边缘端的传感器和连接设备的数量每天都在以指数级速度持续增长。连接数字计算设备的模拟电子传感器使系统能够获得态势感知并优化性能,从而实现高生产力和效率。有多种方法可以应对边缘端产生的传感器数据激增带来的处理挑战:
分布式计算的混合方法可以通过在边缘端使用可扩展、高效且低功耗的自适应计算平台来实现,这种平台可以无缝连接到云端以传输双向数据。为了让用户快速开始设计之旅,整个 AMD Kria™ 入门套件产品组合(包括其 Kria SOM)均已通过认证,可以运行目前最普遍的物联网管理系统——AWS IoT Greengrass 和 Azure IoT Edge。
AMD Kria 入门套件产品组合包括开箱即用的开发者平台,可用于设计视觉 AI、机器人和工业、电机控制和 DSP 应用。AMD Kria 入门套件令没有 FPGA 专业知识的嵌入式软件开发人员也能轻松使用 Kria K26 SOM 开始打造独特的边缘应用和解决方案,以实现批量生产部署。配备 Kria SOM 的异构计算能以低时延、低功耗和确定性满足边缘计算要求,同时承担云端和边缘之间分布的传感器融合和 AI。通过 AWS IoT Greengrass 和 Azure IoT Edge 认证,使用 AMD 启动设计从未如此简单。
什么是物联网管理系统?它们为何很重要?
在典型的部署中,会有多个边缘设备与同云端进行通信的传感器相连。物联网管理系统允许用户注册这些边缘设备,以建立与云端的通信、创建群组、收集数据、推送更新、与其他边缘设备进行本地通信,同时将安全放在首位!
AWS IoT Greengrass 是一种开源的 IoT 边缘运行时和云服务,可帮助您在设备上构建、部署和管理 IoT 应用。AWS IoT Greengrass 使您的设备能够在更靠近数据生成的位置收集和分析数据,自主响应本地事件,并与本地网络上的其他设备安全通信。Greengrass 设备还能与 AWS IoT Core 进行私密通信并将 IoT 数据导出至 AWS 云。
Azure 提供的 IoT Edge 是一种以设备为重的运行时,支持您部署、运行和监控容器化 Linux 工作负载。Azure IoT Edge 是 Azure IoT 中心的一项功能,使您能从云端扩展和管理 IoT 解决方案。Azure IoT Edge 可帮助您将云端的分析能力带到更接近您的设备的位置,从而获得更出色的商业洞察并实现离线决策。
开始使用 AMD Kria 入门套件:
Kria SOM 的设计充分考虑了软件工程师的需求,提供了熟悉的设计环境,无需 FPGA 编程经验。它们由 Kria 入门套件支持,这些套件是低成本的开箱即用开发平台,经过认证,可与 AWS IoT Greengrass 和 Azure IoT Edge 配合使用。使用 AMD 产品启动开发,实现跨云端和边缘的分布式计算优势,从未如此简单。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。