
英特尔开发论坛会议消息:英特尔手里不乏新的和升级的硬件工具包,从无人机自助套件到各种大气的物联网包不等,工程玩家利用这些无人机硬件可以自己组装无人机。
Aero组装套件是一个最好玩的包,即日起接受订购。Aero组装套件里含一单板机,可以控制四轴飞行器上的电子运作:从决策逻辑、远程控制信号的处理到驱动飞行器螺旋桨的IO 线路,一切都由单板机完成。
Aero组装套件基本上就是一个飞在空中的网本式电脑︰配有双核 1.6 G吉赫(1吉赫=10亿赫兹)Atom x7-Z8700 处理器,有必要时可以超频到2.4吉赫。其他参数: 2 MB 的高速缓存,4 GB 的 RAM,16GB 的闪存,内置 Wi-fi、 microSD 插槽和给PCIe SSD用的M.2连接器。
套件版上配有80 针 IO 连接器,由板上Altera Max 10 FPGA驱动。80 针 IO 连接器含︰ 两个 I2C 接口、 一个UART 串口、SPI、CAN连接、五个模拟输入口和25个可编程GPIO口。套件另配有USB3 OTG 连接器及由处理器的内置高清显卡芯片驱动的微型 HDMI 端口。
板上Altera Max 10 FPGA是用户可编程型的;用户可以对其进行任意设置,例如,发信号到各螺旋桨的马达控制器,发送和接收感应器和外围设备的信号。另外,如果装了英特尔真感运动相机的话,Aero套件配的MIPI CSI 2 相机接口和 USB3 连接器可派上用场。

全套Aero无人机组件,中间的白盒子是开发板
Aero的单板机运行Yocto GNU/Linux。其基本想法是,用户先想好要做什么,比如烟雾探测无人机或是小件快递之类的,再将Aero单板机接上相应的外围设备和传感器,再接到无人机硬件上。无人机硬件配有马达、 螺旋桨和马达控制器;板上的Altera FPGA负责将信号转到控制器和其它配件上。
Aero开发板和一张扑克牌大小相同:88 毫米 × 63 毫米 × 20 毫米,散热片包括在内。是的,需要散热器。记者和英特尔员工聊起Aero套件,记者获悉有关电池的具体数字资料尚未完成,飞行器充一次电能飞多久取决于电池的大小和无人机的重量。套件连散热器一起重 60 克。开发板上的 64 位 x86 Atom 处理器的典型功耗为 2瓦。
现在订购该款开发板只需不到400美元,含无人机硬件,2016 年第4季度收货。该款可以即刻升空的开发套件含程序库,可用于访问真感相机和控制无人机的飞行,套件另外还含有一个AirMap开发工具包,有助于避开空中禁区。
其他英特尔开发工具包消息
英特尔的新物联网开发工具包名为Joule,两个款式:550 x 型和 570 x型。两款都跟足了物联网标准。570 x配有64 位 1.7吉赫双核 Atom T5700 处理器、4 GB 的 RAM、16GB 的闪存、高清显卡、Wi-fi 和蓝牙、相机接口、 I2C 和 UART 串行端口和各种的 GPIO 串口,运行 Linux,支持真感移动侦测摄像头。550 x 稍微弱一点,配一枚1.5吉赫Atom、3 GB 的 RAM 和 8 GB 的闪存。网上有代码样本。Joule 将于9 月通过分销商全面发售。
Euclid套件配有真感相机、 Atom 处理器和无线连接。套件约半个巴掌大,主要对象是学者、 硬件玩家和机器人玩家。
最后的三个新真感摄像头套件,它们是:机器人开发工具包、 高精度 ZR300 开发工具包和摄像头 400 系列,400 系列经优化后每秒可捕捉3D 对象上任意多的点。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。