边缘计算

鲁邦通物联网14 小时前
边缘计算·数据采集·工业数据采集·边缘网关·边缘计算网关·物联网网关·5g数采
储能出海欧美:基于容器本地控制下发的边缘计算网关技术实战摘要:随着工商业储能系统在欧美市场的大规模部署,跨越重洋的云端微观调度模式因延迟高、合规风险大已成为拖累项目交付的核心痛点。传统的将控制代码烧死在底层工控机(Hard-coding)的模式在面对算法迭代时又显得极度脆弱。本文从底层研发架构师视角出发,深度拆解符合高可用工业规范的云边解耦控制架构。重点探讨如何在边界部署高可信的工业边缘计算中枢,利用内部轻量级应用容器环境,结合Python底层异步脚本实现控制策略 payload 的云端动态下发与本地独立运行,为行业开发者提供高价值的出海控制解耦架构范式。
Yeats_Liao19 小时前
服务器·人工智能·分布式·架构·边缘计算
BLE Mesh能承载AI推理吗?分布式边缘AI节点部署实战BLE Mesh单包最大Payload是11字节,ublish转发延迟100-300ms,单网络理论上限约32767个节点。这组数字背后,是一个典型困境:
藤谷性能2 天前
边缘计算·nvidia·jetson orin
Jetson Orin Nano:安装Jetpack等基础工具并验证摄像头Jetson Orin Nano最重要的功能之一就是机器视觉方向的开发,调出摄像头预览画面是这一切工作的基础。通过Jetpack和其它工具,可以完成对摄像头的基础配置。
土星云SaturnCloud3 天前
服务器·人工智能·ai·边缘计算
边缘计算赋能工业智能化:重大危险源监测+产线控制+视觉分析一体化解决方案在工业 4.0 与智能制造深度融合的今天,工业现场产生的数据量呈指数级增长。传统的 "云端集中式" 数据处理架构在面对毫秒级实时控制、海量视觉数据传输、高危场景 7×24 小时不间断监测等需求时,逐渐暴露出延迟高、带宽成本大、网络依赖强、数据安全风险高等痛点。
翼达口香糖3 天前
大数据·人工智能·深度学习·语言模型·数据分析·边缘计算
当大模型吃掉你的App,从高德开放平台看AI服务重构作为一个还在习惯用手机软件的老用户,最近有幸参加了一下高德开放平台的Al产品发布会。这场高德AI发布会给我提了个醒,大模型真正的商业化拐点,可能不在模型本身,而在它如何吃掉我们手机里的一个个App。当MCP协议让AI能实时调用地图、天气、打车服务时,"打开软件"这个动作本身,就开始变得不那么频繁了。 其实从24年上旬之前,SaaS(软件即服务)这个模式思维其实还挺流行的。具体来说,比如生活中在手机上安装一个地图软件,然后用这个地图软件上提供的服务,比如说导航、路线规划、交通情况查询这些服务。那个时候其实C
云和数据.ChenGuang3 天前
人工智能·深度学习·机器学习·数据挖掘·边缘计算
FastText的核心优势FastText的核心优势在于其子词(subword)机制,能够为未登录词生成合理的向量表示[2][4]。若需强制返回全0向量,需结合以下策略实现:
广州智维科技4 天前
前端·edge·边缘计算
Kvaser Edge WL400S:工业级边缘计算与 CAN‑FD 数据采集平台解析73-30130-01688-0在工业 4.0 与汽车智能化的双重浪潮下,边缘计算已成为数据采集的关键环节。凭借数十年来在 CAN 与 LIN 技术领域的深厚积累,Kvaser 推出全新产品 Kvaser Edge。 这是一款专为严苛环境打造,基于 Linux 系统的开放式高安全性的边缘计算平台,可实现实时数据采集、边缘分析、车队管理和无缝云集成。该产品整机坚固可靠,支持用户部署自研软件解决方案,可在数据源头直接捕获、处理和响应数据,全方位优化汽车及工业领域的数据采集、处理与应用方式。
2601_957786774 天前
矩阵·边缘计算·三级算力调度
星链引擎矩阵系统:全球边缘计算与三级算力调度技术实践摘要星链引擎矩阵系统作为支撑全球万级账号并发运营的企业级平台,传统中心化云计算架构存在跨区域网络延迟高、平台接口调用失败率高、账号关联风险大、算力资源浪费严重等核心痛点,无法满足全球化矩阵运营需求。星链引擎自研的全球边缘计算网络采用 "卫星端轻量算力 + 地面边缘节点算力 + 云端核心算力" 三级调度架构,在全球六大区域部署 42 个边缘计算节点,结合动态 IP 池管理、就近任务调度、分布式数据同步和边缘合规处理技术,实现了 API 调用平均延迟 35ms 以内、跨洲调用延迟低至 0.3 秒、账号违规率近
小O的算法实验室5 天前
算法·边缘计算·智能算法·智能算法改进
2026年SEVC,面向无人机辅助边缘计算的自适应群体智能算法,深度解析+性能实测针对基础设施匮乏环境下无人机辅助边缘计算的部署难题,本文提出一种基于梯度优化算法(GBO),通过结合全局探索与局部精细化机制,并引入时间图模型捕捉动态交互,实现了在降低能量损耗与重叠覆盖的同时,最大化地面用户覆盖率与节点间连通性。仿真结果表明,该方案在复杂灾区场景下具有极高的收敛效率与扩展性,显著提升了资源受限系统的实时服务能力。
QotomPC5 天前
服务器·网络·边缘计算
Qotom Q30900GP多网口Mini PC:16网口设计在pfSense与工业网络中的应用最近整理产品时,又翻到这台比较特别的多网口Mini PC:Qotom Q30900GP。第一眼其实很难把它当成普通Mini PC来看,因为整个机器最显眼的地方,就是背面那一排密集的网口。
Daorigin_com5 天前
科技·职场和发展·分类·服务发现·边缘计算·集成学习·敏捷流程
道本科技三大系统形成的“合同—合规—法务”智能闭环!当合规成为企业发展路上的“生命线”,你选择被动应付,还是主动掌握?**合规管理系统:企业的全天候“风险哨兵”**
DolphinDB智臾科技6 天前
数据库·边缘计算·时序数据库
工业时序数据库 DolphinDB:以云边一体化平台驱动边缘计算落地随着物联网应用不断深入,边缘计算正从局部试点走向规模化落地。对企业而言,挑战已不再只是"能否将数据采集上来",而是如何在节点分布广泛、资源条件受限、网络环境复杂的情况下,构建一套能够稳定运行、持续演进的云边协同体系。
藤谷性能6 天前
边缘计算·nvidia·jetson orin
Jetson Orin Nano:基础个性化开发配置烧录好Jetson Orin Nano的系统镜像只是一切的开始,系统需要做一些便于后续开发的设置,SDK和其他系统组件也需要在Jetson Orin Nano中一步步安装。这些内容都是可选的,即使不做,仍然不妨碍后续的开发使用。
拓朗工控6 天前
人工智能·边缘计算
面向边缘计算与大模型应用的IBOX-602GT工控机技术解析随着人工智能技术从云端训练向边缘侧推理加速转移,工业现场对算力设备的需求正发生结构性变化。大语言模型(LLM)与视觉语言模型(VLM)的本地化部署,以及复杂的机器视觉检测任务,要求工控机必须具备更高的并行计算能力与更低的通信延迟。传统的低功耗嵌入式设备已难以满足这一需求,而标准服务器又无法适应恶劣的工业环境。在此背景下,拓朗工控推出了IBOX-602GT高性能边缘AI工控机,旨在通过异构计算架构与工业级系统设计,解决大模型在端侧落地面临的算力瓶颈与环境适应性难题。
威联通网络存储7 天前
人工智能·python·物联网·边缘计算
QNAP 边缘计算底座:车间 IoT 容器化部署方案[编者按] 本文围绕工业物联网(IIoT)数据采集场景构建虚拟边缘侧技术架构,探讨存算一体化设备在工厂车间的部署逻辑,非真实商业应用案例。
集和诚JHCTECH7 天前
人工智能·嵌入式硬件·边缘计算
边缘计算 + 机器视觉 | BRAV-7821让农产品智能分拣真正落地人工分拣,效率低、误差大、成本高、漏检多……好果子卖不上好价,残次果反而砸了品牌。旺季招不到人,淡季养不起人,传统模式早已捉襟见肘。
视***间7 天前
人工智能·区块链·边缘计算·ai算力·视程空间
智启边缘,魔盒藏锋——视程空间Pandora系列魔盒,解锁边缘计算普惠新范式当数字经济加速渗透千行百业,边缘计算已成为连接终端设备与智能应用的核心枢纽,更是破解“云端集中计算延迟高、带宽成本高、数据安全风险高”三大痛点的关键路径。从工业产线的实时监测、AI智能体的本地化部署,到智慧城市的精准管控、中小企业的数字化升级,各行各业对边缘算力的需求已从“可用”向“好用、易用、普惠”加速升级。视程空间深耕边缘计算与AI硬件领域20余年,依托深厚的技术积淀与全场景落地经验,重磅推出Pandora系列魔盒(潘多拉魔盒),以“小巧机身藏硬核算力、极简部署降应用门槛、安全闭环护数据隐私、全场景适
humcomm7 天前
人工智能·云原生·边缘计算
边缘计算如何与云原生技术结合边缘计算与云原生技术的结合,本质是将云原生的标准化、自动化能力下沉至边缘场景,同时针对边缘的资源受限、网络不稳定、设备异构等特性做适配优化,最终实现“云-边-端”一体化协同。结合行业实践(如火山引擎、华为云、DaoCloud等厂商方案)与开源项目(KubeEdge、EdgeMesh等),两者的融合可从架构分层、核心技术适配、场景化落地三个维度展开:
边缘计算社区7 天前
人工智能·边缘计算
物理 AI 为什么离不开边缘计算?过去两年,AI 给人的印象基本是一回事——一个对话框,一个输入框。你打字它打字,你上传它分析,AI 安静地待在屏幕里,处理着一切关于文字、图像、代码的事情。
FelixZhang0288 天前
人工智能·深度学习·机器学习·gru·lstm·边缘计算·boosting
工业时序工况识别项目复盘:从深度学习探索到 LightGBM/CatBoost 落地在工业智能化项目中,很多问题表面上看是一个“模型选择”问题,但真正做下来之后会发现,它往往是一个由数据质量、业务逻辑、模型能力、可解释性和工程落地共同决定的综合问题。