edge computing
PulseAugur coverage of edge computing — every cluster mentioning edge computing across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
OMNIS+框架通过动态神经网络增强边缘计算
研究人员推出OMNIS+,一个新颖的语义框架,用于面向边缘计算环境中动态拆分神经网络的无线接入网(RAN)切片。该框架通过整合动态神经压缩和自适应量化以实现任务卸载,解决了静态计算模型的局限性。OMNIS+旨在在服务质量(QoS)约束下优化移动设备的推理准确性,同时由边缘服务器管理资源分配。该系统采用多智能体分布式优化方法,与现有方法相比,QoS违规概率显著降低。
-
MLOps策略克服人机协作瓶颈
本文讨论了在MLOps中优化人机协作流程的策略,重点关注在系统演进过程中保持有效监督。文章探讨了主动学习和数据增强等技术,以提高数据质量和效率。文中还触及了合成数据和边缘计算在解决瓶颈中的作用。
-
电信基础设施成为超越模型的关键人工智能优势
电信行业正崛起为人工智能领域一个关键但未被充分认识的组成部分。随着人工智能应用越来越多地脱离传统数据中心,光纤、5G网络和边缘计算等基础设施的重要性日益增加。这些要素正成为人工智能技术栈不可或缺的一部分,表明未来人工智能领域的竞争优势可能与模型开发同等程度地源于网络能力。
-
高通在全球范围内裁员以聚焦 AI 数据中心和边缘计算
高通公司正实施全球裁员,作为其战略重心转向 AI 数据中心和边缘计算市场的举措。首席执行官 Cristiano Amon 表示,此次裁员是基于绩效的,旨在培养更强的公司文化,受影响的员工将从 11 月开始接到通知。此举正值高通面临消费电子销售下滑之际,公司寻求加强在 AI 基础设施领域的地位,这与整个半导体行业的趋势一致。
-
数据中心在人工智能、超大规模计算和边缘计算的驱动下不断发展
在超大规模计算和边缘计算需求日益增长的推动下,数据中心正在快速发展。Nvidia、AMD、Intel、Microsoft、Google、Amazon 和 Meta 等主要参与者正处于这场变革的前沿,开发先进的硬件和基础设施。数据中心的未来将涉及更高的效率、针对人工智能工作负载的专用硬件以及支持更广泛应用的分布式架构。
-
新框架通过联邦学习增强边缘计算网络安全
研究人员开发了一种新颖的信任感知联邦混合入侵检测框架(TA-FHIDF),以增强边缘计算环境中的网络安全。该框架结合了自动编码器、一维卷积神经网络(1D-CNN)和双向长短期记忆(BiLSTM)模型,用于自主特征提取。为了保护数据隐私和防止对抗性攻击,TA-FHIDF 利用联邦学习进行协作模型训练,并采用信任感知聚合机制,在全局模型集成前评估客户端的可靠性。在 UNSW-NB15 和 CICIDS2017 等基准数据集上的评估显示,检…
-
Fedora IoT 发布,成为面向边缘设备的基于容器的 Linux 发行版
Fedora IoT 已发布,这是一个为边缘计算和物联网部署量身定制的基于容器的 Linux 发行版。Fedora 的这项新产品旨在为各种边缘应用提供坚实的基础。
-
新基准发现:脉冲神经网络在无线传感方面展现优势
一项新的基准测试在边缘设备上跨五种传感模态评估了脉冲神经网络(SNN)与传统人工神经网络(ANN)的性能。研究表明,在大多数工作负载中,SNN的性能与ANN相当,但在无线传感方面,由于其与频谱-时间信号结构的天然契合,SNN展现出独特的优势。研究还强调,虽然SNN可以带来能源收益,但这些收益伴随着依赖于模态的系统成本,并提供了一个开源框架以实现可复现的基准测试和协同设计。
-
电信基础设施成为关键但被低估的人工智能组成部分
电信行业正成为人工智能基础设施的关键但被低估的组成部分。随着人工智能应用越来越多地脱离传统数据中心,光纤、5G网络和边缘计算的重要性日益增加。人工智能未来的进步可能不仅取决于模型本身,还很大程度上取决于底层网络基础设施的能力。
-
IEEE学生边缘AI竞赛:报名截止日期2026年9月6日
IEEE计算机学会正在组织极简边缘AI学生竞赛,团队报名截止日期为2026年9月6日。本次竞赛侧重于边缘计算、能源效率和人工智能。面向电气和电子工程师学会的学生会员。
-
无人机技术通过人工智能、量子计算和融合取得进展
无人机行业正经历由多种先进技术融合驱动的快速增长和转型。特别是人工智能,通过计算机视觉和机器学习,正在增强无人机的导航、物体识别和实时数据处理等能力。未来的发展将看到无人机利用自主推理和协同决策,使其能够适应动态环境并在智能集群中运行以执行复杂任务。量子计算也有望在优化大型无人机机队运营方面发挥作用。
-
Fastly 探索边缘计算在未来支付系统中的应用
Fastly 正在探索将边缘计算与支付系统集成,旨在提高安全性和效率。其 Fastly Compute 平台正被用于在更靠近用户的地方处理支付,从而减少延迟和潜在的漏洞。这种方法可能为未来更自动化和更安全的交易体验铺平道路。
-
电信基础设施成为人工智能增长的关键驱动力;诺基亚押注数据中心
电信基础设施正成为人工智能发展的关键组成部分,超越了传统的数据中心。像诺基亚这样的公司正在投资人工智能数据中心项目,以实现业务多元化并减少对电信行业周期性波动的依赖。人工智能的未来可能不仅取决于模型的开发,还取决于底层的网络能力,包括光纤、5G和边缘计算。
-
AI应用边缘计算最佳实践详解
边缘计算最适合用于AI应用的特定功能,例如身份验证检查、A/B测试、地理位置路由和速率限制。然而,它不适用于计算密集型任务,如重度AI推理、需要持久连接的数据库查询或大规模文件处理。边缘计算的战略性应用可以通过高效处理这些有针对性的轻量级操作来提高性能。
-
人工智能革新网络安全,威胁与防御并升
人工智能正在显著重塑网络安全格局,既是攻击者也是防御者的强大工具。网络犯罪分子正在利用人工智能自动化复杂的网络钓鱼和深度伪造等攻击,大大缩短了利用漏洞所需的时间。反之,安全专业人员则利用人工智能增强威胁检测、自动化事件响应和身份保护。在这一不断演变的人工智能驱动的威胁环境中,保持强大的网络卫生,包括强大的身份管理和快速补丁更新,被视为关键的防御策略。
-
新研究探讨先进的边缘智能框架和优化
近期研究论文探讨了边缘智能的进展,重点关注将AI与边缘计算相结合。其中一篇论文介绍了聚类边缘智能(CEI),一个以智能为中心的框架,用于管理和共享分布式系统中的派生智能。另一篇论文研究了多模态边缘智能中压缩、专家混合(MoE)路由和量化之间的复杂交互,强调这些技术不能独立优化。此外,还在进行面向硬件的边缘智能系统设计研究,强调模型压缩和神经架构搜索。还提出了一个独立的框架EdgeFaaS,用于管理物联网、边缘和云的异构资源,以支持各种…
-
半导体行业面临危机,转向Chiplet架构
由于传统晶体管设计的物理和经济限制,半导体行业正面临严峻危机。量子隧穿效应、Landauer热力学极限以及光刻成本的不断攀升,使得进一步小型化变得不切实际。因此,行业正转向Chiplet(芯粒)模式,将处理器分解为更小的独立芯片,然后集成到基板上,这提供了一条更可行的前进道路。
-
人工智能和量子计算要求新的网络安全韧性框架
人工智能和量子计算等技术的快速发展正超越传统的网络安全措施,这需要从以预防为中心的方法转变为以韧性为中心的方法。组织必须建立健全的框架,优先考虑持续的风险评估、适应性管理和内置韧性,以在日益互联的数字经济中维护利益相关者的信任。这一新范式侧重于组织预测威胁、抵御中断以及从网络事件中快速恢复的能力。
-
2026年世界杯将引入AI辅助裁判和智能技术
2026年世界杯将利用包括AI辅助裁判和计算机视觉在内的重要技术栈来增强赛事。配备传感器的智能足球和边缘计算也将发挥作用。此外,还将实施AI系统来打击针对球员的网络滥用。
-
人工智能成为企业新操作系统,增强人类能力
人工智能正从一个单纯的工具转变为现代商业的基础操作系统。超自动化、生成式人工智能和边缘计算等概念正在重塑工作文化,人工智能增强而非取代人类能力。未来几年,企业脱颖而出的关键将在于其建立有效的人工智能驱动工作流程的能力,而不仅仅是采用人工智能。