ARM和IBM表示,用户只需要花5分钟从箱子中取出这款设备,便可开始向在线应用发送读数。他们表示,这将简化智能家居、智能城市和其他物联网项目的测试过程,小型创业公司也将从中受益。
这个物联网入门套件包含两个部分:
一个预先配置好的微控制器开发板,内置了ARM Cortex-M4处理器和少量内存,可以用于执行单一任务。
一个传感器扩展板,包含了温度计、加速器、两个调光旋钮、一个蜂鸣器、一个小型控制杆、一个LED灯以及一个矩形黑白液晶屏。
这两个元件可以相互配合,并通过网线接入网络,或者通过USB线与其他电脑设备相连。该设备可以读取其周围环境或者与之相连的物体的数据。
根据包装盒内的用户手册,使用者可以访问IBM网站。在该网站输入设备认证码后,便可看到实时记录的数据,另外还可使用IBM和其他公司开发的各种工具,用于分析相关信息,或者借此控制其他联网设备。
这两家公司给出了一个示例:使用这个套件将当地环境数据发送到远程数据中心,然后通过数据中心返回的指令控制由联网灯泡组成的智能照明系统。
另外一个更为先进的示例是,将一系列智能捕鼠器接入网络,使得门卫可以知道哪个捕鼠器被触发,避免逐个查看这些捕鼠器。
“事实上,使用方式的唯一限制就是人类的想象力。”IBM开发副总裁罗布·兰姆(Rob Lamb)说。
ARM营销副总裁扎克·谢尔比(Zach Shelby)补充说:“任何人都可以使用这套工具,无论是通过Kickstarter众筹的创业公司,还是大企业的工程师。”
这套入门套件将由飞思卡尔生产,售价尚未确定,但ARM表示,区间大约为50至200美元。
事实上,该套件中使用的元件并不新颖,但将其组合到一起却表明ARM和IBM希望为自家生态系统吸引更多开发者,以便与对手展开竞争。
根据美国市场研究公司Gartner的预测,今年年底联网的“物”(包括冰箱、洒水器和汽车等)将接近50亿台,到2020年将达到这一数字的4倍。
ARM通过授权芯片设计和收取物联网嵌入操作系统费用赚取营收,IBM则提供一系列兼容云计算服务,包括在线应用开发和运行平台Bluemix以及人工智能分析系统Watson。
IBM的目的是为购买入门套件的开发者提供这些产品的免费试用机会,然后说服他们购买正式版本。《制造商》(The Manufacturer)杂志主笔鲁拉里·麦卡利昂(Ruari McCallion)说:“这对这两家公司来说是一次非常敏感的合作,因为他们可以推出相互竞争的入门套件。但价格越低越好。”
ARM表示,该套件将在几个月内上市,但并未披露详细信息。
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
中科院微电子研究所团队揭示深度学习中感知优化与质量评估存在意外不对称现象。研究发现评估性能优秀的模型在训练指导中效果有限,对抗性训练具主导作用,传统卷积网络在某些场景仍具优势。这项发现颠覆了"评估性能等同于优化能力"的传统认知,为AI图像处理技术改进提供新方向。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
香港科技大学研究团队开发了MOSS-ChatV视频AI系统,通过创新的"过程推理奖励"机制解决了现有视频AI推理过程不一致的问题。该系统不仅能准确预测视频中的未来事件,还能提供清晰的推理解释。研究构建了MOSS-Video数据集,采用动态时间规整算法训练模型,在多个视频理解任务上取得显著性能提升,为视频AI的可解释性发展开辟了新方向。