下一个大的计算机趋势可能涉及精准度而不是速度
实时计算并不只是指在按下回车键后得到立即响应,事实上,它的真正含义是在实时与做实际事情的真实的机器进行交互。
例如Gleason 600HTL Turbo Lapper型锥齿轮研齿机,其控制器由Viewpoint Systems公司设计。Viewpoint公司副总裁John Campbell表示,基本上,它会磨合斜齿轮直到它们完全契合,对于使用斜齿轮的汽车制造商而言,这是非常重要的属性。
两个齿轮被打磨相互成直角,同时以3100rpm的相同速度旋转,每秒传递约52次相同的接触点。Viewpoint在这个控制器中添加了National Instruments(NI)公司的实时计算系统,它可以齿轮的响应,约快20倍,或者说约每秒1000次。
Campbell表示:“通过观察旋转速度的变化,我们能够检测齿轮中的高和低点,并启动第二组电机来调整扭矩。”这样它可以在发现问题点时纠正问 题点,同时旋转齿轮仍然在这个位置契合。他补充说:“最终我们能够提高30%的研磨时间,因为机器准确知道何时将完成齿轮抛光,而不是依靠平均水平。”
实时 vs. 真正的快速
虽然这些结果很好,但每秒千次的频率在这个千兆赫处理器时代似乎不值得一提。但事实证明,实时计算不是关于速度。
“当人们在谈论实时计算时,存在一些共同的误解,他们认为在微妙或纳秒水平做出反应才可称为实时系统,五分钟不是实时,”英特尔子公司同时也是 VxWorks实时操作系统制造商Wind River Systesm公司产品管理高级主管Prashant Dubal表示,“”但实时意味着系统在做某件事情时每次都是使用相同的事件,间隔时间不计算在内。
Dubal解释说:“如果系统的最高优先工作是闪烁红色LED,那么无论发生什么其他事情,这将总是它的优先事项,当灯需要闪烁时,它会抛开一切做到这一点,并且非常快速进行。”
“传统上来看,实时是从人的耐心角度来衡量,当你按下按钮时,在一秒内获得信息,这就是实时,”系统集成商Real-Time Innovations公司副总裁David Barnett表示同意,“但实时系统是以确定性工作的系统,它会对输入或环境变化做出可预见的响应。通常来说,这些都是网络物理系统,曾通过物理过程来 管理。”
“观察家经常混淆实时计算与高速计算,例如金融交易和体育博彩,”Barnett补充说,“高速计算和实时计算之间的区别是,对于高速计算你谈论的 是平均数,你可以说,平均来说,一个操作需要一毫秒。而对于实时计算,你会很确定操作会在限期内进行,或者你知道这并没有发生。”
确定性响应不是偶然,而需要实时操作系统(RTOS),在市场上有几十个这种产品,其中有三家领导供应商。
“Wind River是主要的领导者,其产品为VxWorks,”Barnett称(+本站微信networkworldweixin),“然后是Green Hills Software公司,其Integrity主要在航空航天和国防领域受欢迎;还有QNX Software Sysmtes公司的QNX,主要在汽车和医疗保健领域受欢迎。”Wind River还有实时版的Linux。
“确定性很重要;你不会在台式机中看到确定性,”QNX公司产品管理主管Grant Courville表示,“你需要关注每个CPU周期和每个微妙,需要确保一致性。”
虽然NI能够制造实时版的Linux(NI Linux Real-Time),其中需要大量的工作,该公司嵌入式系统产品营销主管Jamie Smith表示,“我们在内核级别做了评估,并进行了广泛的修改和测试,这个团队非常大,但这可以将实时计算推广到非嵌入式软件工程师的手中。”
当然,在不同的时候,让系统执行相同任务的时间会存在细微差异,这种差异被称为抖动。
“这可以确定RTOS有多好,但这也是非常依靠硬件,”Dubal表示,“我们通常为两位数纳秒。”
Barnett称,对于现代处理器,抖动通常以微妙计算,这对于大多数应用已经足够好了。
对于通用变成环境(例如Java),抖动不值得一提,因为它们都是专门优化用于典型的用例。Barnett称:“如果内存不足,需要清理垃圾来释放内存,它会停止这样做,并阻止所有其他处理。在实时计算中,你不需要额外的工作,以避免以后再拖延。”
标准Linux的抖动约为几百毫秒。
物联网
但总体趋势是,价格在下跌,而系统正变得更加强大。在实时系统中,这意味着我们将看到价格低廉且功能强大的控制器,让机器更好地与其他机器交互。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。