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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。