康普的PKIWorks平台与STM32WB无线微控制器的集成解决方案为Matter设备开发提供物联网安全保障
中国上海,2023年11月16日 —— 全球优秀的网络连接解决方案提供商康普(纳斯达克股票代码:COMM)和服务多重电子应用领域、全球排名前列的半导体公司意法半导体(纽约证券交易所股票代码:STM)近日宣布,康普的PKIWorks™物联网安全平台与意法半导体广为采用的STM32WB系列微控制器(MCU)实现了集成。该集成解决方案为设备制造商提供了一个交钥匙解决方案,助力开发符合连接标准联盟(CSA) Matter安全标准的物联网设备。
该解决方案不仅能够降低物联网设备制造商的成本和时间,还能简化具备制造安全性的 Matter 设备凭证的开发和配置。通过这种集成,设备可在 MCU 层进行调试,而无需开发人员干预。此次合作将CommScope Sentry™团队35年来在大批量设备制造生产中安全整合加密密钥和数字证书的经验与意法半导体在微控制器及其开发生态系统领域的领先地位充分结合。。
意法半导体STM32 连接产品线经理Nathalie Vallespin表示:“作为CSA的推动者,意法半导体致力于让所有设备制造商都能无缝开发Matter。我们在通用微控制器领域排名第一,并在安全元件领域拥有丰富的专业知识,这使我们能够将对设备制造商所面临挑战的深刻理解与对 Matter 深入了解的丰富知识相结合,从而开展独特的合作。正如这次与康普的合作一样,通过一个简易且安全的凭证配置流程,可加速 Matter应用的采用。”
康普网络、智能蜂窝和安全解决方案总裁 Bart Giordano 表示:“通过将 CommScope Sentry PKIWorks 平台与意法半导体热门的 MCU 平台集成,我们为客户提供了一个交钥匙解决方案,以减轻采用 Matter 应用所面临的挑战,同时还能解决复杂性、规模和成本方面的问题。康普和意法半导体保持着长期的合作伙伴关系,双方都是行业领导者,凭借在数字安全、半导体解决方案和设备制造领域数十年丰富经验,能够轻松满足对新型 Matter 物联网设备日益增长的需求。”
关于PKIWorks、STM32WB和Matter
PKIWorks 平台是一个安全灵活的凭证配置和管理平台,历经数十年的发展,拥有数十亿设备凭证的经验,并在此过程中不断改进。该平台现已针对Matter设备凭证的创建和配置进行了优化,为所有物联网设备制造商提供了一条快速通道,使其能够为蓬勃发展的Matter生态系统提供安全性和互操作性。PKIWorks平台利用了康普在为设备凭证安装配置客户端方面的专业技术,特别是在资源有限的物联网设备上。康普客户端支持多款STM32 MCU和STSAFE-A。康普最近将这款轻量级配置客户端与STM32WB55微控制器集成在一起,STM32WB55是一款用于物联网设备开发的MCU,也是意法半导体用于Matter设备的首选微控制器。
Matter是智能家居设备互操作性和安全性的全新统一标准。该规范和认证计划于2022年10月公布,是600多家技术公司在连接标准联盟(CSA)的支持下开展合作的成果。Matter能够为智能家居设备赋予互操作性,同时提高和标准化了供应商和物联网生态系统的安全性,它还能为消费者提供一个认证标识,以表明智能设备能够可靠地协同工作,并且是安全的。
PKIWorks 的主要特点
采用STM32和STSAFE-A进行设计的设备制造商可使用PKIWorks服务。康普是意法半导体授权合作伙伴计划的成员,康普的Sentry提供集成解决方案,通过简化制造过程中的设备凭证配置,大幅简化产品开发,加速产品上市。配备PKIWorks客户端的STM32WB现已上市,并提供多种配置,以满足物联网设备供应商的不同制造环境需求。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。