020年7月3日,上海——由上海市科学技术委员会、Linux基金会(The Linux Foundation)主办、Intel、InnoSpace、VMware、戴尔科技集团、惠普、中科创达共同承办的国际创客赛事——2020 EdgeX中国挑战赛(EdgeX Challenge Shanghai 2020)正式拉开帷幕。该赛事还得到了腾讯、IOTech公司的大力支持。
大赛致力于构建一个物联网及边缘计算的学习和分享平台,基于EdgeX Foundry,以共享技术投资来解决困难的技术问题,聚集富有创新思想和强大技术能量的参赛者,针对物联网行业的常见痛点,面向零售、制造、能源、城市园区等领域,利用EdgeX Foundry解决行业问题,赋能真实的应用场景。
英特尔公司物联网事业部副总裁兼物联网事业部中国区总经理陈伟在大赛启动仪式的致辞中表示:“自从2018年底加入EdgeX Foundry以来,英特尔物联网事业部积极支持EdgeX的发展,积极贡献代码、大力宣传布道、主动构建EdgeX生态系统。在中国区,英特尔公司还作为联合发起单位,组建EdgeX China Project, 进一步推动EdgeX在多个行业的部署和应用。英特尔全力支持本赛事。大赛的获奖团队,可快速对接英特尔物联网事业部的开放零售倡议、MRS/RRK生态计划,开拓更广阔的合作空间。我们对EdgeX Foundry的发展前景、对本次挑战赛充满信心!”
伴随着上海市2020“科技创新中心建设条例”以及“科技创新行动计划”的颁布,上海正在积极构建具有全球影响力的科创中心基本框架。作为2020上海国际创客大赛及大会的主办方,上海市科学技术委员会(以下简称“上海科委”)对大会的积极推动,将进一步促进物联网及边缘计算领域的人才挖掘、案例打造;用平台激发开发者想象力,用资源驱动优秀成果市场落地,通过科技创新推动经济发展。
另一方面,Linux基金会选择携手上海科委共同举办EdgeX中国挑战赛,也体现出业界对中国市场的高度重视,这将对中国边缘计算生态系统建设,对中国AIoT的应用落地及部署起到有力的促进作用。
作为全球领先的开放边缘计算框架,EdgeX Foundry能够很好地解决边缘计算及物联网平台构建方面,因不同传感器和终端设备协议纷杂,难以整合等技术难题。一直以来英特尔积极实践EdgeX Foundry,推出“智能边缘”转折性技术,协同AI,5G赋能边缘计算;英特尔还与泛零售行业的合作伙伴一道,构建基于开源、开放理念的生态系统——开放零售倡议(ORI),利用现代系统架构、先进的EdgeX Foundry体系,有效解决行业客户痛点。今年这项ORI还将拓展到酒店餐饮、银行金融、教育、医疗、工业 等领域,进一步为中国物联网应用落地的发展助力。
据悉,本次2020 EdgeX中国挑战赛将在7月3日正式启动,经初赛评选、项目开发阶段,于9月进行决赛作品提交;后续通过公开投票、决赛评选,最终于10月进行获奖名单公布。大赛共分为“商业”、“工业”两个赛道,涉及零售、金融、教育、医疗、智慧城市、制造业、电力等众多行业。参赛团队脑洞大开的创意,将为行业发展积累众多创新应用案例。而最终的获奖队伍还将得到由大会承办方提供的多项商业机会合作,进一步推动优秀案例与市场的落地结合,用科技创新为中国物联网发展助推赋能。
好文章,需要你的鼓励
Ubuntu 25.10和Fedora 43的下一个版本将在GNOME变体中仅支持Wayland,这是因为GNOME 49将移除X11会话。此变化只影响GNOME版本,两个发行版仍提供其他桌面环境选项。GNOME项目还计划引入对systemd的更强依赖,这将使GNOME在非Linux系统上运行变得更困难。尽管存在用户阻力,但Red Hat作为主要赞助商推动了这一转变。
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
金融科技公司Chime在纳斯达克首日交易表现强劲,股价上涨超过37%。公司IPO定价每股27美元,筹资约7亿美元,收盘价达37.11美元。Chime第一季度营收5.187亿美元,同比增长32%,净利润1270万美元,是少数盈利上市的科技公司。截至3月底,公司拥有860万活跃用户,同比增长23%。作为数字银行服务商,Chime主要服务年收入10万美元以下客户群体,提供免费支票账户等服务。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。