零售巨头Target日前加入开放计算项目,旨在为边缘计算设计做贡献。

开放计算项目(OCP)最著名的项目是针对超大规模数据中心的硬件设计,而边缘计算则可能代表该项目的一些开放领域。
Target首席信息官Mike McNamara在公司的ICONN信息云会议上表示,Target公司是第一家采用OCP的大型零售商。Target也在硬件架构上采用了OCP标准,并在旗下数据中心、配送中心和商店部署了OCP认证的硬件。
McNamara在主题演讲中表示,Target旗下堆栈的硬件和软件方面都开源。Target足迹是分布式的,可以影响网络和边缘计算里新的OCP用例。
McNamara说,“我们能够为OCP在运行边缘计算方面做出独特贡献。我们拥有2000个商店,每个商店都是一个小型数据中心。这种中心和一般数据中心的环境不同。我们能做的贡献是在边缘上而不是在数据中心开发计算。”
McNamara表示,边缘硬件设计需要具有弹性和可靠性。他说,"在商店里,如果你失去了一个服务器刀片,那么就是三分之一的容量。需求和要求是不同的。我们希望能从所有工作中受益并在未来为边缘做出贡献。"
Target在COVID-19大流行期间蓬勃发展, Target在2017年完成了几宗精明的收购后迅速转型为数字商务及多云架构和敏捷的开发模式,进而能够进入规模发展。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。