微软的官员们表示,该公司的Azure Sphere微控制器(MCU)和相关的云安全服务将于2020年2月全面上市。该公司的官员于10月28日在IoT Solutions World Congress大会上宣布了这一消息。
今天,微软还为其于2019年4月收购Express Logic获得的ThreadX RTOS技术推出了新品牌。在未来,该产品将被命名为Azure RTOS。ThreadX是世界上使用最为广泛的实时操作系统之一。微软今天还宣布,主要的微控制器制造商Renesas已经表示将在其所有的产品(包括Synergy和RA MCU产品系列)中广泛地使用Azure RTOS。
微软在保护低成本联网设备方面已经耕耘多年。微软研究院的“ Sopris项目”就是要创建一个高度安全的微控制器。该项目最终演变成Azure Sphere,微软于2018年4月份正式发布了这一产品。
第一款Azure Sphere芯片是联发科的MT3620,该产品包含了一个板载安全子系统,微软将这个系统命名为“Pluton”。Azure Sphere OS包含了微软开发的自定义Linux内核以及安全的应用程序容器。Azure Sphere Security Service提供身份验证、威胁响应以及设备和应用程序故障信息。在2018年9月份,微软发布了适用于Azure Sphere的Visual Studio的软件开发套件预览版。微软的官员们最近表示适用于Linux的SDK以及对Visual Studio Code的支持将很快推出。
今年六月,微软宣布将与NXP合作开发另一款经经Azure Sphere认证的芯片i.MX 8,该芯片将适用于人工智能、图形和更丰富的UI体验。十月初,微软还表示将与高通一起提供首款具有蜂窝功能的Azure Sphere认证芯片,该芯片将提供安全的连接。
微软的官员们表示,一直在使用预览版Azure Sphere的客户已经利用它为零售和制造设备设计和生产消费装备。该公司的官员们表示,经过Azure Sphere认证的联发科MT3620芯片也被用于 “保护模块”中,以安全地连接和保护关键任务设备。
微软的官员们表示,Azure RTOS是Azure Sphere的“补充”。今年年初,微软通过启用MediaTek MT 3620芯片内部的M4核心处理器,为在RTOS或裸机上运行的现有代码提供了安全的环境。
微软的一位发言人表示:“我们的目标是使Express Logic的ThreadX RTOS能够作为Azure Sphere设备上实时处理要求的选项,并且当物联网解决方案需要边缘计算功能时,让支持ThreadX的设备能够连接到Azure IoT Edge设备。虽然我们建议客户将Azure Sphere用于客户与云之间最安全的连接,但是在高度受限的设备中不可能使用Azure Sphere,我们的建议是Express Logic的ThreadX RTOS优于行业内其他的RTOS选项,因为它具备了附加身份认证并且可以‘开箱即用’地连接到Azure IoT Hub。”
在今天的IoT Solutions World大会上,微软还发布了很多关于其现有物联网产品的消息。该公司为其IoT Central管理的物联网应用程序平台增加了新的应用程序模板、API、多租户支持和更多的功能。Azure IoTHub获得了一些新功能,Azure Time Series Insights增加了很多新的预览功能,包括多层和灵活的冷存储、更丰富的分析并提升了规模和性能。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。