至顶网软件频道消息: 随着物联网时代的到来,越来越多的设备连接到了网络,如今在工业和医疗物联网领载域,每天都会有2.5艾字节(2.5EB,1EB= 10的18次方)的数据被创建,如何高效、有效的使用好这些数据是成为问题的核心所在。
因此,在赛灵思首次举行全球工业物联网研讨会期间,赛灵思ISM部门市场总监 Chetan Khona在北京与媒体记者们就SoC(片上系统)技术,如何驱动工业和医疗行业的发展信息进行深度分享:
无论是一个燃气轮机还是核磁共振的机器,或者是一个风能发电的设备,你必须要能够在10毫秒以内就能够对它进行控制,甚至更快,如果达不到10毫秒最低的要求,那么这个机器就不可能发挥出它应有的良好性能。如果是要靠云来传输,很有可能就达不到10毫秒的要求,比如说你的工厂是在纽约,你的数据中心是在洛杉矶,你要把你的数据从纽约发到洛杉矶,即使你的网络连接达到了光速,一个来回也需要30毫秒,而且事实上是不可能达到光速的速度。如果有人跟你说,我的网络连接是光速,你不能相信他。因此,想要在工厂和医院实现人工智能功能,这些数据是在哪里收集的就应该在哪里处理,而这也正是赛灵思能够提供的解决方案。
赛灵思提供全套的、一系列的解决方案,包括通过提供安全性的连接、控制、视觉、线路、软件和人工智能来帮助客户开发他们所需要的产品,来进行更好的应用。同时赛灵思正在与非常广泛的生态系统合作,利用其专业的技术知识和能力,帮助客户获得他们所需要的解决方案。
这些是赛灵思传统的工业领域优势,包括工业实时和确定性控制与接口、工业生命周期、质量、可靠性、安全性、温度与功耗,但并不是仅仅赛灵思能够支持这些功能,还有很多其他的企业也可以。但是现在赛灵思所做的就是加入业界领先的AI时延与性能,和传统的优势进行结合。因为有的企业可能可以做AI,但是没有传统的优势,但赛灵思是两者兼具,有一些GPU可以做AI但是它不具备传统的优势,还有一些企业像TI, 瑞萨、恩智浦可以做SoC,但是它又不具备AI方面的能力,所以对很多客户不可能去使用多个器件的方案,如果采用赛灵思的单芯片解决方案就能够确保高度的集成,达到最高的成本有效性。
同时,在物联网领哉,赛灵思提供了大量自主开发的支持实现低时延、高性能的DNN(深度神经网络算法)解决方案。这些方案,有的是赛灵思去年并购的在北京深鉴科技获得的一些技术和能力,有些是通过和企业合作,包括KORTIQ、HALCON、SiliconSoftware,来增加赛灵思内部的解决方案。
目前赛灵思的Zynq和Zynq UltraScale+ SoC 就能够把六大板块都集成到单个客户板当中,主要是通过Zynq和Zynq UltraScale+ SoC,包括通用处理期DSP、GPU和模拟、安全处理器和安全处理器。通过这样的集成就能够为客户提供前所未有的价值。
以赛灵思的客户精锋微控为例,当使用ZynqSoC取代了20多个芯片和网络的连接之后,很大的工业机器人控制柜,缩小成一个大小可以和苹果智能手机的尺寸比较的控制板。
这也是近两年赛灵思有Zynq和Zynq UltraScale+ SoC 之后,业绩增速显著提速了2.5倍的主要原因。
最后Chetan Khona总结了赛灵思SoC的五大要点:可以节省时间并降低总拥有成本;在面临的标准和威胁不断变化时历久弥新;最大化隐私权并最大限度地减少数据传输;在单芯片嵌入式平台中融合IT和OT;低时延、低功耗、高性能的边缘AI。
好文章,需要你的鼓励
Docker公司通过增强的compose框架和新基础设施工具,将自己定位为AI智能体开发的核心编排平台。该平台在compose规范中新增"models"元素,允许开发者在同一YAML文件中定义AI智能体、大语言模型和工具。支持LangGraph、CrewAI等多个AI框架,提供Docker Offload服务访问NVIDIA L4 GPU,并与谷歌云、微软Azure建立合作。通过MCP网关提供企业级安全隔离,解决了企业AI项目从概念验证到生产部署的断层问题。
中科院联合字节跳动开发全新AI评测基准TreeBench,揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法,通过要求AI同时给出答案和精确定位,实现真正可追溯的视觉推理,为构建更透明可信的AI系统开辟新路径。
马斯克的AI女友"Ani"引爆全球,腾讯RLVER框架突破情感理解边界:AI下半场竞争核心已转向对人性的精准把握。当技术学会共情,虚拟陪伴不再停留于脚本应答,而是通过"心与心的循环"真正理解人类孤独——这背后是强化学习算法与思考模式的化学反应,让AI从解决问题转向拥抱情感。
PyVision是上海AI实验室开发的革命性视觉推理框架,让AI系统能够根据具体问题动态创造Python工具,而非依赖预设工具集。通过多轮交互机制,PyVision在多项基准测试中实现显著性能提升,其中在符号视觉任务上提升达31.1%。该框架展现了从"工具使用者"到"工具创造者"的AI能力跃迁,为通用人工智能的发展开辟了新路径。