登录社区云，与社区用户共同成长
邀请您加入社区
说实话，第一次听说 Cloudflare Agents SDK 的时候，我脑子里全是问号：这玩意儿和 LangChain 有啥区别？Durable Objects 又是啥？边缘部署 AI 真的能省 latency 吗？抱着试试的心态，我花了一晚上折腾了这个 Demo。结果挺意外的 —— 部署确实快，但坑也不少。这篇文章就是想记录一下真实的上手过程，不是 polished 的教程，而是带着 bug
废品率降了35%：预测性维护提前换砂轮，AI检测实时挑废品。产能提升了20%：通过大数据分析找到了瓶颈工位，优化了生产流程。运维成本降了50%：Grafana报表实时监控，不用人工巡检。云边协同要“分层”：实时的事边缘干，非实时的事云端干，不要把所有事都推给云端。选成熟的云平台/组件：EMQX、InfluxDB、Grafana都是经过千锤百炼的，直接用，不要自己造轮子。断网缓存是必须的：工业现场网
随着物联网设备数量突破500亿（IDC 2023数据），工业传感器、车载摄像头、智能家居设备每天产生的海量数据，正以“洪水”般的速度冲击传统云计算架构。本文将聚焦“边缘计算”与“AI原生决策支持”的技术融合，解释这种融合为何能解决传统模式的痛点，并通过实战案例展示其落地方法。本文将从“为什么需要边缘+AI”的生活场景切入，解释两个核心概念的原理，用“小区快递站”类比边缘计算，用“智能小管家”类比A
在当今数字化时代，AI原生应用如雨后春笋般涌现，像智能家居、智能交通等。而边缘计算和分布式推理在这些应用中起着至关重要的作用。本文的目的就是详细介绍边缘计算和分布式推理在AI原生应用中的原理、应用和发展。范围涵盖从基础概念的解释到实际项目的应用，以及未来的趋势分析。本文首先会介绍边缘计算和分布式推理的核心概念，用生活中的例子让大家轻松理解。然后讲解它们之间的关系，通过流程图展示工作流程。接着会介绍
2026 年总台春晚歌咏创意秀《贺花神》以 “一月一人一景，一花一态一观” 的视觉盛景惊艳全场，其核心突破在于将AI 生成影像（AIGC） 与实景舞台扩展技术深度融合，实现了演员与数字花境的实时共生、现场观众与舞台视效的全域联动。截至目前，官方尚未发布该节目详细的技术白皮书，本文将基于火山引擎作为独家 AI 云合作伙伴的技术背景，结合现有舞台 AI 技术体系，对十二花神视效的生成逻辑、观众参与实现
本文探讨了领码科技如何基于SPARK平台和低代码开发能力，战略性地切入仿真/模拟训练和嵌入式系统两大专业领域。文章提出了三条仿真业务路径（管理型数字孪生、仿真数据中台、模拟训练软部件）和三条嵌入式业务路径（设备云管平台、边缘低代码平台、软硬一体方案），并分析了AI生成式技术、数字孪生等前沿趋势的应用。通过系统性的技术架构和分阶段路线图，为平台型软件企业拓展专业市场提供了兼具理论深度和实操价值的参考
本文提出了一种基于FastAPI的算力路由中间件，将边缘计算设备RDKS100的BPU硬件加速能力封装为标准化的OpenAI API接口。通过深入优化内存分配策略、设备树调整和性能模式设置，解决了嵌入式环境下的"内存墙"问题。系统采用异步子进程管理和零缓冲技术，实现了高效的流式响应。实验表明，该方案成功将本地BPU算力转化为云端服务能力，使标准客户端能直接调用边缘端的大模型推理
PCA十年演进：从统计工具到智能计算基石（2015-2025） 过去十年，主成分分析（PCA）经历了三次技术跨越：从大规模矩阵分解（2015-2018）到深度表征重构（2019-2022），最终发展为2025年的智能计算原生算子。核心突破包括：eBPF实现内核级实时特征过滤、大模型语义压缩（1024D→128D）和1.58-bit边缘计算优化。技术角色从传统统计分析工具转变为支撑实时边缘感知和LL
随着AI应用普及（如智能监控、工业质检、智能家居），越来越多企业需要为多个客户（租户）提供共享的AI服务。数据往返云端的高延迟（如自动驾驶实时决策需<10ms响应）；多租户共享云端资源时的性能波动（某租户大量计算可能拖慢其他租户）；敏感数据（如医疗影像、金融交易）不愿完全上传云端。本文将聚焦“如何通过边缘计算（在靠近用户的本地节点处理数据）与多租户架构结合”，解决上述问题，覆盖技术原理、实现步骤和
摘要：2026年AI测试覆盖率超75%时，模型偏见已成实际风险源。规则引擎驱动的动态审计仪表盘可将检测时效从40人时压缩至2小时，准确率达89%。关键技术包括：自动化扫描200+偏见维度、四维审计指标设计（数据分布/公平性/决策链/合规性）、五步治理流程。实践表明，该方案使模型纠纷率下降72%，合规成本降低30%。随着欧盟《AI法案》实施，实时偏见监控能力将成为企业核心竞争优势。
本文深度对比PaaS 方案与自研AIoT平台（涂鸦智能与自主开发）的 ROI 指标。从全球基础设施建设、系统稳定性债务、移动端适配及全球合规性四个维度，揭示自研方案在生命周期内的隐性开销，为企业技术选型提供量化参考与战略建议。
大模型与具身智能的协同应用催生新产业形态。与传统虚拟智能不同，具身智能强调 “身体在场”，依赖传感器、执行器与物理载体获取环境信息，通过自主学习适应复杂场景，完成操作、移动、协作等实体任务。，能够处理文本、图像、语音、视频等多元信息，完成知识问答、内容生成、逻辑推理、策略规划等任务。未来，随着大模型轻量化、边缘化发展，以及具身智能感知精度、行动能力的提升，两项技术将深度融合，在更多行业实现规模化落
摘要： SLAM技术在过去十年（2015-2025）经历了三大演进阶段：从依赖几何特征的经典SLAM（如ORB-SLAM2），到融合深度学习的语义SLAM（如NeRF-SLAM），再到2025年结合空间计算、eBPF内核级状态估计与物理世界模型的智能系统。如今，SLAM已从单纯定位工具发展为具备毫米级精度、多机协同和语义理解能力的核心技术，通过eBPF实现微秒级位姿分发，并借助CXL 3.0共享地
摘要： 仿真技术从2015到2025年经历了三大演进阶段：从基于物理公式的离线模拟（2015-2018），到服务于AI训练的并行化智算仿真（2019-2022），再到2025年由世界模型驱动的神经仿真时代。核心突破包括：计算效率从慢于实时提升至万倍超实时；模拟方式从解析方程升级为生成式AI构建的物理直觉模型；通过eBPF实现内核级虚实闭环优化，解决安全与对齐问题。2025年的仿真已成为具备内核感知
—一个全新的、开源的C++ LLM/VLM推理框架，旨在满足高性能边缘推理的新兴需求。Edge-LLM专为嵌入式汽车与机器人平台（某机构 DRIVE AGX Thor 及某机构 Jetson Thor）上的实时应用而构建。合作伙伴已开始利用TensorRT Edge-LLM作为其车载AI产品的基础，包括某机构、某机构及某机构，这些厂商将在2026 CES上展示相关技术。随着TensorRT Edg
英伟达加速的Mistral Large 3模型，通过利用针对大型先进MoE模型定制的一套全面优化技术栈，在某机构GB200 NVL72平台上实现了顶级性能。对于Ministral-3-3B-指令版，Jetson开发者可在某机构Jetson Thor平台上使用vLLM容器，单并发下实现每秒52令牌，并发数增至8时，吞吐量可扩展至每秒273令牌。与所有模型一样，未来的性能优化（例如：结合多令牌预测的推
本文介绍了如何在星图GPU平台上自动化部署Supertonic — 极速、设备端 TTS镜像，实现本地化、低延迟的文本转语音功能。基于该平台，用户可快速搭建离线语音合成环境，典型应用于智能硬件语音助手、批量有声书生成等场景，兼顾高效与隐私安全。
摘要：本文基于HarmonyOS 6.0+技术开发了一款虚拟主播直播助手，解决了传统虚拟主播依赖云端服务器、延迟高、操作繁琐等痛点。系统整合了AI虚拟人、音视频处理和多平台推流三大模块，支持虚拟形象定制、AI语音交互、多平台同步推流等功能。通过HarmonyOS的端侧AI算力和统一API生态，实现了本地实时AI驱动、音视频同步渲染，延迟控制在100ms以内。该系统采用分层架构设计，各功能模块独立封
AIoT 是（人工智能物联网）的缩写，核心是将人工智能（AI）与物联网（IoT）深度融合，通过物联网设备采集各类数据，再通过人工智能技术（尤其是边缘AI推理）对数据进行分析、处理、决策，最终实现设备的智能化感知、联动、管控与自主优化。简单来说，IoT解决了“物与物、物与人的连接”，让设备能采集数据、传递数据（比如摄像头采集画面、传感器采集环境数据）；
2026年软件测试领域呈现AI驱动和实战案例两大热点趋势。数据显示，"工具评测"和"缺陷预防"类内容阅读量增长35%，因果发现算法成为解决生产问题的核心工具。本文剖析算法在生产回溯中的应用价值：相比传统鱼骨图，AI模型能自动识别深层缺陷根因，如电商案例中精准定位并发问题而非表面超时错误。文章提供Python代码示例，展示如何构建异常检测模型，并分享打造爆款回
MQTT（Message Queuing Telemetry Transport）是一种轻量级的发布/订阅消息协议，专为低带宽、高延迟或不可靠的网络环境设计。它使用TCP/IP协议进行数据传输，支持QoS（Quality of Service）级别，确保消息的可靠性和及时性。CoAP（Constrained Application Protocol）是一种基于UDP的轻量级协议，专为资源受限的设备
摘要 随着终端设备性能提升，云端计算在低时延、高可靠和强隐私场景中的局限性日益凸显。鸿蒙系统提出分布式计算方案，将手机、平板等终端设备作为计算节点，通过分布式软总线和任务调度机制实现设备间协同计算。这种本地优先的计算策略与边缘计算目标高度契合，在智能家居、车载系统等场景中展现出低延迟、高可靠性优势。本文结合鸿蒙分布式框架，分析其技术原理与实现机制，并通过可运行Demo展示设备间边缘计算流程，为开发
2026年软件测试领域迎来AI驱动的自进化测试工具革命，其核心在线学习机制可降低60%维护成本。热门公众号内容聚焦三大方向：AI工具评测（占比60%）、精准测试案例（年增40%）和技术趋势分析。自进化工具通过动态元素定位、智能用例生成和持续学习闭环，实现脚本自愈和知识沉淀。实践策略包括：选择支持自然语言的智能体、采用描述性定位替代硬编码、建立测试资产库。随着多模态AI发展，2030年将向"
摘要：本文基于HarmonyOS 6.0+生态开发PC端边缘计算节点管理工具，解决边缘节点分散管理、任务调度低效等痛点。采用EdgeComputingKit实现节点自动发现、状态监控和智能任务分发，通过分布式软总线技术优化通信效率。工具具备资源实时监控、负载均衡调度、任务失败重试等功能，支持容器化部署和数据加密传输。测试验证显示工具在兼容性、调度准确性和高并发处理等方面表现优异。未来可结合AI算法
2026年AI时代软件测试公众号内容呈现新趋势：多模态技术成为热点，特别是CLIP驱动的跨模态测试工具应用。数据显示，涉及图文跨模态技术的文章互动率提升40%，实战案例、工具评测和行业前瞻类内容最受欢迎。优化策略建议：突出实战导向，提供可复现代码；增强多模态互动设计；紧跟技术演进。核心在于通过专业、实用的多模态测试解决方案提升行业影响力。
2026年软件测试行业迎来AI技术深度渗透，公众号内容呈现三大核心热点：AI工具评测与实战教程（占比60%+）以量化指标和实操指南取胜；精准测试案例分享聚焦多语言测试、安全合规等高频痛点；行业趋势与职业发展内容响应政策与技术演进。爆款内容成功要素包括专业深度、痛点解决和AI赋能时效性，建议采用"数据驱动+实战脚本+热点嫁接"的内容策略。未来AI与低代码融合、自主测试代理将成为行
摘要：针对地铁楼梯摔倒事故频发问题，北京地铁10号线国贸站试点部署"手未扶楼梯识别系统"。该系统采用视觉分析技术，通过骨骼关键点追踪判断乘客是否扶扶手，触发温和语音提示而不存储人脸信息。试点3个月后，楼梯摔倒事件下降65%，老年乘客满意度达94%。该系统入选北京市"适老化服务创新案例"，并计划推广至50个重点车站，体现了技术赋能与人文关怀的结合。（149字）
摘要：杭州市拱墅区德胜新村高空抛物AI预警系统有效解决社区安全隐患。该系统通过计算机视觉技术实现物体轨迹精准识别，误报率仅2.3%，部署3个月后事件发生率下降78%。方案注重隐私保护，采用边缘计算处理数据，符合法规要求。实施后居民安全感提升至91.3分，物业成本年节省7.8万元，并形成"预警-教育-整改"的治理闭环。该案例已纳入浙江省未来社区建设标准，计划推广至全省500个老旧
边缘计算与轻量化模型对数据标注质量要求极高。相比云端大模型的容错性，边缘端小模型对噪声零容忍，需要精细化的标注策略。关键策略包括：1）提高标注精度至IoU 0.9以上，严格处理模糊、遮挡和极小目标；2）根据部署场景剪裁数据，平衡难易样本配比；3）采用克制的数据增强，避免过度复杂的变换。通过智能门铃和无人机巡检案例说明，优质的标注数据能显著提升模型性能，减少误报和漏检。TjMakeBot提供自动化数
联邦学习中模型投毒攻击成为关键安全威胁，攻击者通过数据污染或篡改模型更新导致全局模型失效。2026年行业聚焦三大防御方向：动态自适应攻击检测（如DamPa攻击框架）、区块链增强的聚合机制（如FLock工具链）和工业物联网轻量化防护方案。测试人员需掌握四层检测架构（数据预检/参数过滤/行为追溯/链上治理），采用动态阈值工具并集成开源模拟库验证防御效果。随着攻击手段转向隐蔽渗透，欧盟《AI法案》已将模
从“通信接入→通道→设备驱动→数据标签”逐层构建，支持Modbus（RTU/TCP）、西门子S7（200/300/1200）、三菱/欧姆龙PLC、OPC UA/DA、HTTP/MQTT等协议，甚至能爬网页取数据（精准提取网页元素）。：直接在Web端拖放图元（按钮、图表、仪表盘）做监控界面，支持“设备复用”——比如定义好“电机”设备的UI，其他项目直接引用，不用重复画。：对接MES/ERP系统，把底
本文介绍了如何在星图GPU平台上自动化部署ClawdBot镜像，构建轻量级本地AI助手。该镜像支持语音转写、多语言翻译与图片OCR等功能，特别适用于家庭智能终端、个人笔记助手等隐私敏感、离线运行的典型场景，实现在树莓派等边缘设备上的高效AI服务。
本文探讨如何利用Tenstorrent Grayskull芯片在边缘端实现高性能AI推理，构建低延迟、离线运行的智能棋盘系统，涵盖视觉识别、决策推演与硬件部署架构，展现边缘计算在交互式设备中的核心价值。
本文实测Qwen3-8B在RTX 3060等消费级硬件上的运行表现，探讨其在中文处理、长文本理解与本地化部署中的优势。支持32K上下文、量化后可在12GB显存甚至树莓派运行，适合企业私有化部署与个人开发者使用。
本文介绍了如何在星图GPU平台上自动化部署ClawdBot镜像，实现Telegram中天气查询、实时汇率换算与维基百科摘要获取等高频快捷命令的毫秒级响应。该镜像专为边缘设备优化，支持树莓派等低资源环境，适用于个人开发者快速构建本地化AI助手。
本文介绍了如何在星图GPU平台上自动化部署Qwen3-1.7B镜像，实现轻量级大语言模型的本地化运行。基于该平台，用户可快速启动模型并应用于代码辅助、智能客服等场景，尤其适合个人开发者在低资源设备上构建AI应用。
您不再需要购买模板;Saasfly提供了一个完整的开源解决方案,用于快速轻松地构建SaaS应用程序。演示服务器1(位置:美国华盛顿): https://show.saasfly.io。演示服务器2(位置:日本东京): https://demo.saasfly.io。先上地址：https://github.com/saasfly/saasfly。查看更多文档请访问 https://document.
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
DAMO开发者矩阵
网易智企-云信开发者社区
人工智能6S服务平台
深开鸿 技术专区
CSDN-OPC开发者社区
