触情绪，最终双方当事人达成和解协议，被执行人将本息780多万全部履行完毕，此案得以顺利执结。
苦口婆心 解当事人燃眉之急
在执行岗位上，葛娟始终怀揣着一颗司法为民的心。她总是设身处地为当事人着想，急当事人所急，想方设法、耐心细致做好思想疏导工作，尽量促成双方达成调解协议，实现案结事了。
“葛法官，你帮帮我……”2020年7月1日下午，葛娟突然接到申请执行人雷女士打来的求助电话。雷女士是葛娟执行一个装修合同纠纷案件的申请执行人，她于2019年3月申请执行广西某酒店，双方当事人5月达成执行和解，雷女士同意某酒店分期还款。她这次打电话来是因为公司经营困难，急需该酒店一次性还清余款以便支付农民工工资。请法官再次与某酒店做调解工作，希望能一次性还清余款以解其燃眉之急。
葛娟得知情况后，先安抚好雷女士的情绪后，随即联系该酒店负责人，告知当前雷女士的困境和一次性履行后即可解除法院对其采取的全部强制措施限制。但酒店负责人表示之前已经谈好分期还款，现在突然要一次性还清余款，压力很大。案件执行陷入了僵局。
为了解决雷女士的当前之急，同时帮助某酒店减轻还款压力，葛娟不厌其烦地给双方打电话，做了两个多小时的电话调解工作，案件取得新进展。雷女士提出：若某酒店当日一次性支付83万元，其愿意放弃部分利息。当天下午6时许，某酒店终于将筹集到的资金83万元一次性支付给雷女士。葛娟用一下午的时间，真诚用心调解，情理法并重，赢得了当事人的信任，事后雷女士特意给葛娟送来锦旗，以表感谢之意。
“软磨硬泡” 兑现群众胜诉权
葛娟常说：“作为一名执行法官，对于群众，我们必须多一些耐心、细心，努力做通当事人的思想工作，让申请执行人信赖法律，让被执行人信服法律的权威，让执行工作有力度。”
申请执行人贵港市某汽车贸易有限公司与被执行人贵港市某汽车销售服务公司租赁合同纠纷一案，因被执行人拒不履行生效法律文书确定的义务，贵港市某汽车贸易有限公司申请强制执行，要求贵港市某汽车销售服务公司返还20万元租赁定金。
葛娟接到案件后，迅速对被执行公司的财产状况进行深入调查，但未发现被执行公司名下有可供执行的财产。为了切实维护申请执行人的合法权益，葛娟并没有放弃，她心想：或许耐心做一下被执行人法定代表人的工作会有效果。于是葛娟前后打了十多次电话给被执行人的法定代表人，不断强调“诚信”“信誉”对于一个公司以及法定代表人的重要性。在葛娟动之以情、晓之以理的“软磨硬泡”下，被执行人考虑到不返还这笔定金有可能会给自己带来严重的不良影响，于是努力克服自身困难，将20万元租赁定金筹集到位，并将这笔定金汇入申请执行人的银行账户，案件得以顺利执结。宾女士受申请执行人的委托，将一面印有“公正廉明，高效为民”的锦旗送到葛娟手上。
“只要肯下功夫，总有解决问题的办法”。葛娟凭着对司法为民的执着追求，充分发挥办案智慧和专业能力，圆满执结一件件执行难案，将一份份裁判文书变成了当事人手中实实在在的“真金白银”，让当事人感受到执行的力度和温度。
（黄景娜）
——记“全区法院办案标兵”港北法院执行局副局长葛娟
她，待人和风细雨，办案却雷厉风行。刚与柔这两种特质在她身上形成一种独特的魅力。她就是广西贵港市港北区人民法院执行局副局长、二级法官葛娟。
自2010年进入法院工作以来，葛娟始终恪尽职守、廉洁自律、秉公执法，努力兑现胜诉当事人的合法权益，实现让人民群众在每一个司法案件中感受到公平正义的诺言。2019年以来，在团队队员的共同努力下，葛娟共收案4994件；结案4776件；结案率95.63%；结案数占比26.27%。曾获“贵港市‘基本解决执行难’活动先进个人”“全市法院办案标兵（执行案件办案标兵）”等荣誉。
2022年7月，葛娟被广西壮族自治区高级人民法院评为“全区法院办案标兵”。
“云执行”成功执结780余万
异地执行一直是“执行难”的一个突出问题，破解“异地执行难”也成为法院执行工作的一块硬骨头。葛娟深知责任在肩，在奋力开展执行攻坚工作的同时，灵活运用各种执行手段化纠纷、解矛盾，维护人民群众合法权益。
在一起买卖合同纠纷案中，因江苏某集团有限公司迟迟未支付货款，贵港市某建材有限公司申请强制执行。最初，被执行人以身处外地的“优势”玩起了躲猫猫，拒绝履行还款义务。考虑到该案是涉企案件，如果采取力度较大的强制措施，可能会导致被执行公司运行更加艰难，申请执行人的胜诉权益也将无从保证。于是，葛娟多次通过电话联系被执行人，动之以情、晓之以理，讲清限制消费、列入失信被执行人名单的种种后果，慢慢化解了被执行人的抵触情绪，最终双方当事人达成和解协议，被执行人将本息780多万全部履行完毕，此案得以顺利执结。
苦口婆心 解当事人燃眉之急
在执行岗位上，葛娟始终怀揣着一颗司法为民的心。她总是设身处地为当事人着想，急当事人所急，想方设法、耐心细致做好思想疏导工作，尽量促成双方达成调解协议，实现案结事了。
“葛法官，你帮帮我……”2020年7月1日下午，葛娟突然接到申请执行人雷女士打来的求助电话。雷女士是葛娟执行一个装修合同纠纷案件的申请执行人，她于2019年3月申请执行广西某酒店，双方当事人5月达成执行和解，雷女士同意某酒店分期还款。她这次打电话来是因为公司经营困难，急需该酒店一次性还清余款以便支付农民工工资。请法官再次与某酒店做调解工作，希望能一次性还清余款以解其燃眉之急。
葛娟得知情况后，先安抚好雷女士的情绪后，随即联系该酒店负责人，告知当前雷女士的困境和一次性履行后即可解除法院对其采取的全部强制措施限制。但酒店负责人表示之前已经谈好分期还款，现在突然要一次性还清余款，压力很大。案件执行陷入了僵局。
为了解决雷女士的当前之急，同时帮助某酒店减轻还款压力，葛娟不厌其烦地给双方打电话，做了两个多小时的电话调解工作，案件取得新进展。雷女士提出：若某酒店当日一次性支付83万元，其愿意放弃部分利息。当天下午6时许，某酒店终于将筹集到的资金83万元一次性支付给雷女士。葛娟用一下午的时间，真诚用心调解，情理法并重，赢得了当事人的信任，事后雷女士特意给葛娟送来锦旗，以表感谢之意。
“软磨硬泡” 兑现群众胜诉权
葛娟常说：“作为一名执行法官，对于群众，我们必须多一些耐心、细心，努力做通当事人的思想工作，让申请执行人信赖法律，让被执行人信服法律的权威，让执行工作有力度。”
申请执行人贵港市某汽车贸易有限公司与被执行人贵港市某汽车销售服务公司租赁合同纠纷一案，因被执行人拒不履行生效法律文书确定的义务，贵港市某汽车贸易有限公司申请强制执行，要求贵港市某汽车销售服务公司返还20万元租赁定金。
葛娟接到案件后，迅速对被执行公司的财产状况进行深入调查，但未发现被执行公司名下有可供执行的财产。为了切实维护申请执行人的合法权益，葛娟并没有放弃，她心想：或许耐心做一下被执行人法定代表人的工作会有效果。于是葛娟前后打了十多次电话给被执行人的法定代表人，不断强调“诚信”“信誉”对于一个公司以及法定代表人的重要性。在葛娟动之以情、晓之以理的“软磨硬泡”下，被执行人考虑到不返还这笔定金有可能会给自己带来严重的不良影响，于是努力克服自身困难，将20万元租赁定金筹集到位，并将这笔定金汇入申请执行人的银行账户，案件得以顺利执结。宾女士受申请执行人的委托，将一面印有“公正廉明，高效为民”的锦旗送到葛娟手上。
“只要肯下功夫，总有解决问题的办法”。葛娟凭着对司法为民的执着追求，充分发挥办案智慧和专业能力，圆满执结一件件执行难案，将一份份裁判文书变成了当事人手中实实在在的“真金白银”，让当事人感受到执行的力度和温度。
（黄景娜）
现在的手持吸尘器真有两把刷子啊~最近在体验追觅V12 Slim吸尘器，采用软绒双滚刷设计，面对房间里狭窄角落的灰尘颗粒和毛发垃圾也能聚拢式高效吸尘，配合8W转电机、120AW大吸力能实现双倍清洁效果。Slim顾名思义就是苗条，这款吸尘器的机身重量只有1.28kg，和你的笔记本差不多重，单手操作没啥压力，加上双滚刷前推后拉的助力，还有灵活转动的自由刷头，手不用因为空间限制拐来拐去，用起来自然也不累。
追觅的产品之前给大家介绍过不少，可以说一直在引领智能清洁行业的创新，V系列吸尘器一直在业界广受好评，这次的V12 Slim各项配置也是诚意满满。
追觅V12 Slim不同于只能吸大颗粒灰尘且边吸边飞的普通手持吸尘器，它内置了整机0.3微米级的五重精密过滤系统，大颗粒物、毛发和微尘逐层分离，能防止灰尘飘散在空气中造成二次污染。续航方面，追觅V12 Slim拥有6*2500mAh大容量电池，续航达到55分钟，一次充电可以清洁200㎡大平层。
追觅V12 Slim还附赠了多种配件，一个电动除螨刷，吸除床单和沙发上的螨虫、毛发很方便，还有一个软毛刷和一个扁口刷，适合边边角角的清洁，金属连接杆采用卡扣设计自由切换。另外收纳支架采用免打孔粘接方式安装，不用打钉子破坏墙面，非常贴心。
这几天用下来，追觅V12 Slim不愧是超轻全能吸尘器，吸猫砂和猫毛都是一把好手，很适合小户型的养宠家庭，轻松搞定卫生，省时省力。现在预售到手只要1499，预定还有滤芯和滚刷等好礼相送，价格非常划算，8月20号的首销不要错过！https://t.cn/A6Sz3yS8
追觅的产品之前给大家介绍过不少，可以说一直在引领智能清洁行业的创新，V系列吸尘器一直在业界广受好评，这次的V12 Slim各项配置也是诚意满满。
追觅V12 Slim不同于只能吸大颗粒灰尘且边吸边飞的普通手持吸尘器，它内置了整机0.3微米级的五重精密过滤系统，大颗粒物、毛发和微尘逐层分离，能防止灰尘飘散在空气中造成二次污染。续航方面，追觅V12 Slim拥有6*2500mAh大容量电池，续航达到55分钟，一次充电可以清洁200㎡大平层。
追觅V12 Slim还附赠了多种配件，一个电动除螨刷，吸除床单和沙发上的螨虫、毛发很方便，还有一个软毛刷和一个扁口刷，适合边边角角的清洁，金属连接杆采用卡扣设计自由切换。另外收纳支架采用免打孔粘接方式安装，不用打钉子破坏墙面，非常贴心。
这几天用下来，追觅V12 Slim不愧是超轻全能吸尘器，吸猫砂和猫毛都是一把好手，很适合小户型的养宠家庭，轻松搞定卫生，省时省力。现在预售到手只要1499，预定还有滤芯和滚刷等好礼相送，价格非常划算，8月20号的首销不要错过！https://t.cn/A6Sz3yS8
大芯片面临的共同挑战（上）
原创 Chaobowx 软硬件融合
最近一直思考：何谓“大芯片”？大芯片的标准是什么？CPU、GPU、AI、DPU以及HPU等各种超大规模的大芯片，其底层逻辑到底是什么？
于是有了这篇文章的思考，抛砖引玉，与大家讨论。
1 什么是大芯片？
1.1 依据操作系统标准来划分
这样，我们对大芯片就可以有一个最直观的标准：
需要支持操作系统和虚拟化（虚拟化包括虚机、容器、函数等不同层次虚拟化）；
需要支持虚拟化资源切分；
需要支持系统、资源和性能隔离；
需要支持软件跨硬件平台，包括硬件接口抽象和热迁移等。
大芯片，需要把很多传统软件层次的能力在硬件层次进行支持。如可编程性、扩展性、适应性、软件跨平台和高可用等。
1.2 各类引擎/处理器的作用
上图是在计算机（服务器）上运行的系统的功能层次划分，大体上分为两个层次：
支撑应用的基础设施层，比如网络、存储、虚拟化、文件系统、数据库等；
应用层。应用层也可以再划分。很多应用性能敏感，需要通过硬件加速。因此，可以把应用再划分为两部分：
应用可加速部分，相比基础设施，应用可加速部分的更新变化会更大，因此需要一些相对灵活弹性的加速平台，如GPU、FPGA等，而ASIC等则不是很合适。
应用不可加速部分，应用多种多样，应用本身还会经常性的优化更新，因此只适合CPU这样的足够通用灵活的运行平台。
CPU
如果整个系统对性能的要求不高，CPU可以胜任。那么最好的做法就是，不管是基础设施层还是应用层可加速部分和不可加速部分，统统都放在CPU中完成。
然而，由于基于CPU的摩尔定律失效，CPU逐渐无法胜任系统的所有计算任务，引发了连锁反应。所以才有了上面图中的三个分类，以及针对性的各种硬件加速平台。
不管如何优化改进，CPU作为最核心的处理引擎（可能是独立CPU芯片，也可能是嵌入式CPU Core），依然扮演着最核心的作用。
未来，CPU主要负责应用层不可加速部分的计算以及整个系统的控制和管理。虽然CPU最终不是计算的主力，但它依然是管理和控制的核心。
GPU
GPU比较适合应用层的弹性加速，一方面因为GPGPU的通用计算能力，在场景覆盖和性能提升方面很好的达到了平衡。再加上CUDA等开发框架/生态的加持，使得GPU成为应用层可加速部分当之无愧的主力运行平台。
DPU
DPU定位基础设施层的（加速）处理，如虚拟化、网络、存储、安全以及IaaS服务融入等。DPU需要很多ASIC/DSA层次的加速引擎，以及嵌入式CPU的协同，来更好的做好基础设施层的工作，以此来更好的支撑CPU和GPU的上层工作。
DPU可以说是整个系统中的“老黄牛”，做的是最辛苦最艰难的事情，但其价值体现却低于CPU和GPU。目前DPU面临的困境主要体现在：
做的事情非常复杂。受性能需求的约束，需要把业务逻辑变成电路，DPU的开发其难度和工作量（相比CPU和GPU）非常的高。
其价值又相对较低。DPU通常定位成CPU的助手，负责卸载CPU的一些繁重的相对价值含量低的工作。因此，其价值定位低于CPU和GPU。
被动协同。DPU需要协同CPU和GPU的工作，但这些协同通常是被动的。DPU具体落地需要CPU和GPU的“参与”，这使得DPU具有非常大的落地门槛。
客户需求差异性和业务迭代，需要DPU尽可能的贴近用户需求，把用户的深层次需求融入到芯片。但这样做，会导致场景碎片化，DPU能覆盖的场景偏小。而大芯片的研发成本又非常的高，场景覆盖不足以撑起一颗芯片的商业化落地。
AI芯片
AI芯片，也称为AI-DSA，和GPU处于同一位置，一般来说，在小小的服务器物理空间里，加速卡通常只有一种类型，也即AI和GPU是互斥的关系，大家共同竞争同一个物理卡槽。
CPU+xPU的异构计算通常分为三类：
CPU+GPU、CPU+FPGA和CPU+DSA。
如果对通用性要求高，对覆盖场景要求高，则通常选择GPU。比如AI训练场景，虽然GPU并不是效率最高的平台，但目前AI训练算法更新迭代很快，比较适合GPU这样的平台，而不是AI-DSA。
如果对性能要求高，并且算法相对确定，则比较适合DSA架构，比如一些编解码的VPU。以及AI推理场景。
FPGA则介于两者之间。
AI-DSA虽然用途很广，并且性能敏感，但云、边缘以及自动驾驶等超级终端场景，是更加综合性的场景，AI是计算加速的领域之一，因此，独立的AI芯片其落地规模必然是远少于GPU这种更加灵活弹性的计算平台的，也更少于CPU和DPU的落地场景规模。
HPU
HPU是超异构处理器（Hyper-heterogeneous Processing Unit），把CPU、GPU和DPU的功能再集成在一起，是一个功能综合的融合芯片：
Chiplet封装技术的成熟，使得多种架构混合的超异构计算成为可能，为超异构处理器HPU提供了很好的工艺和封装基础。
包括企业服务器、边缘服务器以及存储服务器等诸多场景，占到整个服务器规模的90%左右，这类服务器场景相对轻量的计算，集成的单芯片足够。
而云计算的业务服务器，是绝对重量的场景，需要CPU、GPU和DPU三类独立芯片组成大系统。这类场景只占服务器规模的10%左右。
超异构计算需要创新的架构：需要明确的是，HPU不能是简单的CPU、GPU和DPU三者集成，而是要重新优化整个系统的数据交互，让交互更加充分并且高效（更高的带宽，更低的延迟等）。
原创 Chaobowx 软硬件融合
最近一直思考：何谓“大芯片”？大芯片的标准是什么？CPU、GPU、AI、DPU以及HPU等各种超大规模的大芯片，其底层逻辑到底是什么？
于是有了这篇文章的思考，抛砖引玉，与大家讨论。
1 什么是大芯片？
1.1 依据操作系统标准来划分
这样，我们对大芯片就可以有一个最直观的标准：
需要支持操作系统和虚拟化（虚拟化包括虚机、容器、函数等不同层次虚拟化）；
需要支持虚拟化资源切分；
需要支持系统、资源和性能隔离；
需要支持软件跨硬件平台，包括硬件接口抽象和热迁移等。
大芯片，需要把很多传统软件层次的能力在硬件层次进行支持。如可编程性、扩展性、适应性、软件跨平台和高可用等。
1.2 各类引擎/处理器的作用
上图是在计算机（服务器）上运行的系统的功能层次划分，大体上分为两个层次：
支撑应用的基础设施层，比如网络、存储、虚拟化、文件系统、数据库等；
应用层。应用层也可以再划分。很多应用性能敏感，需要通过硬件加速。因此，可以把应用再划分为两部分：
应用可加速部分，相比基础设施，应用可加速部分的更新变化会更大，因此需要一些相对灵活弹性的加速平台，如GPU、FPGA等，而ASIC等则不是很合适。
应用不可加速部分，应用多种多样，应用本身还会经常性的优化更新，因此只适合CPU这样的足够通用灵活的运行平台。
CPU
如果整个系统对性能的要求不高，CPU可以胜任。那么最好的做法就是，不管是基础设施层还是应用层可加速部分和不可加速部分，统统都放在CPU中完成。
然而，由于基于CPU的摩尔定律失效，CPU逐渐无法胜任系统的所有计算任务，引发了连锁反应。所以才有了上面图中的三个分类，以及针对性的各种硬件加速平台。
不管如何优化改进，CPU作为最核心的处理引擎（可能是独立CPU芯片，也可能是嵌入式CPU Core），依然扮演着最核心的作用。
未来，CPU主要负责应用层不可加速部分的计算以及整个系统的控制和管理。虽然CPU最终不是计算的主力，但它依然是管理和控制的核心。
GPU
GPU比较适合应用层的弹性加速，一方面因为GPGPU的通用计算能力，在场景覆盖和性能提升方面很好的达到了平衡。再加上CUDA等开发框架/生态的加持，使得GPU成为应用层可加速部分当之无愧的主力运行平台。
DPU
DPU定位基础设施层的（加速）处理，如虚拟化、网络、存储、安全以及IaaS服务融入等。DPU需要很多ASIC/DSA层次的加速引擎，以及嵌入式CPU的协同，来更好的做好基础设施层的工作，以此来更好的支撑CPU和GPU的上层工作。
DPU可以说是整个系统中的“老黄牛”，做的是最辛苦最艰难的事情，但其价值体现却低于CPU和GPU。目前DPU面临的困境主要体现在：
做的事情非常复杂。受性能需求的约束，需要把业务逻辑变成电路，DPU的开发其难度和工作量（相比CPU和GPU）非常的高。
其价值又相对较低。DPU通常定位成CPU的助手，负责卸载CPU的一些繁重的相对价值含量低的工作。因此，其价值定位低于CPU和GPU。
被动协同。DPU需要协同CPU和GPU的工作，但这些协同通常是被动的。DPU具体落地需要CPU和GPU的“参与”，这使得DPU具有非常大的落地门槛。
客户需求差异性和业务迭代，需要DPU尽可能的贴近用户需求，把用户的深层次需求融入到芯片。但这样做，会导致场景碎片化，DPU能覆盖的场景偏小。而大芯片的研发成本又非常的高，场景覆盖不足以撑起一颗芯片的商业化落地。
AI芯片
AI芯片，也称为AI-DSA，和GPU处于同一位置，一般来说，在小小的服务器物理空间里，加速卡通常只有一种类型，也即AI和GPU是互斥的关系，大家共同竞争同一个物理卡槽。
CPU+xPU的异构计算通常分为三类：
CPU+GPU、CPU+FPGA和CPU+DSA。
如果对通用性要求高，对覆盖场景要求高，则通常选择GPU。比如AI训练场景，虽然GPU并不是效率最高的平台，但目前AI训练算法更新迭代很快，比较适合GPU这样的平台，而不是AI-DSA。
如果对性能要求高，并且算法相对确定，则比较适合DSA架构，比如一些编解码的VPU。以及AI推理场景。
FPGA则介于两者之间。
AI-DSA虽然用途很广，并且性能敏感，但云、边缘以及自动驾驶等超级终端场景，是更加综合性的场景，AI是计算加速的领域之一，因此，独立的AI芯片其落地规模必然是远少于GPU这种更加灵活弹性的计算平台的，也更少于CPU和DPU的落地场景规模。
HPU
HPU是超异构处理器（Hyper-heterogeneous Processing Unit），把CPU、GPU和DPU的功能再集成在一起，是一个功能综合的融合芯片：
Chiplet封装技术的成熟，使得多种架构混合的超异构计算成为可能，为超异构处理器HPU提供了很好的工艺和封装基础。
包括企业服务器、边缘服务器以及存储服务器等诸多场景，占到整个服务器规模的90%左右，这类服务器场景相对轻量的计算，集成的单芯片足够。
而云计算的业务服务器，是绝对重量的场景，需要CPU、GPU和DPU三类独立芯片组成大系统。这类场景只占服务器规模的10%左右。
超异构计算需要创新的架构：需要明确的是，HPU不能是简单的CPU、GPU和DPU三者集成，而是要重新优化整个系统的数据交互，让交互更加充分并且高效（更高的带宽，更低的延迟等）。
✋热门推荐