至顶网网络频道 06月20日 编译:HPE表示,将在未来4年投资40亿美元开发智能边缘设备。
边缘计算远非一个成熟的市场。随着物联网的兴起,更多的设备需要能够在网络前端进行分析。换句话说,在云端或数据中心发生的事情将越来越多地出现在网络边缘,以减少延迟。
HPE一直是边缘概念的领跑者之一,并且也投入资金用于这项工作中。HPE公司首席执行官Antonio Neri在Discover大会上表示,HPE将投入资金在研发、产品、服务和模式上,在网络边缘实现人工智能、机器学习和自动化。
Neri表示,企业将必须强化网络边缘的云架构来提供实时体验。
在许多方面,惠普专注于网络边缘的战略与其产品组合是保持一致的。 HPE的Aruba业务已经覆盖无线校园网络,而Pointnext正在开发一系列旨在使终端更加智能化的项目。
例如,HPE的Aruba业务部门成立了一个软件定义的分支机构,以加强无线网络性能并为云、物联网和移动技术做好准备。
好文章,需要你的鼓励
Liquid AI发布了新一代视觉语言基础模型LFM2-VL,专为智能手机、笔记本电脑和嵌入式系统等设备高效部署而设计。该模型基于独特的LIV系统架构,GPU推理速度比同类模型快2倍,同时保持竞争性能。提供450M和1.6B两个版本,支持512×512原生分辨率图像处理,采用模块化架构结合语言模型和视觉编码器。模型已在Hugging Face平台开源发布。
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
阿里团队推出首个AI物理推理综合测试平台DeepPHY,通过六个物理环境全面评估视觉语言模型的物理推理能力。研究发现即使最先进的AI模型在物理预测和控制方面仍远落后于人类,揭示了描述性知识与程序性控制间的根本脱节,为AI技术发展指明了重要方向。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。