近日,在北京举办的2017边缘计算产业峰会上,边缘计算产业联盟(ECC)与车载信息服务产业应用联盟(TIAA)、国际半导体照明联盟(ISA)、西安电子科技大学(西电)分别签署战略合作协议,共同致力于推动边缘计算在智慧照明、智能车载领域的应用创新、标准制定和商业落地,促进边缘计算技术与产业的发展。
边缘计算聚焦于万物智能联接,满足行业数字化在联接、实时、智能、数据优化、安全与隐私保护等方面的关键需求,已经成为行业数字化转型不可或缺的关键要素。边缘计算产业联盟(ECC)旨在推动OT和ICT产业开放协作,推进边缘计算产业协同,开放创新,示范推广,繁荣发展,由“政、产、学、研、用”共同发起成立,引领边缘计算产业蓬勃发展,深化边缘计算产业合作。
成立ECC-TIAA联合工作组,共同推动车联网产业开放协作
边缘计算产业联盟(ECC)和车载信息服务产业应用联盟(TIAA)签署战略合作协议,双方成立ECC-TIAA联合工作组,共同开展车联网领域边缘计算的技术、产品、应用、标准、专利等合作,发挥车联网领域的各自优势,共同推动车联网产业开放协作,孵化智慧车载行业应用最佳实践,促进边缘计算产业健康与可持续发展。
ECC副理事长方发和(左)与TIAA联盟副理事长邱翔东(右)签署战略合作协议
加强战略合作,共同推动照明物联网向城市物联网演进
边缘计算产业联盟(ECC)与国际半导体照明联盟(ISA)签署战略合作协议,双方充分发挥各自在智慧路灯领域的优势进行进一步合作,通过边缘计算使能智慧路灯,利用先进传感技术、网络技术、计算技术、控制技术、智能技术,对路灯设备全面感知,实现路灯的远程实时控制、周期控制,实现故障自诊断、可预测性维护。以灯杆为无线网络的接入节点,覆盖周边垃圾桶监测、停车传感器等设备,构建可扩展的城市物联网骨架,推动照明物联网向城市物联网演进。
ECC副理事长方发和(左)与ISA副秘书长杨鹤(右)签署战略合作协议
联合举办“2018年边缘计算技术研讨会”,共同推动边缘计算学术研究的繁荣发展
同时,边缘计算产业联盟还宣布将与西安电子科技大学、中国自动化学会边缘计算专业委员会联合举办“2018年边缘计算技术研讨会(SEC-China 2018)”,为相关领域学术界、产业界提供交流合作、发布领域相关前沿科研成果的平台,大力推动中国边缘计算技术与产业的发展。“2018年边缘计算技术研讨会”将于2018年5月在西安召开,研讨主题涉及边缘计算理论、边缘计算安全和隐私保护、面向边缘计算的微处理器体系结构、面向边缘计算的系统软件、面向边缘计算的算法及程序设计、面向边缘计算能耗分析及优化、面向边缘计算系统的可靠性、基于边缘计算系统的边缘存储系统、基于边缘计算的大数据处理、边缘计算与云计算协同优化技术、边缘计算可视化、基于边缘计算的应用研究等边缘计算相关热点和前沿领域。
ECC副理事长方发和(左)与西安电子科技大学通信工程学院院长沈八中(右)签署战略合作协议
关于边缘计算产业联盟(ECC)
边缘计算作为新兴产业应用前景广阔,产业同时横跨OT、IT、CT多个领域,且涉及网络联接、数据聚合、芯片、传感、行业应用多个产业链角色。为了全面促进产业深度协同,加速边缘计算在各行业的数字化创新和行业应用落地,华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术(集团)有限公司作为创始成员,于2016年11月30日联合发起成立边缘计算产业联盟(ECC),致力于推动“政产学研用”各方产业资源合作,引领边缘计算产业的健康可持续发展。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。