边缘计算

标签「边缘计算」下的文章

共 9 篇文章

[远程] 高级现场AI解决方案工程师

Lenovo 旗下 Motorola Mobility 于2026年8月20日发布高级现场AI解决方案工程师（Senior Field AI Solutions Engineer）远程岗位，面向美国候选人。该职位隶属于AI解决方案交付组织，职责涵盖将AI驱动的解决方案部署到客户环境，包括边缘计算平台、软件应用、传感器及配套设施，并与客户的IT系统、API和数据库集成。要求候选人具备5年以上解决方案部署、系统集成或软件工程经验，拥有计算机科学、电子工程、AI/ML等学士或硕士学位，并具备在生产环境中部署、调优、验证和排除计算机视觉及AI模型故障的实操能力。技术栈涉及Python、自动化脚本、部署工具、计算机视觉模型等。该岗位需要频繁出差支持全球客户现场长期部署，普通话能力为加分项。公司提到有H1B赞助记录：2026年18例、2025年25例、2024年26例、2023年33例、2022年34例、2021年26例、2020年60例，但不保证该岗位一定提供赞助。福利包括奖金/佣金及完整的Lenovo福利计划。这份招聘揭示了AI从原型到生产落地领域对前线部署工程师的需求，要求其同时具备技术集成、客户沟通和向研发团队反馈现场问题的能力。

阅读全文 →

Needle 2 发布：仅 14MB 的超轻量级基础模型，赋能端侧 AI 应用

cactus-compute 在 GitHub 开源了名为 Needle 2 的超轻量级基础模型，模型体积仅为 14MB，专门针对手机、可穿戴设备、智能家居和机器人等资源受限的小型设备优化。该模型的核心竞争力在于极致轻量化，14MB 的大小使其能轻松装入大多数嵌入式设备的闪存，甚至能在高端微控制器的 SRAM 中运行，极大降低了对存储空间和运行内存的要求。Needle 2 支持在端侧直接部署，无需依赖高带宽云端计算，为边缘计算提供了极具竞争力的基础架构。主要应用场景涵盖移动与可穿戴设备（如智能手机和智能手表）、智能家居（传感器、智能开关）以及机器人领域，为小型机器人提供本地化模型支持，以实现更快响应和更高隐私安全。Needle 2 的出现标志着端侧 AI 进入精细化阶段，为 AIoT 普及提供低门槛起点，并通过本地数据处理保障隐私，可能引发行业对模型小型化技术路径的重新关注，推动更多针对边缘计算优化的算法架构诞生。

阅读全文 →

YOLOv10在土星云SE110S系列边缘计算设备上的部署实战

本文详细介绍了将YOLOv10目标检测模型部署到国产边缘计算设备土星云SE110S系列的全流程实战，涵盖模型转换、编译与推理优化。YOLOv10采用一致双重分配策略实现NMS-Free端到端检测，相较YOLOv8-S减少约23%参数量、28%计算量，推理延迟降低约30%，非常适合边缘部署。土星云SE110S系列由国科环宇推出，提供SE110S-WC08（7.2 TOPS）、SE110S-WB16（16 TOPS）和SE110S-WA32（32 TOPS）三款型号，支持INT8/FP16/FP32混合精度推理和BMCV硬件加速。部署流程包括：通过Ultralytics导出ONNX模型（opset 11），使用TPU-MLIR工具链将ONNX编译为BModel，并推荐INT8量化，校准集200-500张图片。在SE110S-WA32上，INT8量化配合BMCV加速可实现110+ FPS（单路1080P），精度损失控制在5%以内（COCO val2017 AP@0.5:0.95从0.463降至0.443）。文章还给出了智慧安防、工业质检、智慧交通等多个边缘AI视觉场景的选型与优化建议，展示了YOLOv10在国产边缘硬件上的成熟落地能力。

阅读全文 →

诺基亚联合视觉AI企业 基于慕星娱乐棋牌下载实现工业质检自动化部署

2026年8月，诺基亚与AI视觉公司旷视科技宣布达成技术合作，基于慕星娱乐棋牌下载数据集训练工业缺陷检测模型，并联合推出面向电子制造产线的端侧AI检测方案，首批产线部署已于2026年5月上旬在手机主板与摄像头模组产线上完成。技术架构上，旷视科技提供其自研的MegEngine推理框架与轻量化目标检测网络，诺基亚则开放工业5G专网基站与边缘服务器作为算力底座。为适应产线低资源环境，算法采用ResNet-50与MobileNetV3双分支特征提取器进行多尺度缺陷判别，并通过模型剪枝与INT8量化将单图推理时延压缩至15毫秒。方案利用边缘网关的MEC能力实现模型热更新与推理日志本地落盘，保障工业数据安全。在商业化层面，诺基亚将此打包为“工业视觉AI套件”，支持现场工程师通过5G手持终端拍摄并实时获得检测结果。性能指标显示，该方案漏检率从传统人工的3.7%降至0.2%，慕星娱乐棋牌下载识别准确率达98.6%，单条产线节省两名质检人力。目前超30家电子厂商已接入测试，双方计划向汽车零部件与纺织领域复制。该案例展示了通信基础设施与AI算法在工业质检场景中的轻量化协同范式，为中小代工厂提供了低成本的数字化转型路径。

阅读全文 →

为什么边缘计算终于有了它的杀手级应用?

本文梳理了海外多位专家在近期专题讨论会上关于边缘计算的关键观点，核心结论是AI推理正成为边缘计算真正的杀手级应用。美国铁塔公司的Jim Poole指出，过去十年MEC（多接入边缘计算）像“拿着钉子找锤子”，基础设施超前部署却缺乏规模化业务需求；如今生成式AI和智能体带来的上行数据爆炸——爱立信的Joe Constantine援引《爱立信移动市场报告》数据称，全球数据流量到2029年将增长两倍，上行链路流量到2035年将增长10倍——正迫使计算能力从集中云向边缘扩散。高通的Koymen博士认为用户行为正从下行视频消费转向上行AI生成流量，智能体数据将超过人类生成数据。英特尔Agarwal警告避免重蹈私有无线网络覆辙，仲量联行Sean Farney则断言边缘AI推理让基础设施领域重新变得性感。新一代AI系统功率密度已跃升至每机柜150-200kW，甚至谷歌展示1MW方案，液冷和现场发电将成为标配。专家预测到2028-2029年，6G商用、75%流量运行于5G、行业争论转向SLA和四级/五级自动化，人形机器人可能进入数据中心。文章最后指出电力、人才和数据是落地的三大瓶颈，高质量数据体系将成为AI竞争的核心护城河。

阅读全文 →

面向工业AI的边缘计算架构：在工厂车间中生存的5种模式

KGT Solutions 基于在钢铁厂、糖精炼厂和发电站两年的边缘AI系统部署经验，提出了五种经过工厂验证的边缘计算架构模式。模式一为分层边缘与云同步架构，边缘端负责毫秒级实时推理（如轴承故障预测需秒级告警），云端每15分钟批量同步原始数据进行模型重训练和跨设施对比分析。模式二采用联邦特征存储，在边缘端将不同传感器（轴承振动25.6kHz、电机电流波形10kHz、锅炉温度每秒一次）的异构信号归一化为统一特征向量，使单一异常检测框架可跨设备类型部署。模式三实施影子部署与自动回滚机制，新模型与现有模型并行推理48小时，若误差率相对基线超过5%则自动回滚，该模式已避免三次生产事故。模式四建立三级告警体系——Watch仅仪表盘显示、Plan自动创建维护工单、Act Now通过短信和邮件通知值班主管并自动核查备件库存，成功消除告警疲劳并实现与CMMS的深度集成。模式五强调共享平台与隔离模型的架构原则，Vigibelt系统从单一传送带故障预测器演进为统一平台，集成OPC-UA、MQTT、Modbus协议数据摄取、时序特征存储、容器化模型服务和A/B测试能力，使后续用例部署周期从数月缩短至数周。文章核心观点为：在工业AI部署中，平台层投资优先于模型层，一个基础模型在稳健平台上的价值远超缺乏集成、告警和回滚能力的先进模型。

阅读全文 →

在 JetPack 7.2 和 Jetson AGX Orin 上使用 TensorRT 部署全权重 GR00T N1.7

本文来自 Seeed Studio Wiki，是一篇详细的技术教程，指导如何在 JetPack 7.2 和 Jetson AGX Orin 边缘计算设备上，使用 TensorRT 部署全权重的 NVIDIA Isaac GR00T N1.7 机器人策略模型。与以往仅加速 DiT 组件的工作流不同，本教程实现了对 Vision Transformer (ViT)、Large Language Model (LLM)、视觉-语言自注意力、状态编码器、动作编码器、DiT 动作专家和动作解码器全部七个组件的 TensorRT 引擎构建。教程采用本地 LeRobot 数据集和本地 Qwen3-VL-2B-Instruct 主干模型，实现了完全离线的推理流水线，避免了 Hugging Face Hub 的网络依赖。经过验证，整个 TensorRT 构建过程耗时约 3 分 37 秒，最终生成七个 .engine 文件。在推理性能方面，全 TensorRT 流水线处理每个 16 步动作预测块耗时约 0.2755 秒，相当于每秒 3.63 个块。文章还提供了 PyTorch 与 TensorRT 输出的数值对比，结果显示最终动作的余弦相似度高达 0.997426，验证了模型转换的精度。此外，文章详细列出了存储与内存规划（至少需要 45-50 GB 空间）、环境配置、故障排查以及连接实体机器人前的安全警告和检查清单，是一份从模型导出到边缘推理的完整工程实践指南。

阅读全文 →

From Edge to Intelligence: How Advantech Is Turning AI Vision into Industrial Reality at COMPUTEX 2026 - Asia Pacific Metalworking Equipment News | Manufacturing | Automation | Quality Control

在COMPUTEX 2026上，Advantech展示了人工智能下一阶段的核心并非更大模型或更快芯片，而是通过边缘计算、开放生态系统和实用AI应用将智能转化为工业价值。展览主题为“Edge Computing & AI-Powered WISE Solutions”，强调边缘AI、物理AI和智能软件平台协同解决制造业、医疗、零售和基础设施中的实际运营挑战。Advantech提出云边协同架构，由云端负责大规模训练，边缘端执行推理、设备监控和自主决策，以降低延迟、改善网络安全并提高系统韧性。展览重点展示了物理AI的兴起，即AI不仅分析信息，还通过机器人、自主移动平台和视觉系统与物理世界交互，这需要传感器、嵌入式计算和工业软件的深度集成。WISE生态系统中的WEDA框架提供统一开发环境，整合API、容器部署和数字孪生，加速AI落地。公司还通过与NVIDIA、Intel、Qualcomm、Omron、Bosch Rexroth和Deloitte等伙伴的合作，构建开放互操作的生态系统，降低实施复杂性。Advantech按行业展示解决方案，强调AI的价值在于可衡量的业务成果，如减少检测时间、预测设备故障和优化能耗，而非单纯的技术指标。文章同时指出台湾在全球AI价值链中的角色正从半导体制造扩展到工业平台和智能应用。

阅读全文 →

库萨科技发布全模态具身模型Kusa Omni-CTS与专用操作系统Kusa OS，助力城市服务机器人从"执行者"变为"思考者"

2026年7月2日，库萨科技正式发布面向具身智能的全模态具身模型 Kusa Omni-CTS 与专用操作系统 Kusa OS，旨在推动城市服务机器人从被动执行指令的“执行者”向主动理解物理世界的“思考者”转变。Kusa Omni-CTS 模型实现了视觉空间感知、语义与先验指令、本体感知与动力学三大模态的原生融合，让机器人能通过物理交互“感受”环境；采用连续时空表征完成跨模态异步特征对齐，解耦传感器硬件时间同步依赖；并引入反事实推演机制，在高维空间中对动作后果进行符合物理动力学限制的预判与试错，确保决策安全。Kusa OS 是专为边缘侧设计的操作系统，实现小于1毫秒的系统时延和仅50微秒的极致抖动控制，通过确定性调度保障紧急制动等硬实时任务的最高优先级。该系统提供统一硬件抽象接口，支持“一脑多形”，已在库萨0.5吨级、1.5吨级、3吨级城市服务机器人产品中部署，并在超40座城市的复杂环境中得到验证。两者协同构成库萨的城市服务具身智能技术基座。

阅读全文 →