科东软件受邀参加第五届国产嵌入式操作系统技术与产业发展论坛

8月12日,第五届国产嵌入式操作系统技术与产业发展论坛暨嵌入式系统联谊会主题讨论会(总第29次)在杭州成功举行。这次论坛的主题是"面向异构多核智能芯片的混合关键系统研究与应用",上午是"嵌入式异构多核智能芯片产业发展"的主题论坛,下午是"混合关键系统的操作系统技术与应用"主题论坛和嘉宾讨论,论坛同时设有技术、产品和生态海报展示区。

科东软件荣幸作为邀请嘉宾参与第五届国产嵌入式操作系统技术与产业发展论坛暨嵌入式系统联谊会主题讨论会(总第29次),与行业翘楚讨论混合关键系统的工业应用。由《单片机与嵌入式系统应用》执行主编:芦潇静主持,北航软件学院院长胡春明、华元创信高端装备系统部部长黄河、科东软件研发副总经理殷灿菊以及中科院沈阳自动化所副研究员张华良等业界大咖一起,奉献了一场精彩的混合关键系统技术讨论。

嵌入式系统是电子信息产业的基础,是智能系统的核心。随着ChatGPT火爆,嵌入式人工智能快速发展。嵌入式操作系统在智能系统发挥越来越大的作用,应对日益复杂和不确定外部环境,国产嵌入式智能系统更离不开兼顾强实时和高算力的异构多核国产智能芯片和国产基础软件。面对未来人机物融合的智能化应用场景,无论是从理论或者技术角度来看,多操作系统混合部署方案在系统隔离性、实时性可靠性以及可扩展性等方面具有明显优势。针对嵌入式系统多操作系统混合部署新型架构及相关领域应用的深度研究,有利于我国在嵌入式基础软件方面形成理论创新和工程实践突破,满足典型行业的核心业务发展需求。混合关键性系统是嵌入式系统未来技术演进的重要方向之一,目前在自主驾驶、服务机器人、汽车电子等领域已经看到一些典型应用,在工业和国防等领域呈现出积极发展态势。

关于

标题科东软件Intewell工业嵌入式实时操作系统

Intewell工业嵌入式实时操作系统基于微内核架构设计,具备高实时、高可靠等特点,同时虚拟化技术支持GPOS+RTOS等多种操作系统架构,可实现实时和非实时业务融合应用,支持国内外主流芯片及软件生态,也是国内首家同时通过SIL3,SIL4,ASILD功能安全认证的操作系统品牌。Intewell工业嵌入式实时操作系统通过了多个权威机构的第三方测评,获得多个国内重大项目和关键装备应用验证,20年来交付后无一例质量问题,其源代码自主率扫描测试通过工信部电子五所认证,内核及主要功能模块自主率达到100%。同时,Intewell工业嵌入式实时操作系统也是国内率先在汽车电子、工业控制、轨道交通三个重要行业获得TüV南德最高级别功能安全认证的操作系统品牌。

以Intewell智能工业操作系统为核心的产品体系可以应用于不同的工业场景,包括应用于传统仪器仪表、传感器的Intewell-C纯实时产品;应用于数控系统、机器人、自动化PLC的Intewell-H实时扩展产品;应用于轨道VCU、汽车智能座舱、电力边缘计算等大型复杂业务场景的Intewell-V虚拟化产品;同时配套完善的Developer开发、异常处理分析、产品测试等工具链,可以帮助用户单位快速完成应用迁移及开发。

基于自主可控国家战略方向,科东软件打造的全国化的工业控制解决方案,对下兼容龙芯、飞腾、瑞芯微、全志等国产芯片,向上承载国产工业软件和行业应用,与智能制造、高端装备、汽车电子、轨交交通、能源电力等行业上下游生态合作单位持续构建国产智能工业操作系统创新生态。

作为工业实时操作系统的领跑者,科东软件Intewell操作系统为客户提供专业的软硬件综合解决方案,保障产品实时可靠、信息安全,缩短产品开发周期,降低产品开发成本,并提高产品自主化率。

相关推荐
老蒋新思维几秒前
创客匠人峰会深度解析:知识变现的 “IP 资产化” 革命 —— 从 “运营流量” 到 “沉淀资产” 的长期增长逻辑
大数据·人工智能·网络协议·tcp/ip·创始人ip·创客匠人·知识变现
瀚岳-诸葛弩4 分钟前
对比tensorflow,从0开始学pytorch(三)--自定义层
人工智能·pytorch·tensorflow
测试人社区-小明6 分钟前
AI在金融软件测试中的实践
人工智能·测试工具·金融·pycharm·机器人·github·量子计算
小哲慢慢来7 分钟前
机器学习基本概念
人工智能·机器学习
张较瘦_9 分钟前
[论文阅读] AI + 软件工程 | 叙事的力量+专家智慧:解锁定性软件工程研究的过去、现在与未来
论文阅读·人工智能·软件工程
算法与编程之美11 分钟前
机器学习测试模型的性能评估与探索
人工智能·机器学习
小毅&Nora14 分钟前
【人工智能】【深度学习】 ⑩ 图神经网络(GNN)从入门到工业落地:消息传递、稀疏计算与推荐/风控实战
人工智能·深度学习·图神经网络gnn
zhangfeng113314 分钟前
大语言模型Ll M 这张图的核心信息是:随着模型规模变大,注意力(attention)层消耗的 FLOPs 占比越来越高,而 MLP 层占比反而下降。
人工智能
你那是什么调调17 分钟前
大语言模型如何“思考”与“创作”:以生成一篇杭州游记为例
人工智能·语言模型·chatgpt
老蒋新思维17 分钟前
创客匠人峰会洞察:IP 信任为基,AI 效率为翼,知识变现的可持续增长模型
大数据·网络·人工智能·网络协议·tcp/ip·创始人ip·创客匠人