edge computing
PulseAugur coverage of edge computing — every cluster mentioning edge computing across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
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。
-
物联网 2.0 需要实时分析、边缘 AI 和高级连接性
物联网 (IoT) 正在演变为物联网 2.0，要求互联系统不仅收集数据，还要实时解释和响应数据。这一转变由边缘计算和人工智能的集成驱动，需要超越简单连接性，转向支持更丰富数据、更低延迟和更高设备密度的网络。Wi-Fi HaLow 等新兴技术正在被探索，以创建满足这些新需求的本地化、高性能网络，尤其适用于工业和大规模部署。
-
边缘计算和人工智能通过实时数据处理改变制造业
边缘计算对于现代制造业至关重要，它通过将处理能力移近机器，实现实时数据分析和瞬时决策。预计到2028年，这一转变将推动全球超过3800亿美元的支出，其中大部分数据将在传统数据中心之外处理。人工智能通过促进预测性维护、优化工作流程和提高能源效率，进一步增强了边缘能力，同时也加强了网络安全措施，以应对日益增长的工业威胁。
-
SPARC AI 开创 GPS 自由无人机导航新纪元；AI 赋能金融、光学及专业服务领域变革
SPARC AI 开发了一种新型的自主系统 GPS 自由导航系统，利用先进的 AI 和边缘计算技术，应用于国防、救援和商业领域。该技术仅凭视觉数据即可实现精确地理定位，无需传统的 GPS 或专用硬件。此外，AI 也在革新金融科技，例如 GMind 公司将其用于交易平台；并推动专业服务领域的变革，CohnReznick 指出 AI 可实现实时合规和运营效率提升。AI 还在光学超表面设计方面取得进展，推动成像和计算技术的创新，并预计到 2…
-
专家预测 2026 年九大 AI 趋势，包括生物 AI 和边缘代理
AI 格局已超越简单的泡沫，专业化的生物 AI 和本地化的边缘计算代理正成为关键领域。九个具体趋势预计将塑造 2026 年的市场，表明正朝着“实用优先”的方法成熟。这种转变表明，重点将放在实际应用和基础设施上，而非投机性增长。
-
Intel聘请高通老将Alex Katouzian领导客户端计算和物理AI部门
Intel已任命拥有25年经验的前高通高管Alex Katouzian为其客户端计算和物理AI部门的新任执行副总裁兼总经理。此外，Pushkar Ranade已被正式任命为Intel的首席技术官。这些领导层变动表明Intel正专注于推进其技术战略，特别是在量子计算、神经形态计算和AI驱动的边缘计算系统等领域。