Arm 调查报告:物联网行业处于转折点,降低复杂性有助于加速创新
作者:Arm高级副总裁兼物联网事业部总经理 Paul Williamson
每次谈及物联网 (IoT),行业就会明显出现两大阵营:乐观派和悲观派。后者将物联网认定为“尚属未来”的技术。而我个人是坚定的乐观派:对于物联网解决方案有望带来的变革性创新,我既感到无比振奋,同时又保持审慎的乐观态度,毕竟任何新兴技术的崛起都要面临诸多挑战。
对于 Arm® 而言,伴随我们持续推出一众具有针对性的解决方案、IP 和其它各类技术的同时,既向创新者提供了有力的支持,也始终确保自己站在市场最前沿引领趋势、应对挑战。正因于此,我们在全球生态系统中,对物联网从业人员进行了一项调查,采访对象包括开发者、工程师、初创企业和知名的芯片合作伙伴、软件提供商、OEM 厂商及其他合作伙伴,旨在了解他们当前所面临的挑战。
从积极的一面来看调查的结果,受访者认为:消费类市场、云/数据中心和智慧城市正在引领着物联网的发展,其中 5G 技术、云原生开发和机器学习更是推动解决方案落地的重要因素。受访者表示:通过收集大量新数据,对其进行有效分析,并利用分析结果来提升业务表现和客户体验,他们为物联网 (IoT) 让这些变得可能而感到兴奋不已。
但同样他们也看到一些问题。阻碍实现变革性愿景的因素有二:一是漫长而复杂的开发周期,二是将软件迁移到新硬件的可移植性。对受访者来说,通过使用诸如 Arm 虚拟硬件 (Arm Virtual Hardware) 等工具可以带来开发效率的提升,开发者无需等待硬件就绪,便可提前将软件开发的创意在虚拟硬件的环境中进行运行和测试。此外,受访者也认可 Arm 生态系统为简化软件移植实现高效、大规模开发所带来的价值。
而软件兼容性问题也值得关注。开发者认同在统一的架构上进行物联网产品开发,可实现软件开发的高效性和可扩展性。此外,软件复用、削减成本和提升开发团队的学习效率等这些被重点考虑的因素,也可以通过使用统一架构获得解决。
除了上述问题以外,调查结果还表明:物联网业务所面临最大的挑战,在于贯穿产品整个开发和生命周期的安全性问题。受访者表示,对从设计到部署再到投入使用整个过程的安全性进行再提升至关重要,同时他们的合作伙伴和客户也都在要求其增强安全性。
其它的挑战还包括供应链全球化的放缓、新法律法规的出台、无法及时获得最新硬件和物联网技术,以及缺乏针对增强安全性的认证和标准化举措。
毫无疑问,物联网行业正处于一个转折点。对于物联网发展中所面临的挑战和机遇,Arm 的调查报告提供了宝贵见解,也反映出创新者对未来几年物联网的发展,始终保持积极和乐观的态度。从 SoC 架构师到 OEM,从工程师到软件开发人员,从初创企业到知名厂商,所有垂直行业及其从业者都看到了物联网的巨大机遇。通过加速开发,提高效率进而实现更快速的产品上市,基于更多数据为商业决策者提供有力支持等诸多需求与痛点均体现在这份调查报告中。Arm 始终坚信物联网应用拥有着改变世界的巨大潜力,而了解其中的机遇与挑战,才能事半功倍。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。