天然橡胶与钢铁、煤炭和石油并称为四大工业原料,目前被广泛地应用于工业、军事和民用等各个领域,是国防、航空及基础设施建设的重要原料。中国是全球最大的天然橡胶进口国和消费国。
传统橡胶采集(即割胶生产)高度依赖人工。当前,全球天然橡胶产业遇到的最大发展瓶颈是割胶工严重短缺。
因此,实现天然橡胶生产自动化,用机器割胶替代人工割胶,已经成为促进行业可持续发展的必由之路,相关智慧胶园解决方案也成为技术刚需。Semtech合作伙伴杭州海联物联科技有限公司(以下简称“海联物联”)为农业自动化、消防安全、智慧工业等领域提供物联网通讯系统方案。针对智慧胶园的市场需求,海联物联使用Semtech LoRa®器件开发了AsterNet组网方案,实现了精准割胶,相比人工割胶,产能提升50%以上。
Semtech中国区销售副总裁黄旭东告诉记者,借助LoRa远距离、低功耗、易部署的技术特点,以及“自组、安全、可控”的应用优势,该方案的主要技术特点包括:
其实,智慧胶园只是LoRa落地行业应用的一个典型代表。如今,越来越多的垂直行业对物联网技术有着强烈的需求,并且加速引入了LoRa等物联网通信技术。
近年来,LoRa不仅在传统的水计表市场实现持续成长,在一些新兴物联网垂直市场和产业应用,例如电网、安防、消防、智慧园区、智慧楼宇、智慧工业、智慧工厂(工业控制和生产线监测)等,也实现了倍速成长,并在上述市场均体现出继续增长的潜力。
目前,LoRa已经成为了LPWAN领域的主流技术之一,LoRaWAN®更是被国际电信联盟批准为国际标准。截至目前,全球已经部署了270多万个基于LoRa的网关,基于LoRa 的终端节点超过2.25亿个,LoRa或LoRaWAN的部署覆盖了171个国家和地区。
技术创新力
Semtech LoRa是一种无线射频通信技术,LoRa的名字源自“Long Range”,其最大的优势在于远距离,相比其他通信技术,其信号覆盖范围更广,例如可以支持广袤农田的覆盖。同时相较于蜂窝网络,其单个网关的覆盖距离更广,可以极大减少网关数量。此外,基于LoRa的设备具有极低的功耗,其电池使用寿命可长达10年。
LoRaWAN是基于LoRa的组网协议,作为一个针对广域网的协议,其特点是网关协作和接入量大,已于2021年11月经被国际电信联盟(ITU)认可为国际标准。
在实际应用中,可以根据不同的应用和需求选择不同的组网方式。基于LoRa的网络具有灵活性和便利性。它可以按需部署,根据应用需要,规划和部署网络;根据现场环境,针对终端位置,合理部署网关和终端设备。其网络的也扩展十分简单,根据节点规模的变化,随时对覆盖进行增强或扩展。
黄旭东说,LoRa作为一种无线通信技术,主要在“端”(终端设备)侧发挥作用。而随着LoRa EdgeTM低功耗地理定位平台的开发和推广,其通过LoRa CloudTM可以同时提供云和端两部分能力,使物联网设备快速连接到云端,将云边端变为云端两部分,减少了端部设备的计算和功耗需求,从而降低了成本。
2022年1月,Semtech与腾讯云共同宣布,LoRa Cloud地理定位服务正式集成至腾讯云物联网开发平台,从而更好地服务于中国用户。
加速行业落地
Semtech是LoRa联盟创始成员之一,目前LoRa联盟有400多个公司成员,包括几个重量级的软件公司和卫星通信服务商。在国内,现在LoRa产业链企业数量已超3000家,覆盖了智能建筑/楼宇、工业园区、资产追踪、电力与能源管理、表计、消防安防、智慧农业与畜牧管理、疫情防控与医疗大健康等多个领域。
Semtech会继续大力支持LoRa生态的发展,并基于行业需求不断创新。今年Semtech会重点扩展资产追踪应用,目标市场主要包括畜牧业牛羊群定位以及物流、园区的资产管理等。基于LoRa技术,Semtech于2020年推出了具备多频段能力的LoRa Edge地理定位平台和LR1110芯片,并于2022年4月推出了LoRa Edge LR1120芯片。拓展后的LoRa Edge平台支持物联网应用直连卫星和全球化部署的能力,帮助供应链管理和物流行业在全球范围内部署互联互通、低功耗的地理定位设备,进一步解锁了全球定位追踪市场的应用潜力。
谈及中国市场,黄旭东表示,中国的半导体市场规模持续增长,为Semtech带来了多样的发展机遇。中国是Semtech全球最重要的市场之一,Semtech会持续性地针对中国市场的需求灵活调整战略,并且扩大对中国市场的投入,和中国行业领先的生态伙伴保持长期、深度的合作关系。
同时,Semtech以客户为中心,将继续倾听中国客户的多样化需求,为其提供全球化的研发和广泛的供货渠道,帮助客户提高产品在全球市场中的竞争力。
在技术研发方面,Semtech拥有规模庞大且专业的工程师团队,目前工程师团队人数超过员工总数的55%,持续致力于技术创新,不断提升产品核心竞争力。
在产品线方面,Semtech拥有广泛而均衡的产品线。“未来,我们将继续着力于开发应用于物联网、数据中心、消费类电子领域的产品及解决方案,并将其做到‘专而精’,以最佳性能和高可靠性获得市场的认可,并携手中国合作伙伴拥抱5G新时代,共建更加智能、安全和可持续的未来。”黄旭东最后说。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。