凡是有价值的资产,企业都会密切监控它们的位置。事实上,定位系统 (LFS) 可用来提高零售、物流、医疗保健、智能建筑等领域的安全性、生产力和效率。LFS 通常基于无线“标签”,这些标签几乎可以应用于任何物品、人和诸多应用。
举几个用例,比方说跟踪物流过程中的包裹或制造环境中的关键材料,监控实验室或医院高价值仪器的位置,以及确定是否有人进入了限制区域(例如,工厂的某些区域可能存在危险)。LFS 可以通过跟踪并分析客户在店内的流动路线或使用自助结账来帮助零售商完善布局。
LFS 无线技术
LFS 离不开无线技术,但市面上的几种技术各有优缺点。在选择技术时,设计人员不得不在覆盖范围和功耗之间进行权衡,功耗尤其重要,因为无线标签通常由电池供电。
RFID 可用于定位,但其主要用途是在特定的检查点验证资产的身份信息(例如衣服的颜色和样式)。如果对安全性要求很高,那么超宽带(UWB)通常是首选。不过,大量的计算处理也推高了成本和功耗。
由于 5G 网络覆盖全球,因此它支持远距离跟踪资产。但它也确实功耗巨大,所以在这方面的应用相对有限。
Bluetooth® 是一项公认的技术,全球有数十亿台设备部署了这项技术。随着时间的推移,该技术不断改进以降低功耗,并通过大批量生产来控制成本。事实上,蓝牙低功耗 (Bluetooth LE) 现在是最受欢迎的资产跟踪技术之一。
基于蓝牙的 LFS - 概述和设计标准
基于蓝牙的 LFS 系统通常用于仓库、工厂、医疗机构或零售店等建筑内。无论何种系统,通常都有三个要素:

图 1:蓝牙 LFS 具有三大要素
设计人员在设计 LFS 时必须兼顾分辨率、延迟和电池续航时间,反复权衡利弊以满足系统对精度、效率和性能的要求。
影响分辨率的最主要因素是传感器/定位器的数量;传感器/定位器越多,位置测量就越精确。
延迟是指找到标签/资产的速度,这与信号的传输频率有关。提高传输频率会减少延迟,但也会增加电量消耗。
电池续航时间受到每次传输的输出功率和持续时间以及标签能否利用低功耗“睡眠”模式的影响。
如果某个资产在快速移动,则需要降低延迟(增加传输频率)才能获得准确的定位。但这需要以电池续航时间为代价。更复杂的系统可以将加速度计集成到标签中,以便仅在资产移动时才增加传输频率。这提供了一个两全其美的方法,兼顾了定位的精确性和电池的合理使用。
设计灵活性
由于每个应用都是独一无二的,加上科技发展如此之快,因此 LFS 设计必须足够灵活,以便在参数之间进行权衡,并根据需要进行调整。为支持这种灵活性需求,安森美 (onsemi) 与行业合作伙伴一起开发了一个设计平台。
此合作方案将安森美屡获殊荣的 RSL15 与 CoreHW 天线模块和 Unikie Localization 集成到一起。
这款 RSL15 蓝牙 5.2 无线 MCU 专为互联智能设备设计,基于超低功耗 ARM® Cortex®-M33 处理器。根据 EEMBC 基准测试,RSL15 实现了超低功耗的蓝牙性能。再加上它小巧的尺寸,使其非常适合定位标签等边缘应用。
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
商汤科技研究团队开发的InteractiveOmni是一个突破性的全模态AI助手,能够同时处理图像、视频、音频和文字,并具备强大的多轮对话记忆能力。该模型采用端到端架构,实现了从多模态输入到语音输出的统一处理,在多项基准测试中表现优异。特别值得关注的是,4B参数版本就能达到接近7B模型的性能,且已开源供研究使用。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
腾讯混元团队联合北航、清华推出Honey-Data-15M,这是一个包含1500万高质量图像-问答对的开源数据集,通过创新的双层思考链策略让AI学会深度推理。基于此训练的Bee-8B模型在复杂推理任务上表现卓越,证明了专注数据质量能让开源AI达到商业级水平。