Panasonic Industry Europe 宣布将把 DigiCert Device Trust Manager 集成到其 PAN-MaX 智能制造服务中,以实现对其互联互通型智能家居设备按照 Matter 认证标准进行 “无缝” 认证。
Panasonic Industry Europe 和 DigiCert 坚信,此次合作恰逢关键时刻,因为在市场快速增长的背景下,智能家居设备制造商正面临着日益严峻的安全性、合规性和互联互通要求。引用 Fortune Business Insights 发表的研究,这两家公司指出,全球智能家居市场预计将从 2025 年的 147.52 亿美元增长到 2032 年的 633.20 亿美元,年复合增长率达 23.1%。
Matter 是由 Connectivity Standards Alliance ( CSA ) 推出的互联互通标准,并由包括 DigiCert 与 Panasonic 在内的智能家居技术领军企业共同开发。Matter 旨在创建一种通用语言,使物联网 ( IoT ) 设备能够跨 Apple Home、Google Home 和 Amazon Alexa 等生态系统进行通信。
该组织表示,对于制造商来说,Matter 合规性不仅仅是一项功能,而是一项必需品。每个 Matter 设备均配备有设备认证证书 ( DAC ) ,这是一种由经 CSA 认可的产品认证机构 ( PAA ) 颁发的数字合规证明。DigiCert 是一家拥有众多 Matter 认证客户的 PAA。Matter 补充道,没有 DAC,设备在某一生态系统中便无法正常运行,从而在竞争异常激烈的市场中引发延误、挑战及丢失机遇。
为此,将 DigiCert Device Trust Manager 与 Panasonic 的 PAN-MaX 服务整合,旨在简化 Matter 认证流程,加速安全且符合标准的设备交付。根据 DigiCert 和 Panasonic Industry Europe 的表述,此次整合的最终目标是为制造商提供一个更快速、更高效的生产流程。
两家公司均相信,此次整合将为制造商带来诸多关键优势,例如自动 DAC 颁发、内置安全与合规性以及更快的上市时间。
具体而言,他们保证在 DAC 颁发方面,证书的申请与发放均为实时进行,无需人工干预,而 DAC 为物联网 ( IoT ) 设备提供加密、身份识别与身份验证服务。此外,无线模块现已具备 Matter 就绪状态,从生产之初便内置身份验证,制造商无需再等待手动审批证书,因为安全验证将在生产线上直接完成。
“通过将 Panasonic 的 PAN-MaX 认证服务与 DigiCert 行业领先的认证服务相结合,我们确保制造商在不以速度牺牲安全的前提下,轻松获得 Matter 认证。” — Panasonic Industry Europe 的 Chetan Joshi
“DigiCert 是 Matter 的关键贡献者,也是少数几家能够颁发 Matter 设备认证证书的可信机构之一,” DigiCert 产品管理高级总监 Kevin Hilscher 如是说。
“借助与 Panasonic Industry Europe 的合作,客户现可通过全自动系统即时申请证书,消除多余步骤并优化安全流程。该流程使制造商能够专注于创新,确保安全性与 Matter 认证加速业务发展,而非拖慢进度。”
Panasonic Industry Europe 资深产品经理 Chetan Joshi 补充道:“智能家居革命的蓬勃发展需要信任作为基础。Panasonic Industry Europe 与 DigiCert 正在树立全新的信任标准,使得智能家居设备不仅实现互联互通,更在生产之初便具备安全保障和认证。”
“通过将 Panasonic 的 PAN-MaX 认证服务与 DigiCert 行业领先的认证服务相结合,我们确保制造商在不以速度牺牲安全的前提下,轻松获得 Matter 认证。”
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
论文对比了AI通过图形界面和命令行两种方式完成桌面任务的差异,发现两者各有瓶颈:GUI受限于视觉交互可靠性,命令行受限于技能库覆盖率。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
复旦大学团队提出ICWM框架,让机器人在任务前通过随机探测动作自主感知当前视角和物理配置,无需重新训练即可适应新摄像头角度,真实机器人测试成功率最高提升175%。