-
打通边缘智能之路：面向嵌入式设备的开源AutoML正式发布——加速边缘AI创新
中国，北京，2025年7月17日——随着AI迅速向边缘领域挺进，对智能边缘器件的需求随之激增。然而，要在小尺寸的微控制器上部署强大的模型，仍是困扰众多开发者的难题。开发者需要兼顾数据预处理、模型选择、超参数调整并针对特定硬件进行优化，学习曲线极为陡峭。因而，开发者肯定希望能够在微控制器等边缘器件和其他受限平台上，轻松地构建和部署性能稳健、资源密集型的机器学习模型，而无需在复杂的代码或硬件限制上耗费精力。
-
“低空经济” 崛起，2025无人机市场暗藏哪些潜力趋势？
无人机以高效创新的方案，改变了多个行业的格局。在农业领域，无人机助力精准农业、作物监测和牲畜追踪。工业部门利用无人机进行现场勘测、基础设施检查和项目监控。无人机还在革新配送服务，尤其在向偏远地区运送包裹、医疗用品和紧急援助物资方面表现出色。本文将重点介绍无人机市场趋势。
-
边缘 AI 的下一跳：迈向 “智能体操作系统”
在科技飞速发展的当下，边缘 AI 正经历着一场深刻的变革。从最初的 TinyML 微型机器学习探索低功耗 AI 推理，到边缘推理框架的落地应用，再到平台级 AI 部署工具的兴起以及垂类模型的大热，我们已经成功实现了 “让模型跑起来” 的阶段性目标。然而，这仅仅是边缘 AI 发展的起点，其未来的演进方向正逐渐聚焦于一个更为关键的问题：当 AI 模型能够在边缘设备上稳定运行后，它们能否进一步实现协作，从而推动边缘 AI 迈向更高的智能形态?
-
亚马逊云科技推出基于NVIDIA Blackwell的最新、超强GPU实例 持续拓展AI基础设施边界
设想这样一个系统，它可以探索解决复杂问题的多种方法，依托对海量数据的理解——从科学数据集到源代码，再到商业文档——并能够实时推理各种可能性。这种闪电般极速的推理不是未来的设想，而是如今亚马逊云科技客户AI生产环境中正在发生的事情。当前我们的客户在药物研发、企业搜索、软件开发等多个领域构建的AI系统规模令人惊叹，而这仅是开始。
-
Altair连续两年被 Gartner 魔力象限评为数据科学与机器学习平台领导者
Altair 因其愿景完整性和执行能力被评为领导者 上海 2025年6月27日 /美通社/ -- 全球计算智能领域领军企业Altair近日宣布，旗下Altair® RapidMiner®（数据分析与AI平台）再度被 Gartner 评为数据科学...
-
安森美AI数据中心系统方案指南上线
全面支持助力能耗优化与绿色转型
-
突破6G测试挑战，加速迈入连接新纪元
无线技术的未来，其实比想象中来得更快。6G技术的出现有望带来更高的性能和灵活性，其应用场景将远超我们今天的无线系统。预计到2030年代初，这些下一代网络就会投入商用，而整个行业正从研究阶段逐步转向开发和标准化阶段。
-
使用Python和TensorRT在Jetson Nano上运行的实时螺栓检测和计数系统-专为低功耗工业设置而构建
利用这两种趋势，我们利用NVIDIA Jetson Nano开发了一种实时螺栓检测和计数系统。该解决方案不仅涉及强大的机器学习模型的开发，还涉及在Jetson Nano等边缘设备上直接优化和部署这些模型，从而实现工业过程中的变革性自动化。
-
机器学习助力汽车设计创新
在汽车设计领域，机器学习正逐渐成为一股颠覆性的力量。传统的汽车设计往往依赖设计师的经验与创意，过程漫长且具有一定的局限性。而机器学习的介入，彻底改变了这一局面。通过对海量历史设计数据以及市场反馈的深度分析，机器学习算法能够精准洞察消费者的审美趋势和功能需求，从而为设计师提供极具价值的创意灵感。例如，丰田汽车利用生成式 AI 技术，在汽车设计的初始阶段，根据给定的参数快速生成多种设计模型，为设计师开拓了设计思路，极大地提高了设计效率。不仅如此，机器学习还能够在设计过程中进行实时的性能预测和优化。通过构建精准的模型，对汽车的空气动力学性能、燃油经济性、结构强度等关键性能指标进行模拟预测，帮助设计师及时调整设计方案，在满足美观需求的同时，确保汽车性能达到最优状态，实现设计与性能的完美平衡。
-
IBM 被评为 2025 年 Gartner® 数据科学和机器学习平台魔力象限领导者
作者：Bruno Aziza , IBM 数据、人工智能和战略分析副总裁Stephen Mortefolio, IBM 数据和人工智能产品市场副总裁 北京 2025年6月18日 /美通社/ -- 数据科学家和机器学习工程师在整个企...
-
Nordic Semiconductor 收购 Neuton.AI以巩固边缘 AI 领导地位
Nordic 突破性 nRF54L 系列和 Neuton.AI 自动化 TinyML 平台相辅相成，在边缘实现易于使用的超高效机器学习 (ML)
-
罗克韦尔自动化发布第十版《智能制造现状报告》：95% 的制造商正投资 AI 技术，以应对经济不确定性并加速智能制造
第十版年度全球报告揭示了人与技术的协同如何改变运营并增强工业韧性
-
智聚边缘 创见未来 贸泽电子2025技术创新论坛探讨“边缘AI与机器学习”新纪元
2025年5月22日 – 提供超丰富半导体和电子元器件™的业界知名新品引入 (NPI) 代理商贸泽电子 (Mouser Electronics)宣布将于5月28-20日举办2025贸泽电子技术创新论坛首场活动。本期论坛将深度聚焦“边缘AI与机器学习”，云集Analog Devices, Amphenol, NXP, Silicon Labs, VICOR等业界知名厂商及产学研专家阵容，共同解构AI浪潮下企业数字化转型的创新路径和可持续发展战略，携手创造智能化未来。
-
AI相机如何进行机器学习
机器学习是一种教会计算机从数据中学习并提高其性能的方法，而无需显式编程。
-
边缘 AI：物联网实施新标杆
AI与物联网系统的融合改变了数据的处理、分析与使用方式。多年以来，各种 AI 解决方案始终基于云端部署，而如今边缘 AI 的兴起，在提升运行效率、增强安全性和改善运营可靠性方面提供了颇有潜力的解决方案。本文旨在深入剖析边缘 AI 的复杂性，探究其构成要素、应用优势及其快速演进的硬件支持体系。
-
具身智能和机器学习有什么关系？比较具身智能和自动驾驶
以下内容中，小编将对具身智能的相关内容进行着重介绍和阐述，希望本文能帮您增进对具身智能的了解，和小编一起来看看吧。
-
AquaGuide：视觉受损游泳者的AI导航
该项目旨在开发一种设备，以提高视障游泳者在不熟悉的室内游泳池中的安全性。该设备将使用机器学习来绘制泳池环境地图，实时检测障碍物，并向游泳者提供音频反馈。
-
Vicor 高密度模块电源为边缘计算带来成本效益
边缘计算对于充分发挥人工智能 (AI)、机器学习和物联网 (IoT) 的全部潜能至关重要。供电和供电效率对于下一代边缘计算机系统优化性能非常关键。
-
AI赋能的自动化测试平台：基于机器学习的异常检测与根因分析
在电子设计自动化（EDA）领域，随着芯片设计复杂度的不断提升，传统的自动化测试平台面临着诸多挑战，如测试用例数量庞大、异常检测效率低下以及根因分析困难等。为了解决这些问题，引入人工智能（AI）技术，特别是机器学习算法，成为提升自动化测试平台性能的有效途径。本文将探讨基于机器学习的异常检测与根因分析在AI赋能的自动化测试平台中的应用。
-
AI赋能的DRC违规分类：机器学习自动定位百万级设计问题
在电子设计自动化（EDA）领域，设计规则检查（DRC）是确保芯片设计符合制造工艺要求的关键环节。随着芯片设计复杂度的不断提高，DRC违规数量呈指数级增长，传统的人工检查方法已难以满足高效、准确的需求。机器学习（ML）技术的兴起为DRC违规分类和定位带来了新的机遇，通过训练模型自动识别和分类违规问题，能够显著提高检查效率和准确性。
