登录社区云，与社区用户共同成长
邀请您加入社区
在人工智能与智能制造深度融合的今天，机器人正从单一重复的执行工具，向自主感知、智能决策、高效协同的复合型智能终端演进。从工业生产线上的精密装配机器人，到服务场景中的智能交互机器人，再到特种环境下的勘探巡检机器人，每一次功能的升级、每一次效率的突破，都离不开底层算力的强力支撑。算力，作为机器人的“大脑”，直接决定了其感知精度、决策速度与执行能力。视程空间深耕AI算力领域，依托深厚的技术积淀与对机器人
本文介绍三款VSCode插件优化软件测试调试流程：TONGYILingma提供AI智能错误诊断与修复，降低40%排查成本；RemoteDevelopment支持远程环境调试，提升50%跨平台测试效率；CodeRunner实现即时代码执行验证，加速60%单元测试。这三款插件形成"调试加速三角"，组合使用可显著提升测试效率，尤其适用于自动化脚本维护、云服务测试和TDD开发场景，帮助
本文探讨了在高通跃龙QCS9075平台上优化Stable Diffusion 2.1性能的方法。通过模型配置优化（量化精度调整、子图融合）、推理参数调优（步数与引导系数平衡、缓存机制）、硬件加速配置（DSP/HTA核心分配、内存池预分配）以及图像质量提升技巧（负面提示词优化、高清修复），显著提升了推理速度（25%）、降低了资源占用，同时保证了图像质量。这些优化方案使边缘设备能更高效地运行生成式AI
本教程详细介绍了在高通QCS9075/QCS9100边缘设备上本地部署Stable Diffusion 2.1模型的完整流程。内容涵盖：1）通过GitHub脚本或Hugging Face获取预编译模型文件；2）安装匹配版本的QNN SDK；3）配置Python运行环境；4）模型部署与推理实现。教程特别强调版本兼容性检查，并提供了两种模型获取方式，使开发者能够在无云服务环境下实现高效的文生图功能，满
从手机里的端侧大模型、汽车中的智能驾驶芯片，到工厂车间的视觉检测系统、医院里的 AI 辅助诊断设备，边缘 AI 已经悄然渗透到我们生活的方方面面。做了这么多年边缘计算图谱，最让我们感动的，不是数字的增长，而是看到越来越多的企业在这个领域扎根、成长、绽放。当大模型展现出 AI 的无限可能时，业界很快发现：真正改变生活的 AI，不仅在云端，更在触手可及的边缘。随着端侧算力的提升和模型压缩技术的突破，越
神鸟云自主研发调度系统，集智能引擎，数据分析，精准分发为一体的流量算力汇聚系统平台，一方面对接8大算力枢纽和10个集群一体化算力网络。另一方面整合个人和企业的闲置带宽、IDC、大数据存储设备资源接入调度平台，精准分发到各大云厂商，构建的CDN边缘微型节点，达到用户提高下载、视频观看的体验满意度。让企业降低成本，降低网络拥塞、实现绿色节能，资源提供方、合作客户、平台方多方共赢，为提升互联网用户体验贡
近日，浪潮电子信息产业股份有限公司（以下简称“浪潮信息”）携手广东新会中集特种运输设备有限公司（以下简称“新会中集”），依托双方强大的技术与资源背景，针对预制化智算中心展开深度合作。双方致力于通过资源共享与业务协同，共同打造新一代预制化AIDC，以应对AI时代对算力的迫切需求，推动全球AI产业的快速发展。
台风“贝碧嘉”在上海浦东临港新城登陆了，外面刮着怒吼的狂风，倾盆的大雨宣泄着“贝碧嘉”的威力。瑟瑟发抖的人类，蜷缩在呜呜作响的出租屋的角落，看着抢购一空的奥乐齐货架，失望地关掉微信小程序，默默地掏出了开发板。感谢Intel的“走近开发者”活动，给了我这个试用的机会。之前是玩树莓派，还有行空板。但苦于他们俩的计算性能实在赶不上现在LLM大模型的变态算力需求。我也一直在寻找替代方案，正巧这时候参加了I
视程空间通过创新边缘计算技术，深度优化NVIDIA Jetson架构，构建高性能、低延迟的算力体系。其核心优势在于SuperMode技术，使AI算力提升70%，功耗降低30%，并实现终端-边缘-云端三级协同。在工业自动化、智慧安防和自动驾驶等场景中，该方案显著提升处理效率，如工业检测响应时间压缩至3毫秒，安防带宽成本降低90%。未来将进一步增强边缘生成式AI能力，推动实时3D内容生成等应用落地。
随着终端算力上移、云端算力下沉，在边缘形成算力融合，边缘计算逐渐深入多种应用场景，成为不可或缺的网络基础设施与支撑数字经济高质量发展的重要驱动力量。
在工业4.0和智能制造的浪潮中，产品质量的精准把控是企业竞争力的核心。ARMxy ARM嵌入式计算机BL410系列以其内置的1TOPS算力NPU，正引领着智慧工厂中的产品缺陷监测技术迈向新的高度。这款嵌入式计算机，每秒能够执行高达一万亿次的浮点运算，为复杂的图像处理和深度学习任务提供了前所未有的计算能力。一、实时图像分析，...
【摘要】2025年，中间件与边缘AI的深度融合将成为“万物智能”时代的技术基石。本文系统梳理了融合趋势、技术实现、典型应用、优化挑战与未来展望，结合最新案例与数据，全面探讨了中间件与边缘AI如何共同驱动智能家居、工业质检等领域的创新发展，并对算力、通信、安全、标准化等关键问题进行了深入分析。
当 Python 在物联网上层应用风生水起时，C 语言正以更隐蔽却关键的方式定义着嵌入式世界的底层规则。从智能汽车的温度控制芯片到 RISC-V 架构的工业控制器，从微内核操作系统到边缘 AI 预处理模块，C 语言的不可替代性源于其对硬件资源的精准掌控力和跨架构的兼容性。对于开发者而言，这意味着在掌握 Python/JavaScript 等上层语言的同时，更需深耕 C 语言在特定场景的优化技巧 —
4 月 9 日，2025 全球分布式云大会暨 AI 基础设施大会在深圳成功举办，火山引擎边缘云产品解决方案高级总监沈建发出席并以《智启边缘，畅想未来：边缘计算新场景落地与 Al 趋势新畅想》为主题，分享了边缘计算在 AI 技术趋势下，对于新场景的思考与落地实践。火山引擎边缘云以云原生技术为基础底座，融合异构算力和边缘网络，是构建在大规模边缘基础设施之上的云计算服务，覆盖现场边缘到云边缘，形成了以边
我们需要在网关配置工具中，建立从PLC Address (e.g., DB1.DBD0)到Gateway Tag (e.g., Spindle_Speed)的映射关系，并统一数据类型（Float/Integer）。这不仅降低了云平台的带宽和算力成本，更重要的是，它保证了OEE计算逻辑的实时性和可靠性，为上层应用提供了高质量的数据基座。重点解析如何通过边缘脚本实现数据的去抖、清洗与OEE因子（A/P
摘要：MITRE ATT&CK框架通过结构化攻击战术（12种）和技术（244种），为软件测试提供标准化安全评估方法。其核心价值在于自动化模拟真实攻击链（如钓鱼注入、横向移动），弥补传统漏洞扫描的不足。实施时需结合威胁建模、工具集成（如CALDERA）和动态监控，典型案例显示可提升40%攻击阻断率。尽管存在技术复杂性和误报挑战，该框架推动了测试从被动扫描转向主动对抗，未来将深化AI与跨平台应
摘要：HIPAA合规要求医疗数据自动化审计系统严格保护个人健康信息(PHI)。测试人员需验证系统可靠性，重点关注访问控制、审计日志和数据脱敏等核心要素。通过PDCA循环分阶段测试，结合ELK、Splunk等工具构建自动化测试框架，覆盖从数据收集到报告生成全流程。测试策略应风险导向，嵌入CI/CD实现持续合规验证，同时应对实时性不足等挑战。未来AI驱动审计将扩展测试边界，但严谨的自动化验证仍是基础。
摘要：软件测试领域正经历AI驱动的变革。传统工具Jira虽仍是行业基石，但存在手动依赖度高、数据分析薄弱等局限。新兴AI测试平台（如TestAI、DeepTest）利用机器学习实现智能测试生成、实时缺陷预测等功能，将测试效率提升50%-70%。对比显示，AI平台在缺陷检测、可扩展性等方面优势明显，但面临学习曲线高、幻觉风险等挑战。建议采取渐进式采用策略，结合Jira的任务管理与AI执行层。未来趋势
视程空间联合NVIDIA推出ARC NVIDIA Jetson Thor系列机器人开发平台，搭载Blackwell架构GPU，AI算力达2070FP4TFLOPS，配备14核ARM CPU和128GB LPDDR5X显存。平台支持多传感器融合、实时视频处理及极端环境运行，预装JetPack7和全栈AI工具链，适用于工业、服务和特种机器人场景。通过丰富的接口和紧凑设计，该平台为开发者提供高性能、高兼
本文详细介绍了在RDKS100嵌入式设备上利用BPU加速运行大语言模型(DeepSeek 1.5B)的全过程。主要内容包括：1)通过FTP获取推理引擎包和专用模型文件；2)使用scp安全传输大文件到设备；3)配置BPU运行时环境并解决内存分配问题；4)通过修改设备树调整BPU专属内存配额；5)对比原生BPU推理与Ollama模拟的差异。文章提供了完整的操作指令和排错指南，特别针对BPU专属内存不足
1、检查系统环境检查系统环境，一般都已经安装好jetpack了，所以我们只需要查询jetpack版本跟系统环境信息执行cat和查看。2、下载安装pytorch进入nvidia网址安装适配的 pytorch-gpu版本（不建议安装cpu，基本上不能应用ai例如本机使用的 jetpack 5.1.2，选择v2.1.0 版本即可。既然找到网址了我一般是下载好whl文件然后本地下载，下载好了之后直接pip
给orin刷机！
2026年远程协作3.0工具正深刻重塑软件测试行业。以AI驱动、多模态交互和云端协同为特征的第三代工具，覆盖从需求分析到自动化测试的全生命周期。三大类工具各具优势：AI驱动型提升测试精准度，实时协作平台强化团队同步，集成化测试套件实现端到端管理。在金融、电商等场景中，这些工具显著缩短测试周期、提升覆盖率。尽管面临数据安全等挑战，未来趋势指向AI深度融合和可持续发展。测试从业者需积极拥抱变革，构建高
生活平衡是软件测试从业者的战略资产，而非奢侈。它要求建立“平衡指数”（如工作/休闲时间比1:1），并通过日常实践转化为习惯。长期看，投资技能多元化（如学习AI测试或DevOps），能分散压力源，提升职业韧性。行业层面，呼吁企业推行弹性工时或心理健康支持，让测试团队在创新中保持活力。最终，平衡的艺术在于选择与坚持——在代码之外，构建一个稳定、可维护的生活架构，让测试工作成为充实而非消耗的旅程。正如量
山东以政策筑基和技术实践双轮驱动AI测试发展，将AI测试纳入工业强省战略核心，计划2026年实现重点产业60%自动化测试渗透率。通过建设数智城市测试平台、发布全国首个AI测试地方标准，构建覆盖算法鲁棒性等23项指标的评估体系。技术层面突破智能测试工具链，在智能制造、智慧城市等领域实现场景落地，如海尔工业平台故障恢复时间缩短至8.3秒。同步推进10万人AI测试工程师培养计划，针对数据集匮乏等瓶颈，提
摘要：边缘计算技术快速发展，2026年AI驱动的实时数据处理需求激增，软件测试人员需掌握边缘特有挑战。本文基于行业趋势精选六大高价值认证：AWS边缘计算专家认证（测试5G环境服务可靠性）、Azure物联网边缘专家认证（验证数据预处理逻辑）、Google云物联网工程师认证（优化边缘AI模型）、思科边缘网络认证（确保车联网可靠性）、Linux基金会边缘计算认证（构建容器化测试环境）及ISACA边缘安全
摘要：2026年边缘计算测试面临低延迟保障的核心挑战，包括网络波动、资源受限和测试覆盖不足等问题。AI技术通过模型压缩、硬件加速和边缘-云协同等方案优化延迟，已在医疗、工业质检和车联网等领域取得显著成效。测试从业者需采用分层策略、自动化工具和性能评估框架，应对异构设备和实时处理的挑战。未来边缘-云智能协同将成为主流，测试方法论将持续迭代以支撑实时智能应用的发展。
在当今数字化时代，数据的价值日益凸显，但同时数据隐私和安全问题也备受关注。联邦学习与边缘计算的结合为解决这些问题提供了新的思路，并且有望推动AI原生应用的发展。本文的目的就是深入剖析这种结合的原理、实现方式以及对未来AI原生应用的影响，范围涵盖了相关概念解释、技术原理、实际应用和未来展望等方面。本文首先会介绍联邦学习、边缘计算和AI原生应用的核心概念，然后讲解它们之间的关系以及结合的原理。接着通过
视程空间推出专为机器人设计的ARCSC6N0AGX算力平台，突破传统通用型算力局限，实现高性能与轻量化平衡。该平台具备多模态AI处理能力，毫秒级响应，支持工业机器人精密作业和服务机器人智能交互。采用紧凑集成设计，适配各类机器人结构，并通过严苛环境测试，确保极端条件下的稳定运行。在智能制造、智慧服务、特种作业和医疗等领域，该平台显著提升机器人作业精度与效率，如使AGV物流效率提升40%、降低工业机械
无论是智慧城市中成千上万个智能路灯节点，还是自动化工厂里每一个灵巧的协作机器人，RK3576 都将凭借其强大的算力、多媒体灵活性和工业级的安全性，成为推动边缘计算加速落地的核心引擎。TF32 可以在不牺牲精度的前提下，显著加速深度学习模型的推理过程，这使得该处理器能够直接加载许多在 FP32 环境下训练出的模型，而无需复杂的重训练过程 1。例如，在风电场监测中，RK3576J（工业级型号）可以在
在人工智能物联网（AIoT）飞速发展的背景下，边缘计算设备对高性能、低功耗以及强大 AI 推理能力的需求日益迫切。瑞芯微（Rockchip）推出的 RK3576 作为其第二代高性能 AIoT 平台，凭借先进的 8nm 工艺、八核处理器架构以及高达 6 TOPS 的算力，精准地填补了中高端市场的空白 1。该处理器不仅在计算架构上实现了跨越式的升级，更在多媒体处理、高速接口和工业级适应性方面展示了深厚
本文详细介绍了在RDKS100开发板上部署大语言模型的完整流程和技术原理。主要内容包括：1）模型部署的四个关键步骤：下载原始权重、格式转换、量化压缩和推理引擎运行；2）Ollama工具的作用及运行机制，包括其客户端/服务器架构设计；3）RDKS100硬件特性，对比CPU和BPU的运行差异；4）具体操作流程和系统资源管理方法，包括启动、运行和终止模型服务的详细指令。文章特别强调了量化技术的重要性，以
大数据技术正重塑社会发展模式，其核心特征为"5V"（海量、高速、多样、真实、低价值密度）。完整技术架构涵盖采集、存储、处理到可视化全链路，通过分布式存储和实时计算实现数据价值挖掘。在金融风控、医疗诊断、智慧交通和零售营销等领域深度应用，显著提升行业效率。未来呈现AI融合、边缘计算、隐私保护等六大趋势，但需平衡技术创新与伦理约束。大数据已从工具演变为基础设施，其发展将深刻影响人类
当海量的半结构化数据（如JSON日志、IoT传感器数据、社交媒體內容）遭遇传统集中式大数据处理的“带宽瓶颈”与“延迟痛点”，边缘计算成为了破局的关键。本文将以“快递驿站处理不规则包裹”的生活化比喻，拆解大数据、边缘计算与半结构化数据的核心逻辑；通过一步步推理解析边缘分布式处理的技术原理，结合代码示例（Python+Flink Edge）与流程图（Mermaid）展示实现细节；并以智能工厂“设备异常
本文介绍了玻璃制造厂AI识别监控系统的建设方案。系统基于智能化转型需求和安全升级要求，采用分层架构设计，集成高清摄像头、AI视觉分析等技术，实现对人员行为、区域入侵等关键场景的智能识别。方案具有多平台访问、权限管理、数据整合等功能，同时兼顾经济性、兼容性和可扩展性。系统解决了复杂环境下的识别准确性、多系统兼容等技术难点，为提升玻璃制造厂的生产效率和安全管理水平提供了智能化解决方案。
随着施工规模扩大与现场节奏加快，传统工地安全管理逐渐暴露出判断与响应上的局限。本文从大型施工现场的实际变化出发，分析了安全管理向现场 AI 判断演进的必然性，并梳理了一套可长期运行的本地 AI 安全管理思路。
智能设备是它的身份。边缘计算是它的站位（离用户近）。边缘AI是它的技能。
本文通过对比小智AI音箱中不同语音模型的推理功耗，分析了模型架构、量化策略与硬件加速对能效的影响，提出混合精度量化、自适应批处理与NPU卸载等优化方法，实现在保障识别准确率的前提下显著降低边缘设备能耗。
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
2048 AI社区
九章云极普惠算力
NVIDIA DRIVE 智能汽车专区
火山引擎 ADG 社区
