-
基于强化学习的液压舵机壳体流道路径规划
液压舵机壳体是航空液压操纵系统的核心零件 , 内部包含大量复杂流道 。传统的流道路径人工设计方法效率低下 , 结果一致性差 。针对该问题 , 提出了一种基于混合近端策略优化(HPP0算法)的流道路径规划算法 。通过分析流道接口特征 ,设计智能体动作空间 、状态空间和奖励函数等强化学习要素 ,基于此实现了流道路径的 自动生成 。 最后 , 以某航空液压壳体为例 ,验证了该方法的可行性和有效性 。
-
一文了解 Arm 神经超级采样，深入探索架构、训练和推理
深入探索这一个由 ML 驱动的时域超级采样的实用方法
-
AI 融合智能防护：开启安全防御新篇章
传统的网络安全防护手段多依赖于预先设定的规则和特征库，面对日益复杂多变、层出不穷的新型网络威胁，往往力不从心，难以做到及时且精准的识别。AI 技术的融入则彻底改变了这一局面。机器学习算法能够对海量的网络数据进行深度学习，自动挖掘其中潜藏的威胁模式和异常行为。以中国电信安全公司推出的威胁情报查询平台为例，该平台依托强大的大网数据底座与 AI 技术，深度融合 DeepSeek，能够实时捕捉全球威胁动态。通过对多维度 IP 特征数据与 PDNS 数据的分析，构建起亿级高活跃情报库，并借助智能分析引擎实现情报的智能化、多维度分析，极大地提升了威胁识别的精准度与效率，即便是非专业的 “技术小白”，也能借助该平台获取专业级的安全辅助决策 。
-
MCU AI/ML - 弥合智能和嵌入式系统之间的差距
人工智能（AI）和机器学习（ML）是使系统能够从数据中学习、进行推理并随着时间的推移提高性能的关键技术。这些技术通常用于大型数据中心和功能强大的GPU，但在微控制器（MCU）等资源受限的器件上部署这些技术的需求也在不断增加。
-
亚马逊云科技AI联赛：在全新终极 AI 对决中学习、创新和竞争
北京——2025年7月30日 自 2018 年以来，AWS DeepRacer 已吸引全球超过 56 万名开发者参与，充分印证了开发者可以通过竞技实现能力成长的实践路径。如今，亚马逊云科技将通过亚马逊云科技AI联赛，将这一模式继续拓展至生成式 AI 时代。
-
贸泽供应专用处理器和加速器解决方案 带来更丰富的嵌入式机器学习和人工智能产品系列
2025年7月28日 – 专注于引入新品的全球电子元器件和工业自动化产品授权代理商贸泽电子 (Mouser Electronics) 持续扩展其针对机器学习 (ML) 工作优化的专用解决方案产品组合。
-
实现自我沟通和与世界沟通的新方式
在这个高速发展的时代，无论是健身、竞技、兴趣活动，还是康复训练，对身体表现的感知与理解，正成为提升表现、实现突破的关键。如今，先进技术正为我们架起一座桥梁，将每一次身体活动转化为有价值的洞察，帮助我们更聪明地训练、更高效地恢复、并持续提升表现。
-
从模型部署到系统自治，AI 智能体正在边缘落地
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?
-
DPU卸载机器学习推理：PyTorch模型在BlueField-3的INT8量化部署实现2ms级ResNet50推理
在AI算力需求指数级增长的背景下，NVIDIA BlueField-3 DPU凭借其512个NPU核心和400Gbps线速转发能力，为机器学习推理提供了革命性的硬件卸载方案。通过将PyTorch模型量化至INT8精度并结合DPU的硬件加速引擎，某头部云服务商在BlueField-3上实现了ResNet50推理延迟从12ms压缩至2ms的行业突破，同时保持Top-1准确率达75.8%。
-
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)
