ZDNET网络频道 06月30日 编译:思科推出15款新产品,旨在打造旗下的物联网整合系统。网络巨头思科的另一个计划是成为“雾计算”(Fog computing)推动者。思科周一推出一系列的产品,以借此为物联网部署建立一个更加完整的系统。
物联网和大数据的威力
传感器时下正席卷几乎每个行业,随之而起的物联网将会导致海量大数据的出现。我们正身处物联网的重要发展阶段,这些对大数据分析的未来举足轻重。
思科的物联网系统听起来和旗下现存的统一计算系统(Unified Computing System)有些相似。统一计算系统采用预先整合的方式,其实是一个含数据中心的盒子。思科的物联网采用的方法是以一系列的产品组合、参考架构以及诸如Rockwell Automation和通用电气等等一类的生态系统为中心的系统。
思科推出的物联网里涵括大量的基础设施设备(从网络设备到安全摄像机不等)。思科同时还加入了分析工具、应用管理以及所谓的“雾计算”(Fog computing)。
雾计算是云计算的扩展,主要用于管理来自传感器和边缘设备的数据。例如,温度计每秒的读数是无需上传到云里的。雾计算技术要做的是在实时数据的基础上得到一个平均数,然后每半小时左右将其上传到云里。如果温度出现异常,传感器仍然可以具有相当的智能而迅速做出反应。
大体上说来,思科的物联网系统和产品针对的是网络连接、雾计算、分析、安全、管理及自动化和应用的实现。
思科物联网系统和软件集团副总裁Kip Compton表示,思科的15个新产品完善了旗下的产品组合。Kip Compton称,“物联网有些复杂,但很多客户却希望在异构环境中能有一个整合系统。”
换句话说,物联网里会有多个玩家,思科的计划是开发自己的生态系统及所有可能的部分。他表示,“这是一个系统管理的方法。”
Rockwell Automation首席执行官Sujett Chand表示,对各个部分的整合在各类物件成为智能资产时显得更为重要。他解释说,“一项智能资产可提供有关自身的信息,系统还可以对其智能资产进行自动化操作。物联网其实是一个不同系统的集合,这些系统需要被糅合在一起。”
实际上,思科与Rockwell的合作伙伴关系的基本思想就是基于两家的运营和信息技术是有联系的,而且这些以后可能还会溶合在一起。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。