全球领先的边缘计算解决方案提供商凌华科技推出高度紧凑且支持GPU的全新DLAPx86系列深度学习加速平台,是市场上最紧凑的GPU深入学习加速平台。DLAPx86系列可用于部署边缘处的大规模深度学习,采集边缘产生的数据并采取行动。DLAPx86系列针对大规模边缘AI布署所设计,可将深度学习带进终端,拉近与现场资料、现场决策应变的距离。该平台的优化配置可加速需要大量内存的计算密集型AI推理和任务学习,助力各行业应用的AI部署。
凌华科技嵌入式平台和模块产品中心协理蔡雨利表示:“DLAPx86专为大型多层网络以及复杂数据集设计。凌华科技DLAP系列为深度学习应用提供的灵活性是其核心价值所在。基于不同应用的神经网络和AI推理速度需求,架构师可组合出最适化的CPU与 GPU处理器配置,提高产生每单位投资的最高效能。”
DLAPx86系列优势:
DLAPx86在边缘AI应用中在效能、体积、重量、功耗等设计取得最佳平衡,将每瓦效能、每单位投资效能极大化,助力医疗、制造业、交通运输和其他领域的发展。应用案例包括:
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。