深圳2025年2月20日 /美通社/ -- 1月,江波龙推出了7.2mm×7.2mm的超小尺寸eMMC*,为AI智能穿戴设备的物理空间优化提供了全新的存储解决方案。继这款创新封装存储产品问世后,江波龙再次推出穿戴存储力作——0.6mm(max)超薄ePOP4x,实现了...
打造实时交互新体验 上海2025年2月20日 /美通社/ -- 2月20日,全球领先的物联网整体解决方案供应商移远通信宣布,其AI玩具整体解决方案已实现全面的完善和升级。该方案深度融合火山引擎AI大模型能力,集无线通信模组、音频算法、物联网平台和收费管理平台于一体,可为玩具的智...
上海2025年2月21日 /美通社/ -- 近日,国际独立第三方检测、检验和认证机构德国莱茵TÜV大中华区(简称"TÜV莱茵")携手英国建筑研究院(BRE)为吉宝开发的吉宝静安中心(PAC)颁发...
尽管市场竞争愈发激烈,OpenAI的用户数量仍在持续攀升。据OpenAI首席运营官布拉德·莱特卡普(Brad Lightcap)透露,截至今年2月,OpenAI的周活跃用户数已达到4亿,相较于2024年12月的3亿增长了33%。这一数据此前并未对外公开。
当地时间2月20日,机器人初创公司Figure AI宣布发布其最新成果——Helix模型。这是一款用于通用人形机器人控制的视觉-语言-动作(VLA)模型,标志着人形机器人技术的重大突破。
2025年2月20日,深圳——OPPO今日正式发布了全球最薄折叠旗舰 OPPO Find N5。Find N5 搭载全新钛合金天穹铰链,机身薄至 8.93mm,引领折叠旗舰进入 8 毫米时代。作为全球首款搭载骁龙8至尊版的折叠产品,Find N5 更集成 5600mAh 超大容量冰川电池与 50W 无线闪充,带来了超越全天候的超强续航能力;ColorOS15 和全新 OPPO 办公助手™ 首次于 Find N5 搭载,带来远程控制 Mac 电脑、AI 意图搜索等创新特性,为用户带来了更高效的折叠大屏体验。Find N5还接入 Deepseek R1 满血版,通过本地化部署和 OPPO 专属服务器,提供更流畅不等待的AI服务。
该项目旨在降低成本,同时为每个电池模块提供可扩展的BMS。BQ76PL455具有监测6-16个单元的能力,8通道辅助输入(用于温度监测)和多达15个其他ic用于Daisy-Chain,在单个BQ网络中测量多达256个单元。
背景:随着人们对铁路运输安全的要求越来越高,传统的轨道检测方法需要工人定期沿着轨道行走,观察轨道的磨损、变形和裂缝。该方法虽然可以直观地检测到一些明显的故障,但耗时、费力、效率低。这种方法已不能满足现代铁路系统的需要。为了解决铁路故障检测的自动化和高效性问题,本课题开发了一种基于FPGA的铁路故障检测系统。该边缘人工智能系统通过摄像头捕捉轨道图像,利用卷积神经网络(CNN)实时检测轨道缺陷,并自动报告故障信息。
虽然我当然不认为自己是数据科学家,但多年来我在各种简单但功能强大的Edge AI项目上进行了实验。为什么?可能是因为我通常使用的相对受限的硬件适合于构建更简单、不那么雄心勃勃的产品。但有了Edge AI,我们可以执行以前认为在小型硬件上不可能完成的艰巨任务。
人工智能(AI)和机器学习(ML)技术不仅正在快速发展,还逐渐被创新性地应用于低功耗的微控制器(MCU)中,从而实现边缘AI/ML解决方案。这些MCU是许多嵌入式系统不可或缺的一部分,凭借其成本效益、高能效以及可靠的性能,现在能够支持AI/ML应用。这种集成化在可穿戴电子产品、智能家居设备和工业自动化等应用领域中,从AI/ML功能中获得的效益尤为显著。具备AI优化功能的MCU和TinyML的兴起(专注于在小型、低功耗设备上运行ML模型),体现了这一领域的进步。TinyML对于直接在设备上实现智能决策、促进实时处理和减少延迟至关重要,特别是在连接有限或无连接的环境中。
美光 4600 PCIe 5.0 NVMe SSD 带来卓越的性能与用户体验
利用人工智能工具提升软件开发效率与准确性
智能时代的嵌入式系统离不开高性能、高效的软件和先进的软件开发方式。本文介绍了近期嵌入式软件开发的三个趋势:1)边缘计算作为一种在本地处理和分析数据的方式正在快速发展,边缘计算与人工智能的结合正将智能计算从以云为中心的模型中转移出来;2) 虚拟化技术是今天高算力多核处理器计算系统采用的全新解决方案,容器技术则可通过简化嵌入式软件开发、部署和维护来助力复杂嵌入式系统的管理;3) DevOps的概念和实践正在逐步渗透进入嵌入式软件开发中,助力加快软件交付速度,提高应用程序质量和稳定性。
本研究旨在开发一种在资源受限的微控制器单元(MCU)上运行的方法,用以进行鼾声检测。不同于使用CNN进行声音检测的方式,我们采用门控循环单元(GRU)模型以对音频数据进行处理和分析。通过采用优化模型结构、模型量化等常用的模型优化方式,我们最终成功将GRU模型适配到低功耗的MCU平台,使其能够在不依赖外部计算资源的情况下,独立完成端侧的鼾声检测任务,无需联网。实验结果表明,该模型在保持较高准确性的同时,能够有效降低系统算力需求,满足移动健康监测设备的实时性与便携性要求。这一研究为鼾症患者的持续监测和睡眠健康管理提供了一种新的解决方案,同时也拓展了深度学习在嵌入式系统中的应用前景。
新增功能进一步加强了 HPC 和云平台的市场领先地位 上海2025年2月20日 /美通社/ -- Altair(纳斯达克股票代码:ALTR)近日宣布其高性能计算 (HPC) 和云平台 Altair® HPCWorks® 将...