登录社区云，与社区用户共同成长
邀请您加入社区
实测时发现，如果不做位置寄存器的同步采样，速度环计算会引入约2us的抖动。PDO映射函数里的0x1600对应对象字典里的控制字区域，调试时发现如果映射长度不是8的整数倍，从站会报SM配置错误。最后提一嘴原理图里的TVS阵列：ECAT网口用了Bourns的CDSOT23-SM712，比常规的二极管方案节省70%的PCB面积。之前因为这个配置顺序问题，折腾了一整天——DSP的复用功能配置必须在外设初始
本文聚焦于5G异构网络环境下，构建了一种新型“多无人机移动边缘计算（MEC）”系统。该系统将多架无人机作为空中边缘云，为大规模移动用户提供服务。为实现系统能耗的有效降低，需同时优化无人机部署（数量与位置）以及任务调度（本地执行或卸载至无人机，以及资源分配）。为此，提出双层优化框架：上层采用基于差分进化（DE）的“淘汰算子”算法，自适应减少无人机数量，直至刚好满足所有任务的时延约束；下层将任务调度转
在产品与服务形态上，提供包括裸金属、容器及虚拟机在内的多种交付方式，并结合模型环境预置与一键部署能力，降低企业使用 AI 算力 的技术门槛。同时，公司也在探索更灵活的算力计费与服务模式，以适配不同阶段客户的使用需求。持续推进分布式算力网络建设，公司计划通过在全国构建超过2000个区县级边缘节点，形成广泛覆盖的分布式算力网络。将继续推进“云-边-端”协同的算力网络建设，强化边缘侧与中心侧的协同能力，
未来，吉快科技将继续秉持“让世界更小、让速度更快”的理念，持续加大边缘算力基础设施、AI边缘融合、绿色节能技术研发投入，深化全国节点布局与行业解决方案落地，以更稳定、更高效、更绿色的边缘云服务，助力企业数智化转型，为中国数字经济高质量发展注入持续动能。凭借强劲实力，吉快科技连续两年入选中国互联网成长型20强，斩获“金边奖・边缘算力基础设施领导者”、国家高新技术企业、福建省未来独角兽、厦门市专精特新
随着物联网、大数据和人工智能等技术的飞速发展，对无线通信的需求日益增长。传统的集中式网络结构已无法满足日益复杂的应用场景，尤其是突发性灾难事件的应急通信需求。移动边缘计算 (MEC) 技术将计算资源和数据存储能力扩展到网络边缘，为用户提供低延迟、高带宽的服务，成为解决应急通信挑战的重要技术。无人机 (UAV) 以其灵活机动、部署便捷的优势，能够作为移动边缘计算节点，构建空中移动通信网络，为灾区提供
随着物联网、大数据和人工智能技术的快速发展，对无线网络性能和计算能力的需求不断增长。传统集中式云计算面临着高延迟、带宽瓶颈和隐私安全等问题，无法满足日益增长的移动应用需求。移动边缘计算 (Mobile Edge Computing, MEC) 作为一种新兴的计算架构，将计算资源和数据存储移至网络边缘，为用户提供低延迟、高带宽和高可靠性的服务。而无人机 (Unmanned Aerial Vehicl
一、边缘计算的数据挑战资源受限：CPU、内存、存储有限网络不稳定：需要断网续传能力实时性高：毫秒级响应要求本地自治：边缘侧独立运行能力二、边缘时序数据库选型特性SQLiteRedisTDengine 边缘版存储容量小中大时序优化无无有数据压缩无无有断网续传无无有云边同步无无有三、TDengine 边缘版架构设备层：传感器 + PLC↓边缘层：TDengine 边缘版 + 本地应用↓网络层：4G/5
在您此前开展的智能配电网优化调度、无人机集群边缘协同通信研究中，移动边缘计算（MEC）作为5G/6G时代物联网（IoT）应用的核心算力底座，正面临海量动态请求带来的严峻挑战。
多无人机辅助的多接入边缘计算（MEC）作为空天地一体化网络的核心组成部分，能够为地面用户提供灵活的计算卸载与通信服务，在应急救援、巡检监测等场景中展现出巨大应用潜力。然而，无人机机载能量有限，传统正交多址接入（OMA）框架下多用户并行卸载时频谱资源冲突严重，系统能耗居高不下，严重制约了无人机的续航时长与服务覆盖范围。
随着移动互联网和物联网的迅猛发展，大量智能设备接入网络，数据量呈爆炸式增长。传统的云计算模式将数据传输到远程数据中心进行处理，面临着高时延、高能耗以及网络拥塞等问题。移动边缘计算（MEC）应运而生，它将计算资源下沉到网络边缘，使数据能够在靠近用户的位置进行处理，大大降低了数据传输时延，提升了用户体验。无人机因其具有灵活部署、快速响应等特点，逐渐被引入到 MEC 系统中，形成无人机辅助的 MEC 系
本文介绍了如何在星图GPU平台上自动化部署Flowise镜像，快速构建可视化AI工作流。该平台简化了部署流程，使企业能够在本地或边缘环境中轻松搭建应用。Flowise的核心应用场景包括构建无需编码的智能零售门店AI助手，实现顾客咨询的实时语音转文字与智能问答，有效保障数据隐私并降低网络延迟。
本文介绍了如何在星图GPU平台上自动化部署Phi-3.5-mini-instruct镜像，实现边缘设备上的轻量级文本生成。该模型特别适合Jetson Orin等边缘设备，支持128K长文本处理，可应用于本地智能助手、工业文档生成等场景，兼顾高效推理与数据隐私保护。
本文介绍了如何在星图GPU平台上自动化部署sensevoice-small-轻量级多任务语音模型的 ONNX 量化版WebUI V1.0镜像，快速搭建本地语音识别服务。该方案无需独立GPU，可在普通CPU服务器上运行，适用于会议录音转文字、生成文字纪要等对数据隐私和离线处理有要求的边缘计算场景。
优秀的工业网关会在保证业务逻辑（如Docker容器运行、Modbus轮询）不卡顿的前提下，精细控制功耗。通过合理的架构设计，完全可以在不牺牲性能的前提下，克服储能柜等极端环境的热挑战。重点分析无风扇散热结构、宽温级晶振/电容的选型逻辑，以及Linux内核层面的温控策略，为开发者提供高可靠网关的设计参考。例如，在75℃工况下，钽电容的耐压值和纹波电流承受能力会下降，设计时需预留50%以上的余量。的算
本文介绍了如何在星图GPU平台上自动化部署MedGemma-X智能影像诊断镜像，实现AI在边缘计算设备上的轻量化应用。该平台简化了部署流程，用户可快速搭建环境，将模型应用于医学影像的即时分析与辅助诊断，例如分析胸部X光片并生成专业观察结论，提升基层医疗的诊断效率与数据隐私安全性。
本文介绍了如何在星图GPU平台上自动化部署Clawdbot 汉化版 增加企业微信入口镜像，实现本地化AI助手服务。依托星图GPU的容器化能力，用户可快速完成部署，典型应用于家庭智能管家场景——如语音唤醒、企业微信消息收发、本地文件管理及定时提醒等，兼顾隐私安全与低功耗持续运行。
本文介绍了如何在星图GPU平台上自动化部署通义千问3-Reranker-0.6B镜像，实现边缘计算场景下的智能文档检索。该轻量化模型能在网络受限的本地环境中，快速对初步检索结果进行精排，提升答案相关性，典型应用于智能工厂的产线设备故障排查与手册查询。
