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
Python通过PEP 810提案正式引入惰性导入功能,允许程序延迟加载导入库直到实际需要时才执行,而非在启动时全部加载。该提案由指导委员会成员Pablo Salgado于10月3日提出并于11月3日获批。新功能采用选择性加入方式,保持向后兼容性的同时解决了社区长期面临的启动时间过长问题,标准化了当前分散的自定义解决方案。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
Valve最新Steam硬件软件调查显示,Linux用户占比达到3.05%,较上月增长0.37个百分点,相比去年同期增长约50%。游戏网站Boiling Steam分析显示,Windows游戏在Linux平台兼容性达历史最高水平,近90%的Windows游戏能在Linux上启动运行,仅约10%游戏无法启动。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。