登录社区云，与社区用户共同成长
邀请您加入社区
微动疲劳与磨损是机械工程领域中一类重要的表面失效形式，广泛存在于螺栓连接、花键配合、叶片-盘连接、轴承、齿轮等关键工程结构中。本教程系统介绍微动疲劳的物理机理、数学模型和数值仿真方法，包括Hertz接触理论、Mindlin局部滑移理论、微动图（Fretting Map）方法、Archard磨损模型以及多轴疲劳寿命预测理论。通过两个完整的Python仿真实例，读者将掌握微动疲劳寿命预测、表面形貌演化
原位测试与仿真是现代材料力学研究中的核心技术，它将实验观测与数值模拟紧密结合，为材料性能表征、损伤机制分析和模型验证提供了强有力的工具。本教程系统介绍原位扫描电子显微镜（SEM）测试和数字图像相关（DIC）方法的原理与实现，通过两个完整的Python实例演示：（1）基于DIC的位移场和应变场测量；（2）原位SEM测试与有限元仿真的耦合分析。读者将学习如何建立实验-仿真协同分析框架，实现模型参数反演
云边协同并非取代关系，而是构建“云—边—端”三层架构：端负责采集与执行，边侧重实时处理与本地决策，云承担全局分析与模型训练。其优势包括低延迟、带宽优化、隐私安全、断网容错及资源高效利用，广泛应用于智慧城市、自动驾驶、工业互联网等领域。协同模式涵盖数据、智能、业务编排、应用管理、服务与资源等多维度。然而，实际落地仍面临任务调度复杂、异构标准不统一、网络不稳定、安全隐私风险、协同训练效率低及运维成本高
本文介绍了边缘计算的基本概念及其与云计算的区别。边缘计算是一种分布式计算范式，将数据处理放在靠近数据源的本地设备或局域网中，而非集中到云端，能够实现低延迟响应。与云计算相比，边缘计算更适用于实时性要求高、隐私性强的本地场景。文章分析了边缘计算解决的关键问题，包括带宽不足、功耗过高、延迟大和数据隐私风险等，并阐述了其技术优势，如分布式计算、效率高、智能化等。最后列举了智慧工地、自动驾驶、人脸识别门禁
《云计算瓶颈与边缘计算的兴起》摘要： 云计算虽解决了算力弹性、成本优化等七大问题，但在万物智联时代面临三大瓶颈：1)物理延迟导致实时响应不足；2)海量数据传输带宽成本过高；3)网络依赖造成稳定性风险。同时面临AI算力短缺、成本失控、安全挑战等新问题。边缘计算应运而生，通过将算力下沉至数据源头，实现毫秒级响应、本地数据处理和断网自治能力。云边协同形成新格局：云计算处理全局性业务，边缘计算负责实时响应
迁移学习（Transfer Learning）是机器学习领域的重要分支，它利用源域（Source Domain）的知识来帮助目标域（Target Domain）的学习任务。在结构健康监测（Structural Health Monitoring, SHM）领域，迁移学习具有重要的应用价值：数据稀缺性问题结构健康监测面临的最大挑战之一是标注数据的稀缺性。获取结构损伤数据需要：迁移学习通过利用其他相关
随着结构健康监测系统中传感器数量的激增和数据采集频率的提高，传统的云计算架构面临着带宽瓶颈、延迟过高和隐私安全等挑战。边缘计算与雾计算作为新兴的计算范式，通过将计算能力下沉到网络边缘，为结构健康监测提供了低延迟、高效率、强隐私的解决方案。本主题系统介绍边缘计算与雾计算的基本概念、架构特点、关键技术及其在结构健康监测中的应用。重点阐述边缘智能算法、雾层协同计算、数据预处理与压缩、以及边缘-雾-云协同
这一创新方法巧妙地将物理定律嵌入神经网络的损失函数中，实现了数据驱动与物理约束的完美融合。PINN可以从稀疏的裂纹扩展观测数据中，同时学习物理规律和材料参数，实现更准确的寿命预测。特别是在结构耐久性领域，获取全寿命周期的试验数据几乎是不可能的。特别是在裂纹尖端，奇异性场的准确捕捉需要极其精细的网格，这进一步加剧了计算负担。从原子尺度的位错运动到宏观尺度的结构响应，多尺度仿真传统上需要复杂的尺度桥接
**数字孪生（Digital Twin）**是指通过数字化手段在虚拟空间中创建物理实体的精确映射，实现物理世界与数字世界的实时同步与交互。数字孪生不仅是一个静态的3D模型，更是一个动态的、可交互的虚拟副本，能够反映物理实体的实时状态、预测未来行为并支持决策优化。数字孪生的核心特征包括：数字孪生的概念最早由NASA在阿波罗计划中提出，用于在地面模拟航天器的状态。随着物联网、大数据、人工智能等技术的发
量化技术是AI模型落地的关键环节，通过降低模型参数量化位数减少推理成本。2023-2026年涌现了GPTQ、AWQ、AQLM等方法，分别通过Hessian逆补偿、激活感知保护和加法量化实现高效压缩。LLM量化需解决激活异常值问题，SmoothQuant和QuaRot通过数学变换和Hadamard旋转优化W4A4量化。CV领域依赖TensorRT的Q/DQ融合和硬件定制优化。2026年前沿突破包括T
本文介绍了如何在星图GPU平台自动化部署通义千问3-Reranker-0.6B镜像，实现高效的模型量化与推理加速。该镜像专为文本重排序任务优化，可应用于智能搜索、文档排序等场景，显著提升边缘设备的AI处理效率。
本文介绍了如何在星图GPU平台上自动化部署通义千问3-14B镜像，充分发挥其在边缘设备上的低功耗、高精度推理能力。通过平台一键部署，用户可快速构建本地化AI服务，典型应用于制造业设备点检报告自动生成、多语种商品描述批量生成及野外科研笔记结构化等场景，显著提升边缘智能落地效率。
本文探讨了如何整合Trae Solo+的边缘计算能力、豆包Version1.6的轻量级AI模型以及Seedream4.0的实时数据处理框架，构建一个高效、准确的“AI识菜通”系统。文章详细解析了系统架构设计、关键技术实现、性能优化策略及实际应用场景，展示了AI技术在日常生活领域的创新应用。通过实验验证，该系统在图像识别准确率和响应速度上均表现优异，为智能厨房和健康饮食管理提供了技术支撑。
边缘计算（Edge Computing）是一种分布式计算范式，它将计算和数据存储资源从传统的集中式云端推向网络边缘，靠近数据源和终端用户。这一概念源于物联网（IoT）的快速发展，以及对低延迟、高带宽、实时处理能力的迫切需求。在传统的云计算架构中，所有数据都需要传输到远程数据中心进行处理，这导致了显著的延迟。对于许多实时应用，如自动驾驶、工业控制、远程医疗等，这种延迟是不可接受的。边缘计算通过在数据
【摘要】快递行业低空经济正迎来前所未有的发展机遇。顺丰、京东、美团和中国邮政在无人机物流领域各展所长，技术创新、运营模式、市场布局和政策环境共同推动行业变革。本文系统梳理行业现状、企业对比、技术演进、未来趋势与挑战，深度剖析低空经济在快递行业的全景图谱。
边缘计算（Edge Computing）作为云计算向网络边缘的延伸，正在深刻改变结构健康监测（SHM）系统的架构与性能。本主题系统阐述边缘计算在结构健康监测中的理论基础、技术架构与工程应用。首先介绍边缘计算的基本概念、发展背景及其与云计算、雾计算的关系，分析边缘计算在SHM中的独特优势，包括低延迟响应、带宽节约、隐私保护和离线工作能力。其次深入探讨边缘计算在SHM中的关键技术，包括边缘节点硬件平台
以边缘 AI 视觉分析为核心，覆盖无人场站（周界安防、 区域准入、作业管控 、设施巡检 、环境预警、应急处置、远程运维）全场景，核心解决无人场站空间跨度大、现场无常驻人员、安全管控盲区多、突发事件响应滞后、人工巡检成本高的核心痛点，为场站真正实现无人值守、少人运维提供全链路视觉能力支撑。系统可联动现场音柱、声光报警器、门禁、消防系统等设备，突发事件发生时，自动开启现场声光告警、远程语音喊话、涉事区
摘要：算法殖民与数字主权觉醒 算法殖民通过推荐系统、流量分配和数据处理，悄无声息地重塑着现代人的注意力、价值观和生活节奏。它不靠强制，而是通过精心设计的内容推送、情绪刺激和价值引导，让用户自愿交出时间、判断力和数字资产主权。真正的危机不在于某个具体平台或AI模型，而在于整个数字生态的结构性权力失衡——当平台掌握内容分发权、算法定义认知框架、流量决定舆论焦点时，用户的自主选择空间正在系统性萎缩。 数
本文介绍了一款企业级AI视频管理平台，通过解耦设计与容器化技术实现全硬件适配，支持X86与ARM架构混合部署。平台采用硬件抽象层封装不同厂商的SDK驱动，简化开发流程，并支持多协议统一接入，打破品牌壁垒。核心功能包括算法商城、告警联动和数据标注，形成"采集-标注-训练-部署"闭环。源码交付和微服务解耦设计为集成商提供二次开发便利，显著降低开发成本。该平台将复杂算法部署简化为&q
AI边缘计算设备，简单来说就是将人工智能计算能力从云端数据中心下移到数据产生的源头附近，是一套集硬件与软件于一体的智能硬件系统。其核心构成包括AI加速芯片（GPU、NPU、ASIC等）、嵌入式计算单元、传感器模块及专用AI算法软件，核心优势的是能在本地完成数据采集、处理、推理与决策，无需过度依赖远程云端资源。
全志T527的核心价值，在于“精准匹配工业需求”——不追求参数极致堆砌，而是通过架构优化、工业级可靠性设计与全接口适配，解决工业场景中“算力不够、不稳定、适配难、成本高”的核心痛点。作为国产工业级AI芯片的务实之作，其规模化落地不仅验证了国产芯片的技术实力，更为工业智能化提供了高性价比、自主可控的算力解决方案，打破了海外芯片在中高端工业场景的垄断。
USR-N720-C1是济南有人物联网推出的国产化4G边缘数采网关，采用RISC-V处理器和OpenHarmony系统，具备三大核心能力：1）工业级硬件设计，支持-40℃~85℃工作环境；2）边缘计算功能，可处理1000点位数据并降低云端负载30%；3）双网冗余通信与断网续传，确保数据安全传输。该设备已成功应用于智慧工厂、光伏电站等领域，实现设备联网率100%、运维成本降低70%的效果，为工业物联
边缘计算作为分布式计算的重要分支，通过在数据源头就近处理信息，显著降低了网络延迟和带宽压力。其核心技术原理依赖于高性能嵌入式硬件与AI加速架构的融合，在智能制造、自动驾驶等领域展现出巨大价值。以IBASE MBB1002 eATX主板为代表的边缘AI平台，搭载AMD EPYC Embedded 8004系列处理器和DDR5-4800 ECC内存，提供了高达576GB容量和PCIe Gen5扩展能力
本文详细介绍了TDA4VM开发环境搭建与SDK配置的全流程，涵盖硬件选型、系统配置、SDK部署、TIDL工具链使用及OpenVX视觉流水线开发等关键环节。针对常见问题提供避坑指南，帮助开发者快速掌握边缘计算和自动驾驶领域的核心技术，提升开发效率。
辐射换热与传质耦合是工程热物理领域的重要研究方向，涉及蒸发冷却、燃烧过程、大气科学、材料加工等众多应用场景。本主题将系统介绍辐射与传质耦合的基本理论、数学模型和数值方法，重点探讨辐射对相变传质的影响、参与性介质中的辐射-扩散耦合、以及多孔介质中的辐射-对流传质问题。通过Python仿真程序，我们将模拟液滴蒸发过程中的辐射效应、湿空气在辐射场中的传热传质、以及工业干燥过程中的耦合现象，为理解这一复杂
随着工业4.0和智能制造的快速发展，辐射换热仿真正从传统的离线计算模式向实时在线模式转变。边缘计算作为一种新兴的计算范式，将计算能力下沉到数据源头，为辐射换热的实时模拟提供了全新的技术路径。本主题系统介绍边缘计算在辐射换热实时模拟中的应用，包括边缘计算架构设计、轻量化模型开发、模型压缩与加速技术、实时数据流处理、以及典型工业场景的解决方案。通过本主题的学习，读者将掌握如何在资源受限的边缘设备上实现
在当今云计算驱动的技术浪潮中，软件测试领域正悄然上演一场现代版的“封建农奴制”。这一比喻并非危言耸听，而是对测试从业者现实困境的精准刻画——如同历史中农奴被束缚于土地、受制于领主，测试工程师常被禁锢于重复性任务、工具依赖与管理层决策中，丧失创新自由。本文将从软件测试的专业视角，剖析“云封建农奴制”的成因、表现及破解之道，助力从业者挣脱枷锁，拥抱技术民主化。
《AI驱动下的软件测试职业重构：从濒危岗位到智能质量工程师的进化路径》 摘要： 随着AI测试智能体实现95%的执行成功率，传统软件测试岗位正面临结构性变革。7类基础测试岗位（如手工测试员、数据构造专员等）因技术代际差、价值链条重构和经济效率法则而濒临淘汰。与此同时，三类新兴职业正在崛起：质量智能策略师、AI测试架构师和垂直领域质量工程师。职业转型需遵循三阶段路径：掌握智能测试工具（基础层）、培养数
在人形机器人与工业智能化加速发展的今天，视程空间将继续坚守技术创新初心，深耕两大核心场景，持续迭代高算力产品矩阵，深化软硬协同优化能力，提升实时控制性能与工业级可靠性，以更强大的产品、更完善的解决方案、更专业的服务，赋能人形机器人产业规模化发展，推动工业制造向更高质量、更高效率、更智能化的方向升级，与行业伙伴携手，共筑人形机器人与工业智能的全新未来。赋能汽车、电子、机械等工业领域的产线升级，实现机
边缘计算（Edge Computing）是一种分布式计算范式，它将计算和数据存储放在靠近数据生成源头的网络边缘，而不是完全依赖于远程的云服务器。
本文深度评测了一款企业级AI视频管理平台，该平台通过统一协议栈和异构计算架构，有效解决安防系统集成中的碎片化难题。核心优势包括：1）协议中台化设计，支持GB/T28181、RTSP/ONVIF等主流协议接入；2）边缘推流技术降低带宽消耗；3）跨平台异构部署能力，适配x86/ARM架构及国产芯片；4）低代码API设计大幅缩短开发周期。平台提供源码交付和私有化部署方案，支持二次开发与算法闭环管理，显著
本文展望 2026 年 AI 走进工厂的变革，核心在于机器视觉与强化学习的深度耦合。通过构建数据底座与边缘智能架构，生产线将实现从被动执行到自主决策的跨越，具备设备自愈、动态排产及良品率实时优化能力，真正让生产线自己会思考。
这篇文章介绍了一款创新的机房监控解决方案，采用壁挂式边缘计算网关实现机房设备的统一管理。该网关集成8个串口、10路DI、6路DO和12路PoE网口，可同时接入UPS、空调、传感器等多种设备，支持市电中断时自动切换至内置电池供电。其核心优势在于：1）通过本地AI分析实现仪表读数识别、安防监控等功能，避免视频流上传；2）内置多协议转换引擎，统一不同设备的通信标准；3）紧凑设计节省80%机柜空间，适应各
《行星级压力测试：数字时代全球系统的韧性验证新范式》摘要： 随着云计算和物联网技术的发展，传统压力测试已演进为"行星级系统压力测试"。这种新型测试范式突破单数据中心局限，模拟全球数十亿用户和海量设备对系统的极限冲击，验证系统支撑全球数字生态的能力。其核心特征包括：重新定义规模极限至数十亿并发；全域模拟复杂场景；应对数据洪流与一致性挑战；宏观监控资源消耗。实施方法涉及战略规划、超
边缘计算
——边缘计算
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
AtomGit开源社区
openEuler 社区
DeepSeek技术社区
快递鸟社区
开源鸿蒙跨平台开发者社区
AMD开发者中国社区
