边缘计算标签_2048 AI社区

边缘计算

危化品港口 AI 视觉监测｜危化箱混堆、高温火源智能预警解决方案

本文分析了危化品港口堆场安全管控的核心痛点及智能化技改方案。传统监测体系存在混堆管控失效、高温盲区、人工巡检效率低、数据孤岛等问题，而通用算法适配性差、改造成本高成为技改落地难点。提出的AI视觉多模态解决方案通过利旧设备升级，实现危化箱智能识别、全域温度监测与闭环管控，具有前置预警、降低成本、提升合规性等优势。该方案为危化港口提供了从被动应对转向主动预防的安全管理新思路，可有效解决当前行业普遍存在

 ishangy
2026-08-25 18:33:32

 292

 5

#边缘计算
AI落地的真相：数据工程决定成败

工业AI项目的成败关键并非算法先进性，而是数据工程质量。研究表明，超60%的AI项目因数据问题失败，工业场景中数据治理占项目40%-60%工期。工业数据面临故障样本稀缺、标注成本高、分布漂移等独特挑战，导致模型需持续更新。当前主流方案依赖无监督异常检测和规则系统，合成数据与数字孪生正逐步应用，但仿真与真实差距仍是瓶颈。联邦学习等新技术尚处早期阶段。合理预期应匹配数据量级，优先传统方法，并建立持续监

 cfvhf
2026-08-25 16:53:09

 345

 10

#人工智能 #大数据 #iot +3
门店设备离线了，告警为什么不能跟着断掉？

连锁门店设备管理的关键在于应对网络不稳定时的离线处理能力。仅关注设备在线率远远不够，边缘计算盒子（如AIHub）需具备本地缓存和事件化数据补传功能，确保断网时数据不丢失、恢复后能完整上传。平台侧（如ZedIoT）则需实现事件去重和幂等控制，避免重复告警和工单。真正的管理核心在于保障断网-恢复全链路的数据连贯性，使告警、工单、报表始终关联同一事件链。只有构建完整的离线缓存与补传机制，系统才能在门店复

 ZedIoTLily
2026-08-24 14:13:17

 223

 6

#边缘计算 #物联网
AIBOX PRO + RK1828 边缘多模态推理平台 App Portal 部署与典型应用拆解

随着 LLM / VLM 等大模型逐步走向实际部署,“云端推理 + 端侧回传” 的传统架构暴露出三个越来越明显的痛点:多路视频上行带宽受限、网络往返延迟不可控、云端 API 持续成本难以预测。在边缘侧把"视觉 + 语音 + 语言"全栈 AI 跑通,需要的不只是一颗算力足够的 NPU,更需要一个能把多类模型应用统一管理起来的控制平面。本文整理在 AIBOX PRO 系列(RK3588 + 双 RK1

最坏的时代，也是最好的时代
2026-08-21 17:10:39

 209

 10

#人工智能 #大数据 #边缘计算
边缘计算+AI模型：电化铝分切装备的智能化改造路径

为实现电化铝分切装备从“自动化机器”向“认知型产线节点”的跃迁提供系统化技术方案。

delishcomcn
2026-07-27 16:28:23

 341

 10

#人工智能 #边缘计算 #大数据
AIoT 分层架构落地实践：从边缘计算到云端智能平台完整设计

本文结合公司自研项目拆解 AI + 物联网四层标准架构，分为设备感知层、边缘网关层、云端平台层、业务应用层。

fmxinxi
2026-07-09 14:18:15

 282

 7

#架构 #边缘计算 #人工智能
智慧港口 AI 摄像机全景监控系统解决方案

传统港口普通监控存在盲区多、无智能识别、仅可事后回看、多场景数据割裂等痛点，隐患处置滞后易引发赔付、环保处罚与安全事故。本文介绍 AI 摄像机全景监控系统解决方案，依托边缘计算与多目标识别算法实现港区全场景全天候智能监测、分级预警，打通全域数据闭环，兼顾港口安全管控与运营降本增效需求。

ishangy
2026-07-06 08:50:30

 226

 4

#人工智能 #边缘计算
500kV变电站无人巡检：远程智能巡视系统解决方案！

本方案提出500kV变电站智能巡视系统，采用单站型架构部署于生产控制大区和管理信息大区。系统以巡视主机和智能分析主机为核心，整合轮式/挂轨机器人、无人机、高清摄像机和声纹装置，构建室内外协同巡检网络。具备设备状态监测、缺陷智能识别（包括仪表读数、渗漏油等12类场景）、人员安全管控和环境感知能力，支持多源数据采集、AI分析和联动控制。系统采用三层技术架构，实现从数据采集到智能应用的闭环管理，有效提升

 河南博为智能科技有限公司
2026-06-09 09:58:25

 258

 6

#边缘计算 #物联网
边缘计算EdgeAI：从云端下沉到终端的智能革命

在物联网、智能制造、自动驾驶高速普及的当下，海量终端设备全天候产生海量数据。传统AI架构长期依赖云端集中式计算，即终端采集数据、上传云端运算、下发执行指令。高延迟风险：自动驾驶、工业实时控制场景中，云端数百毫秒的往返延迟，足以引发安全事故或生产故障；带宽成本高昂：工业8K相机、高清监控、车载雷达每秒产生GB级原始数据，全量上传云端会造成带宽拥堵、资费暴涨；网络依赖严重：野外作业、地下车间、偏远园区

 EAlReport
2026-06-01 11:28:51

 603

 10

#边缘计算 #人工智能
解密企业级视频中台：基于 GB28181/RTSP 统一接入与边缘计算的 AI 视频管理平台（附 Docker 部署与源码交付方案）

摘要：本文介绍了一款企业级AI视频管理平台，通过异构计算与流媒体层的解耦设计，解决了安防智能化转型中的多协议兼容与硬件适配难题。平台采用微服务架构，支持X86/ARM芯片及主流视频协议，提供算法商城、人流量统计等功能，并具备自动清理机制。支持源码交付和低代码API开发，简化了二次开发流程。该方案可显著降低95%的开发成本，帮助集成商快速实现私有化部署。平台已开放开源代码和在线演示环境，供技术评估和

 AI服务老曹
2026-05-28 17:30:00

 459

 8

#人工智能 #音视频 #边缘计算
Rockchip RK3506 移植运行 RT-Thread RTOS 实战指南

Rockchip RK3506（典型型号 RK3506J/B）采用 AMP 异构多核架构：3× ARM Cortex-A7（最高 1.5GHz）——可运行 RT-Thread SMP 或 Linux1× ARM Cortex-M0（最高 200MHz）——适合高实时性裸机/RTOS 控制支持共享内存 + Mailbox（RPMsg）做核间通信

 peixiuhui
2026-05-28 14:04:38

 539

 13

#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

通过将计算能力下沉到数据产生源头，边缘计算解决了传统云端架构在实时性、带宽、可靠性和数据安全方面的痛点，为重大危险源监测、设备生产线运动控制、厂区智能视觉分析等典型工业场景提供了完美的解决方案。未来，随着边缘计算技术的不断发展和成熟，以及与 5G、AI、工业互联网等技术的深度融合，边缘计算将在工业领域发挥更加重要的作用，推动工业智能化向更高水平迈进。：部署温度、压力、液位、有毒有害气体浓度、振动等

 SaturnCloud
2026-05-16 14:13:50

 822

 19

#边缘计算 #人工智能 #服务器
土星云AI边缘终端：百亿级大模型本地部署，破解企业AI落地核心难题

未来，我们将持续迭代产品技术，丰富模型生态，拓展行业解决方案，帮助更多企业实现 AI 技术的普惠应用，加速数字化转型进程。浓缩进便携可靠的硬件形态中，实现了 “数据不出域、算力随身带、应用全自主” 的全新 AI 落地模式，为企业提供了安全、高效、低成本的端侧 AI 解决方案。土星云 AI 边缘终端构建了完整的企业级模型生态，覆盖语言、图像、代码等多个领域，开箱即可满足绝大多数企业的 AI 应用需求

 SaturnCloud
2026-05-12 18:40:37

 880

 21

#边缘计算 #服务器 #人工智能 +1
AI+边缘计算+低代码：打破技术壁垒，实现轻量化智能落地

在AI技术飞速迭代的今天，“落地难、成本高、门槛高”依然是制约中小企业与传统行业数字化转型的核心痛点。大型企业凭借充足的技术储备与资金支持，能够搭建专属的AI架构、部署高性能计算集群，但对于绝大多数中小主体而言，专业的AI开发人才短缺、边缘场景算力不足、定制化开发周期过长，让很多智能需求只能停留在构想阶段。

一切皆是因缘际会
2026-05-12 18:22:17

 415

 9

#人工智能 #边缘计算 #低代码 +1
QNAP 边缘计算底座：车间 IoT 容器化部署方案

部署以 TS-h1677AXU-RP 为核心的 QNAP 边缘计算方案，帮助制造企业在物理车间内构建了一层“数据缓冲带”。通过引入 Container Station 容器化技术与虚拟机平台，该方案不仅解决了底层工业协议的接入难题，更实现了 IT 资源的集约化管理，为工厂物联网的数据上云打下了高效、整洁的基础底座。

威联通网络存储
2026-05-12 14:54:26

 416

 6

#边缘计算 #物联网 #人工智能 +1
三步搞定：iPaaS系统集成自动化配置实战

摘要：全球iPaaS市场规模预计从2025年的156.3亿美元增长至2034年的1087.6亿美元，年复合增长率达24.20%。企业面临多系统数据孤岛问题，传统接口开发成本高、周期长。iPaaS通过可视化配置、自动化流程和异常预警，实现高效系统集成。制造业案例显示，iPaaS可降低80%开发成本，提升业务效率。未来趋势包括数据闭环、低代码化、AI应用和强化安全合规，iPaaS正成为制造业数字化转型

 CIO_Alliance
2026-05-12 14:45:09

 406

 10

#边缘计算
2026年企业数智化转型整体解决方案

2026年企业数智化转型整体解决方案当前，全球数智化转型已进入“智能原生”新阶段，AI原生、数据资产化、智能协同成为驱动企业升级的三大核心关键词，数智化已从企业“选择题”转变为关乎生存与发展的“必修课”。根据IDC发布的2026年行业报告，全球IT运维市场规模已增长至1.5万亿美元，年复合增长率高达18%，而我国企业数智化转型渗透率虽已提升至62%，但仍有超过70%的企业存在数据孤岛、技术架构落后

 随读手机
2026-05-12 09:20:47

 820

 6

#大数据 #数据库 #智慧城市 +4
2026年终极终端战争：Warp vs. Tabby vs. 文心终端 —— 软件测试工程师的专业选型指南

2026年终端模拟器已演变为集高效执行、智能辅助与深度集成为一体的核心生产力工具。本文从测试工程师视角对比分析三大主流选择：Warp以AI驱动为核心，适合复杂问题排查；Tabby强调高度定制化与功能集成，是测试运维的理想工作台；"文心终端"理念则代表未来智能体协同的测试自动化方向。选型需考虑工作流匹配度、学习成本和生态集成能力，建议采用"稳定平台+智能插件"

2501_94480392
2026-04-21 15:55:56

 257

 4

#面试 #人工智能 #边缘计算 +2
AI产品经理转型：从技术思维到商业决策

摘要：软件测试工程师向AI产品经理转型具有独特优势，其系统边界分析、风险评估和量化评估能力可无缝迁移至AI产品管理领域。转型需构建技术理解、产品设计和商业洞察三维能力：掌握AI基础原理，将测试用例思维转化为需求定义能力，并培养商业价值评估意识。通过"认知学习-实践融合-主导引领"三阶段路径，测试人员可完成从质量守护者到价值创造者的思维升维，在AI时代实现职业跨越。

2501_94480392
2026-04-16 14:24:03

 369

 5

#服务器 #低代码 #人工智能 +3
我试图用机器学习预测股市，结果：一个软件测试工程师的专业反思

作为一名软件测试从业者，我习惯于在代码中寻找漏洞、验证系统稳定性。但当我将目光转向金融市场，试图用机器学习预测股市时，结果却出人意料。这次尝试不仅暴露了预测模型的脆弱性，更让我深刻反思软件测试原则在AI项目中的核心价值。本文将从专业角度，分享我的经历、失败原因，以及如何借鉴测试方法论提升机器学习应用。

2501_94480392
2026-04-13 14:56:22

 358

 11

#人工智能 #边缘计算 #低代码 +3
把代码写成诗：那些令人拍案叫绝的变量命名

本文探讨了变量命名在软件测试中的艺术性与实用性。优秀的变量命名能显著提升测试脚本的可读性、可维护性和准确性，减少误报漏报。文章分析了从"奇葩命名"到"诗意命名"的演变历程，提出测试脚本应遵循"信雅达"命名原则，并给出具体实践建议：使用完整语义单词、保持风格一致、控制长度适中。通过功能测试、性能测试等场景案例，展示了诗意命名如何优化测试效率

 2501_94480392
2026-04-13 14:52:19

 42

#边缘计算 #低代码 #人工智能 +3
AI Agent Harness Engineering 硬件加速：边缘计算场景下的部署优化策略

202X年9月12日，18:07，深圳市南山区科技园B区某高层写字楼17层突发爆燃：走廊烟雾传感器阈值触发2秒后，物业微型消防站的边缘服务器立即唤醒了预先部署在楼顶的8台和3台——这不是科幻电影，而是阿里云IoT与应急管理部天津消防研究所联合打造的**“智消3.0城市级低空自主救援系统”**的虚拟应急演练。按照演练预设，侦察无人机编队需要完成以下任务链，且总延迟必须：单靠侦察无人机的Jetson

Java技术栈实战
2026-04-09 23:31:57

 221

 3

#人工智能 #边缘计算
机器学习平台架构设计与实践：构建高效的机器学习系统

机器学习平台是一个集成了数据处理、模型训练、模型部署和监控的系统，旨在简化机器学习的开发和部署流程，提高开发效率和模型性能。机器学习平台是现代 AI 应用的重要基础设施，它能够帮助企业简化机器学习开发流程，提高模型性能，加速模型部署。从技术原理到实践落地，构建一个高效的机器学习平台需要综合考虑多个因素。源码之下，没有秘密。理解机器学习平台的底层原理是做好实践的基础Show me the bench

国医中兴
2026-04-09 23:26:26

 1779

 36

#边缘计算 #架构 #人工智能
【Agent-阿程】AI先锋杯·14天征文挑战第14期-第2天-大模型部署与优化实战

本文探讨了大模型部署的挑战与优化技术。文章首先分析了大模型从训练到部署面临的五大挑战：内存墙问题、计算延迟、并发压力、成本控制和可扩展性。随后介绍了部署优化的技术演进过程，从全量部署到量化压缩、模型蒸馏再到混合部署。重点深入解析了模型量化技术，包括量化的基本原理、对称与非对称量化的区别、以及动态量化与静态量化的实现方法。文章通过代码示例展示了量化误差分析、量化参数校准、以及量化模型性能评估等关键技

 竹之却
2026-04-09 23:26:00

 554

 17

#人工智能 #AI #剪枝 +1
视程空间将GPT-OSS边缘AI引入NVIDIA Jetson：意义深远，利好全链

视程空间率先完成二者的深度融合与全链路优化，将GPT-OSS边缘AI正式引入NVIDIA Jetson全系列平台，这并非简单的技术适配，而是边缘AI产业从“碎片化试点”走向“规模化商用”的里程碑事件，更是一次重构边缘智能生态、赋能千行百业的重大突破，其背后的深层意义与全维度利好，将深刻影响开发者、企业、产业乃至整个边缘AI赛道的发展格局。它破解了边缘AI落地的核心痛点，推动边缘AI实现能力升级与成

 视***间
2026-04-09 15:13:58

 388

 2

#人工智能 #开源 #大数据 +1
一文看懂——视程空间将GPT‑OSS边缘AI引入NVIDIA Jetson，意味着什么？

过去边缘设备只能做简单检测、分类、识别，现在：支持复杂逻辑推理、多轮对话、工具调用、代码执行、结构化输出，接近云端GPT体验；机器人可自主理解意图、自主规划任务、自主处理异常，从“执行指令”升级为“自主智能体”；工业相机、巡检设备可边看边思考，直接输出诊断结论与处置建议，不再只输出数据。工业级宽温、抗振、EMC兼容，7×24小时稳定运行；标准化接口：GMSL2、CAN FD、EtherCAT、HD

视***间
2026-04-09 15:08:57

 853

 19

#人工智能 #边缘计算
rk3568环境配置和推理报错: RKNN_ERR_MALLOC_FAIL(-4) 和 RKNN_ERR_FAIL(-1)

rk3568环境配置和推理报错: RKNN_ERR_MALLOC_FAIL

*wj
2023-09-20 16:58:52

 2898

 3

#深度学习 #人工智能 #边缘计算
高通端侧AI实战(5): 基于骁龙平台的实时AI语义分割系统开发全流程

本文以工厂车间安全监控为案例，完整展示了语义分割模型的端到端部署流程。首先根据30FPS实时处理需求，对比分析后选择PIDNet-S模型，其三分支架构在精度与速度间取得平衡。针对工业场景构建了包含人员、设备、安全区域等8类别的自定义数据集，采用数据增强提升泛化性。最终在骁龙8 Gen3平台上实现720p分辨率下30FPS实时分割，满足低延迟告警和离线部署需求，为工业安全监控提供高效解决方案。

weixin_38498942
2026-04-09 13:19:09

 482

 7

#人工智能 #边缘计算
高通端侧AI实战(3): 骁龙平台端侧大模型部署实战

文章摘要：本文探讨了在骁龙8 Elite手机上部署Llama 2 7B大语言模型的实践方案。通过INT4量化技术将模型压缩至3.5GB，利用Hexagon NPU的75 TOPS算力实现端侧高效推理。文章详细解析了量化选型（推荐W4A8-GPTQ）、校准数据准备及模型转换流程，并对比了GPTQ与AWQ量化方法。针对内存、算力等核心挑战，提出NPU加速、KV-Cache优化等解决方案，最终实现20

weixin_38498942
2026-04-09 11:59:46

 1299

 5

#人工智能 #边缘计算
高通端侧AI实战(2): YOLOv8在骁龙平台的部署实战

本文深入实战YOLOv8在骁龙Hexagon NPU的端侧部署流程，提供两种路径：快速路径可直接下载高通预优化的HuggingFace模型（YOLOv8n仅3.26MB，INT8量化后NPU延迟低至3.5ms）；深度路径详解ONNX导出技巧（分离NMS后处理）及QNN SDK转换流程。通过对比YOLOv8各变体性能（YOLOv8n参数量3.2M，延迟4.5ms），指导移动端实时场景选型，并给出ON

weixin_38498942
2026-04-09 11:41:28

 763

 5

#人工智能 #边缘计算
数字孪生与元宇宙：虚拟测试的终极形态

摘要：数字孪生与元宇宙的融合正推动软件测试的范式变革。数字孪生通过高精度建模与实时数据映射，实现工业设备、医疗系统等复杂场景的预测性测试；元宇宙则依托VR/AR与区块链技术，构建沉浸式沙盒环境，支持万人级并发与跨平台验证。二者协同形成“虚实闭环”测试生态，覆盖从功能验证到风险预防的全生命周期。然而，实时同步性、模型精度与测试复现等挑战仍需突破。未来，量子计算与自演进AI将进一步提升测试智能化水平

 2501_94480392
2026-04-09 11:17:58

 73

#服务器 #低代码 #边缘计算 +1
具身智能：AI与物理世界的交互

摘要：具身智能将AI与物理世界交互能力结合，为软件测试带来全新挑战。测试需关注多模态感知层（传感器同步、跨模态对齐）、认知决策层（大语言模型的可测性）及执行控制层（物理-数字双轨验证）。特有挑战包括环境复现不可控性、实时系统确定性、持续学习兼容性及人机协作安全边界。需重构测试体系，升级基础设施（如动作捕捉系统），转变用例生成范式（基于物理规律），扩展评估维度（功能、性能、安全、智能进化）。测试工

 2501_94480392
2026-04-09 11:12:31

 99

 1

#低代码 #服务器 #边缘计算 +3
第二技能培养：技术之外的竞争力

摘要：随着AI和自动化技术发展，软件测试行业正经历深刻变革。传统测试技能逐渐被AI替代，2026年数据显示基础测试岗位需求下降25%，而具备软技能的复合型人才更受青睐。文章指出测试工程师需培养沟通协作、批判性思维等五大核心软技能，并提出四步培养策略，帮助从业者从技术执行者转型为质量战略伙伴。在AI时代，软技能将成为测试人员突破职业瓶颈、实现价值跃迁的关键竞争力。

2501_94480392
2026-04-09 10:54:14

 144

 2

#低代码 #服务器 #边缘计算 +1
高通端侧AI实战(1): 高通端侧AI全景解析与QNN SDK实战入门

摘要：高通端侧AI技术栈解析 2025-2026年端侧AI成为移动与嵌入式领域核心技术。相比云端推理，端侧AI具备低延迟（5-50ms）、强隐私（数据不出设备）、离线可用等优势。高通通过Hexagon NPU异构架构（HTA/HVX/Scalar三级计算单元）和QNN SDK构建成熟生态，支持从手机（骁龙8 Elite 75TOPS）到车载（SA8295P）等多平台。QNN SDK提供统一接口，支

 weixin_38498942
2026-04-09 10:49:11

 1187

 12

#人工智能 #机器人 #边缘计算
静磁场仿真-主题051_磁浮列车系统-磁浮列车系统

用一句话简述要解决的工程问题：如何设计和分析磁浮列车的悬浮、导向、推进和制动系统，实现无接触、低摩擦、超高速的轨道交通？**磁浮列车（Maglev Train）**是一种利用磁力实现悬浮和推进的现代轨道交通工具。其发展历程可追溯至20世纪初：（1）早期探索（1900-1960年代）（2）技术突破（1970-1990年代）（3）商业化运营（2000年代至今）磁浮列车根据悬浮原理可分为两大类：（1）电

 kkchenjj
2026-04-08 20:21:30

 46

#概率论 #算法 #人工智能 +2
数字孪生技术的测试方法论：虚拟与现实的同步

数字孪生技术正在重构软件测试范式，测试对象从传统软件系统扩展为虚实融合的复杂异构系统。文章系统解析了数字孪生测试的方法论变革：核心维度转向虚实一致性、实时同步性和预测可靠性；提出分层测试体系（模型层、数据层、服务层和闭环系统）和"混沌工程"边界测试策略；探讨了AI增强测试能力及测试预言、环境复杂度等关键挑战的应对方案。最终指出测试工程师角色将向系统优化智囊演进，通过持续验证与反

 2501_94480392
2026-04-03 11:21:31

 109

#人工智能 #边缘计算 #服务器 +3
高频电磁场仿真-主题039-不确定性量化与可靠性分析

在电磁仿真工程实践中，输入参数（材料属性、几何尺寸、工作条件等）往往存在不确定性，这些不确定性会传播到仿真结果中，影响设计的可靠性和稳健性。本主题系统介绍不确定性量化（Uncertainty Quantification, UQ）与可靠性分析的理论基础和方法体系，包括概率统计基础、蒙特卡洛模拟、代理模型方法、敏感性分析以及可靠性评估方法。通过Python实现典型电磁问题的不确定性分析，包括微带线参

 kkchenjj
2026-04-02 22:50:51

 259

 4

#数据库 #网络 #人工智能 +2
第1章：Go语言并发编程基础

模式应用场景实现位置消息处理生产者-消费者数据队列对象池内存优化原子操作计数器信号处理优雅关闭main.go互斥锁共享状态多个模块。

搜佛说
2026-03-12 10:30:00

 495

 17

#golang #数据库 #边缘计算 +2
NVIDIA Jetson在边缘端运行开源模型，推动物理AI系统发展

NVIDIA Jetson在边缘端运行开源模型，推动物理AI系统发展

 至顶科技
2026-03-11 16:57:41

 371

 3

#人工智能 #边缘计算
sfsDb：边缘计算困境的破局之道

边缘计算的发展正处于关键阶段，而数据管理是其核心挑战之一。sfsDb 通过专为边缘环境设计的技术架构，为边缘计算提供了可靠、高效的数据管理解决方案。无论是工业物联网、智能城市还是边缘AI应用，sfsDb 都展现出了强大的适应性和性能优势。根据最新的技术分析，sfsDb 的 engine 包在性能和资源占用方面表现优异，是边缘计算场景的最佳选择。它提供了足够的一致性保证，同时保持了极低的资源消耗，完

 搜佛说
2026-03-06 11:56:26

 637

 19

#边缘计算 #人工智能 #数据库 +4
K3s：面向边缘和更多场景的轻量级Kubernetes

K3s是一款轻量级、CNCF认证的Kubernetes发行版，专为资源受限环境设计。它将K8s核心功能打包成小于100MB的二进制文件，大幅降低资源消耗，同时保持API兼容性。K3s采用简化架构，默认集成containerd、Flannel等组件，支持单节点SQLite和多节点HA部署，特别适合边缘计算、物联网和开发测试场景。其简单安装（单条命令）、低硬件要求（512MB内存）和对ARM架构的支持

 切糕师学AI
2026-03-06 08:00:00

 807

 15

#kubernetes #容器 #边缘计算 +1
第80篇：人工智能在反应工程中的应用

人工智能（AI）技术正在深刻改变反应工程的研究范式和应用模式。本教程系统介绍机器学习、深度学习等AI技术在反应动力学建模、反应条件优化、催化剂设计、过程控制和故障诊断等领域的应用。重点阐述神经网络在复杂反应动力学建模中的优势、遗传算法在多目标优化中的应用、以及深度学习在反应过程监测中的实践。通过Python仿真案例，展示如何使用AI技术解决传统方法难以处理的高维非线性反应工程问题，为智能化工和数字

 kkchenjj
2026-03-05 20:46:36

 64

#人工智能 #java #数据库 +2
边缘计算及其应用

边缘计算通过将计算能力下沉到数据源附近，解决了传统云计算的延迟高、带宽瓶颈等问题。其实现需结合轻量化技术栈、弹性架构设计及安全策略，并针对具体场景优化。未来，随着AI和5G的发展，边缘计算将成为数字化转型的关键基础设施。（Edge Computing）是一种将计算、存储和网络资源从中心化云平台下沉到接近数据源的“边缘节点”的分布式架构。，适用于物联网（IoT）、工业自动化、智慧城市等场景。

weixin_50443480
2026-03-05 16:06:09

 409

 3

#边缘计算
伦理合规清单：生物特征加密强度验证

摘要：生物特征加密技术面临严峻的伦理合规挑战，需建立系统化测试清单。该清单包含四大模块：伦理原则（隐私保护、用户同意、公平性、社会责任）和合规要求（GDPR、HIPAA等法规），强调强度验证需采用静态分析、动态测试及红队演练等方法。实践案例表明，多模态加密和持续清单迭代可有效提升安全性。测试从业者必须将伦理合规融入全生命周期，平衡安全性与可用性，成为用户隐私的守护者。未来需应对AI和量子计算等新威

 2501_94309040
2026-03-05 16:04:05

 595

 9

#ar #vr #边缘计算 +4
用Edge Impulse开启你的边缘AI之旅

准备好借助Edge Impulse加速您的边缘AI开发了吗？本文将引导您快速上手Edge Impulse——从模型创建到部署——帮助开发者将原始数据迅速转化为可执行的边缘智能。

研华嵌入式
2025-12-05 15:41:16

 1042

 18

#目标检测 #视觉检测 #边缘计算 +3
sfsDb：边缘计算时代的时序数据处理新星

在工业4.0和边缘智能的浪潮中，时序数据已成为边缘设备和IoT系统的核心资产。据分析，边缘AI和工业IoT领域中，超过80%的场景需要时序数据库功能，从智能工厂的设备监控到智能摄像头的视频分析，时序数据无处不在。然而，传统的时序数据库在边缘环境下面临着严峻挑战：资源占用高、部署复杂、响应延迟大，难以满足边缘设备的苛刻要求。

搜佛说
2026-03-04 16:32:25

 796

 22

#边缘计算 #人工智能 #时序数据库 +4
台区智能融合终端教程“三分钟”系列：电力融合终端应用架构

摘要：新型电力系统推动配电终端向智能化、柔性化转型，台区智能融合终端采用“平台+容器+微应用”三层架构，实现软硬件解耦与业务灵活扩展。平台层集成国产Linux与国密安全体系，容器层保障多业务隔离运行，微应用层支持远程动态加载（如线损分析、故障研判等）。该架构以边缘计算为核心，显著提升功能扩展性、运维效率及安全性，助力构建透明低压配电网，未来可通过AI微应用进一步强化终端智能决策能力。（150字）

艺人@
2026-03-04 14:01:02

 506

 11

#架构 #边缘计算