工业物联网(IIoT)要为客户带来价值,就必须实现设备互联,并且将其置于严格的监控与管理之下。为了确保这些设备的安全性、功能性以及性能都处于尽可能高的水平上,设备管理功能应该从一开始就被当作物联网系统体系结构设计中的内在组成部分,因为它既是当今物联网部署中的关键性推动要素,又是性命攸关的组件。
据IDC统计,目前85%的嵌入式工业设备尚不具备互联性。可见,目前只有一小部分的市场从工业物联网中受益。为了推进工业物联网,在整个生态系统中还有大量的工作要做。其中,有些设备已经在应用系统中工作了很长一段时间,而当初并没有包含支持物联网方面的设计。为这些从传统中继承下来的设备赋予互联性,本身就是一项巨大的工程,同时也意味着他们将面临着网络攻击的新威胁,危及整个企业的安全性和机密性。基于上述情况,风河公司今天推出了最新版本的安全设备生命周期管理平台Wind River Helix Device Cloud,具有以下新的特性和能力:
Device Cloud也已经与最近推出的Intel Secure Device Onboard (Intel SDO)相集成。通过将Device Cloud与Intel SDO相结合,设备制造商就拥有了预先建立的工具,以便批量进行自动化的设备上线、管理、互联与安全保障。其中包括零接触的设备上线,旨在降低设备遭受安全性攻击的风险,确保机密性,提供自动化手段,由此大大降低了安装和上线时间,可在几秒钟之内完成。
Device Cloud对企业机构来说物超所值,可快速实现物联网投资回报。以下是风河客户已经实现的两个极好案例:
在物联网中,唯一不变的就是变化。由于企业领导人把安全性作为主要挑战,整个企业都将安全性列为首要问题。随着企业从数据中不断获得对其业务的洞察,其优先事项将会不断调整。利用最新版本的Device Cloud,设备制造商和物联网系统开发人员可以安全地加速设备部署,弥合与物联网业务之间的鸿沟,确保设备与企业所依赖的关键业务数据处于安全、可操作状态,并且获得最高的性能绩效。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。