在科技飛速發(fā)展的當(dāng)下,邊緣 AI 正經(jīng)歷著一場深刻的變革。從最初的 TinyML 微型機(jī)器學(xué)習(xí)探索低功耗 AI 推理,到邊緣推理框架的落地應(yīng)用,再到平臺級 AI 部署工具的興起以及垂類模型的大熱,我們已經(jīng)成功實(shí)現(xiàn)了 “讓模型跑起來” 的階段性目標(biāo)。然而,這僅僅是邊緣 AI 發(fā)展的起點(diǎn),其未來的演進(jìn)方向正逐漸聚焦于一個更為關(guān)鍵的問題:當(dāng) AI 模型能夠在邊緣設(shè)備上穩(wěn)定運(yùn)行后,它們能否進(jìn)一步實(shí)現(xiàn)協(xié)作,從而推動邊緣 AI 邁向更高的智能形態(tài)?
在AI算力需求指數(shù)級增長的背景下,NVIDIA BlueField-3 DPU憑借其512個NPU核心和400Gbps線速轉(zhuǎn)發(fā)能力,為機(jī)器學(xué)習(xí)推理提供了革命性的硬件卸載方案。通過將PyTorch模型量化至INT8精度并結(jié)合DPU的硬件加速引擎,某頭部云服務(wù)商在BlueField-3上實(shí)現(xiàn)了ResNet50推理延遲從12ms壓縮至2ms的行業(yè)突破,同時保持Top-1準(zhǔn)確率達(dá)75.8%。
中國,北京,2025年7月17日——隨著AI迅速向邊緣領(lǐng)域挺進(jìn),對智能邊緣器件的需求隨之激增。然而,要在小尺寸的微控制器上部署強(qiáng)大的模型,仍是困擾眾多開發(fā)者的難題。開發(fā)者需要兼顧數(shù)據(jù)預(yù)處理、模型選擇、超參數(shù)調(diào)整并針對特定硬件進(jìn)行優(yōu)化,學(xué)習(xí)曲線極為陡峭。因而,開發(fā)者肯定希望能夠在微控制器等邊緣器件和其他受限平臺上,輕松地構(gòu)建和部署性能穩(wěn)健、資源密集型的機(jī)器學(xué)習(xí)模型,而無需在復(fù)雜的代碼或硬件限制上耗費(fèi)精力。
無人機(jī)以高效創(chuàng)新的方案,改變了多個行業(yè)的格局。在農(nóng)業(yè)領(lǐng)域,無人機(jī)助力精準(zhǔn)農(nóng)業(yè)、作物監(jiān)測和牲畜追蹤。工業(yè)部門利用無人機(jī)進(jìn)行現(xiàn)場勘測、基礎(chǔ)設(shè)施檢查和項(xiàng)目監(jiān)控。無人機(jī)還在革新配送服務(wù),尤其在向偏遠(yuǎn)地區(qū)運(yùn)送包裹、醫(yī)療用品和緊急援助物資方面表現(xiàn)出色。本文將重點(diǎn)介紹無人機(jī)市場趨勢。
在科技飛速發(fā)展的當(dāng)下,邊緣 AI 正經(jīng)歷著一場深刻的變革。從最初的 TinyML 微型機(jī)器學(xué)習(xí)探索低功耗 AI 推理,到邊緣推理框架的落地應(yīng)用,再到平臺級 AI 部署工具的興起以及垂類模型的大熱,我們已經(jīng)成功實(shí)現(xiàn)了 “讓模型跑起來” 的階段性目標(biāo)。然而,這僅僅是邊緣 AI 發(fā)展的起點(diǎn),其未來的演進(jìn)方向正逐漸聚焦于一個更為關(guān)鍵的問題:當(dāng) AI 模型能夠在邊緣設(shè)備上穩(wěn)定運(yùn)行后,它們能否進(jìn)一步實(shí)現(xiàn)協(xié)作,從而推動邊緣 AI 邁向更高的智能形態(tài)?
設(shè)想這樣一個系統(tǒng),它可以探索解決復(fù)雜問題的多種方法,依托對海量數(shù)據(jù)的理解——從科學(xué)數(shù)據(jù)集到源代碼,再到商業(yè)文檔——并能夠?qū)崟r推理各種可能性。這種閃電般極速的推理不是未來的設(shè)想,而是如今亞馬遜云科技客戶AI生產(chǎn)環(huán)境中正在發(fā)生的事情。當(dāng)前我們的客戶在藥物研發(fā)、企業(yè)搜索、軟件開發(fā)等多個領(lǐng)域構(gòu)建的AI系統(tǒng)規(guī)模令人驚嘆,而這僅是開始。
Altair 因其愿景完整性和執(zhí)行能力被評為領(lǐng)導(dǎo)者 上海 2025年6月27日 /美通社/ --?全球計(jì)算智能領(lǐng)域領(lǐng)軍企業(yè)Altair近日宣布,旗下Altair? RapidMiner?(數(shù)據(jù)分析與AI平臺)再度被 Gartner 評為數(shù)據(jù)科學(xué)...
全面支持助力能耗優(yōu)化與綠色轉(zhuǎn)型
無線技術(shù)的未來,其實(shí)比想象中來得更快。6G技術(shù)的出現(xiàn)有望帶來更高的性能和靈活性,其應(yīng)用場景將遠(yuǎn)超我們今天的無線系統(tǒng)。預(yù)計(jì)到2030年代初,這些下一代網(wǎng)絡(luò)就會投入商用,而整個行業(yè)正從研究階段逐步轉(zhuǎn)向開發(fā)和標(biāo)準(zhǔn)化階段。
利用這兩種趨勢,我們利用NVIDIA Jetson Nano開發(fā)了一種實(shí)時螺栓檢測和計(jì)數(shù)系統(tǒng)。該解決方案不僅涉及強(qiáng)大的機(jī)器學(xué)習(xí)模型的開發(fā),還涉及在Jetson Nano等邊緣設(shè)備上直接優(yōu)化和部署這些模型,從而實(shí)現(xiàn)工業(yè)過程中的變革性自動化。
在汽車設(shè)計(jì)領(lǐng)域,機(jī)器學(xué)習(xí)正逐漸成為一股顛覆性的力量。傳統(tǒng)的汽車設(shè)計(jì)往往依賴設(shè)計(jì)師的經(jīng)驗(yàn)與創(chuàng)意,過程漫長且具有一定的局限性。而機(jī)器學(xué)習(xí)的介入,徹底改變了這一局面。通過對海量歷史設(shè)計(jì)數(shù)據(jù)以及市場反饋的深度分析,機(jī)器學(xué)習(xí)算法能夠精準(zhǔn)洞察消費(fèi)者的審美趨勢和功能需求,從而為設(shè)計(jì)師提供極具價值的創(chuàng)意靈感。例如,豐田汽車?yán)蒙墒?AI 技術(shù),在汽車設(shè)計(jì)的初始階段,根據(jù)給定的參數(shù)快速生成多種設(shè)計(jì)模型,為設(shè)計(jì)師開拓了設(shè)計(jì)思路,極大地提高了設(shè)計(jì)效率。不僅如此,機(jī)器學(xué)習(xí)還能夠在設(shè)計(jì)過程中進(jìn)行實(shí)時的性能預(yù)測和優(yōu)化。通過構(gòu)建精準(zhǔn)的模型,對汽車的空氣動力學(xué)性能、燃油經(jīng)濟(jì)性、結(jié)構(gòu)強(qiáng)度等關(guān)鍵性能指標(biāo)進(jìn)行模擬預(yù)測,幫助設(shè)計(jì)師及時調(diào)整設(shè)計(jì)方案,在滿足美觀需求的同時,確保汽車性能達(dá)到最優(yōu)狀態(tài),實(shí)現(xiàn)設(shè)計(jì)與性能的完美平衡。
作者:Bruno Aziza , IBM 數(shù)據(jù)、人工智能和戰(zhàn)略分析副總裁Stephen Mortefolio, IBM 數(shù)據(jù)和人工智能產(chǎn)品市場副總裁 北京 2025年6月18日 /美通社/ -- 數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師在整個企...
Nordic 突破性 nRF54L 系列和 Neuton.AI 自動化 TinyML 平臺相輔相成,在邊緣實(shí)現(xiàn)易于使用的超高效機(jī)器學(xué)習(xí) (ML)
第十版年度全球報(bào)告揭示了人與技術(shù)的協(xié)同如何改變運(yùn)營并增強(qiáng)工業(yè)韌性
2025年5月22日 – 提供超豐富半導(dǎo)體和電子元器件?的業(yè)界知名新品引入 (NPI) 代理商貿(mào)澤電子 (Mouser Electronics)宣布將于5月28-20日舉辦2025貿(mào)澤電子技術(shù)創(chuàng)新論壇首場活動。本期論壇將深度聚焦“邊緣AI與機(jī)器學(xué)習(xí)”,云集Analog Devices, Amphenol, NXP, Silicon Labs, VICOR等業(yè)界知名廠商及產(chǎn)學(xué)研專家陣容,共同解構(gòu)AI浪潮下企業(yè)數(shù)字化轉(zhuǎn)型的創(chuàng)新路徑和可持續(xù)發(fā)展戰(zhàn)略,攜手創(chuàng)造智能化未來。
AI與物聯(lián)網(wǎng)系統(tǒng)的融合改變了數(shù)據(jù)的處理、分析與使用方式。多年以來,各種 AI 解決方案始終基于云端部署,而如今邊緣 AI 的興起,在提升運(yùn)行效率、增強(qiáng)安全性和改善運(yùn)營可靠性方面提供了頗有潛力的解決方案。本文旨在深入剖析邊緣 AI 的復(fù)雜性,探究其構(gòu)成要素、應(yīng)用優(yōu)勢及其快速演進(jìn)的硬件支持體系。
以下內(nèi)容中,小編將對具身智能的相關(guān)內(nèi)容進(jìn)行著重介紹和闡述,希望本文能幫您增進(jìn)對具身智能的了解,和小編一起來看看吧。
該項(xiàng)目旨在開發(fā)一種設(shè)備,以提高視障游泳者在不熟悉的室內(nèi)游泳池中的安全性。該設(shè)備將使用機(jī)器學(xué)習(xí)來繪制泳池環(huán)境地圖,實(shí)時檢測障礙物,并向游泳者提供音頻反饋。
邊緣計(jì)算對于充分發(fā)揮人工智能 (AI)、機(jī)器學(xué)習(xí)和物聯(lián)網(wǎng) (IoT) 的全部潛能至關(guān)重要。供電和供電效率對于下一代邊緣計(jì)算機(jī)系統(tǒng)優(yōu)化性能非常關(guān)鍵。
在電子設(shè)計(jì)自動化(EDA)領(lǐng)域,隨著芯片設(shè)計(jì)復(fù)雜度的不斷提升,傳統(tǒng)的自動化測試平臺面臨著諸多挑戰(zhàn),如測試用例數(shù)量龐大、異常檢測效率低下以及根因分析困難等。為了解決這些問題,引入人工智能(AI)技術(shù),特別是機(jī)器學(xué)習(xí)算法,成為提升自動化測試平臺性能的有效途徑。本文將探討基于機(jī)器學(xué)習(xí)的異常檢測與根因分析在AI賦能的自動化測試平臺中的應(yīng)用。