Intel酷睿3系列登场：无Ultra标签，入门移动平台新选择
4月17日快科技报道，继代号Panther Lake的酷睿Ultra 3系列亮相后，Intel今日再度推出第三代酷睿处理器——酷睿3系列，内部代号Wildcat Lake，主攻入门级移动市场，与前者构成高低搭配（区别在于是否带有Ultra标识）。 该系列依然采用Intel 18A先进制程，搭载Cougar Cove性能核与Darkmont能效/低功耗能效核混合设计，集成Xe3 GPU图形单元及NPU 5人工智能引擎，不过在硬件规格上进行了明显缩减。 CPU部分最高配备2颗性能核与4颗低功耗能效核（未配置标
神州数码携手英特尔登陆CITE 2026，引领AI算力生态新篇章
智能新纪元，芯片驱动万物。 2026年4月9日至11日，第十四届中国电子信息博览会（CITE 2026）在深圳会展中心盛大启幕。在这场科技盛典中，位于1号馆1C090展位的神州数码(35.320, 0.34, 0.97%)与英特尔联合展台，以“智能新纪元，芯片驱动万物”为主题，携全新至强系列CPU、沉浸式讲解体验及极具创意的展位设计，成为全场焦点之一。作为“AI驱动的数云融合”战略的坚定实践者，神州数码携手全球芯片巨头英特尔，全面展示基于英特尔®至强®处理器的全栈AI基础设施解决方案，以及双方在智能计算中
AI怎样从根基颠覆汽车芯片并重新定义未来交互模式
在当下智能汽车的时代背景下，竞争维度正经历一场静谧却意义深远的范式转换。当我们的视线被座舱内绚烂夺目的显示屏、几乎如同真人般的语音交互以及在复杂都市道路中灵活穿行的自动驾驶功能所紧紧吸引时，目光通常聚焦于应用层的“百花齐放”。然而，这些直观感受的根源，深藏于车辆电子电气架构的最底层——那颗融合了AI智能引擎的汽车芯片。审视汽车半导体的演进历程，芯片的角色完成了从“开关管控”到“逻辑运算”，再到当下“智能生成”的质的飞跃。燃油车时期，分布式MCU（微控制器）仿若身体的神经末梢，承担雨刷启闭或节气门开度等单一
人工智能时代工控从业者的挑战与转机
本期内容有些特别——和大伙探讨下近期AI与本行之间的那些事，再顺便聊聊今天业内都在热议的话题。坦白说，这段时间AI的声势确实浩大，大到连我这个在工控领域摸爬滚打多年的人都感觉难以适应节奏。═══════════════════════════════════════一、谈谈本行"工控智能化"：AI正重塑工厂核心系统═══════════════════════════════════════怎么说呢，近期行业内最热的词依然是那三个字：工控智能化。AI与边缘计算融合，这种架构如今确实火了。简单来说就是将AI
AI与可穿戴设备：力量训练监测技术新突破
长久以来，力量训练与运动表现的评估主要依靠实验室级精密仪器或教练的个人经验判断。现今，虽然可穿戴装置已广泛普及，解决了基础生理参数的采集难题，但在复杂的力量训练场景中，多维生物力学数据的精确获取与分析仍存在显著技术挑战。本文依据2026年4月发表于《Applied Sciences》的最新学术综述，深入剖析人工智能与多模态可穿戴装置在体育界的融合机制。01研究团队背景：该文献由塞浦路斯弗雷德里克大学、希腊色萨利大学与色雷斯德谟克利特大学的Christos Kokkotis及其合作团队发布。该团队在生物力学
边缘AI赋能工业物联网：轻量化智能方案如何筑牢安全防线?—Ubiq-JouleCS泛在能控给出硬核答案
在工业4.0浪潮下，设备越来越“聪明”，但风险也越来越“隐蔽”。工业物联网（IIoT）正在重塑制造业——传感器遍布产线、设备互联互通、数据实时流动。但繁荣背后，一个致命痛点日益凸显：设备数量爆炸式增长，但安全防护和异常检测能力却严重滞后。传统方案依赖云端处理所有数据，存在三大致命短板：🐢延迟高：数据往返云端，关键异常来不及响应💸成本高：海量传感器数据上传，带宽和云端算力不堪重负🔓风险大：敏感工业数据长途传输，安全隐患陡增怎么办？——把AI“下放”到边缘。简单说，就是让AI直接在设备端跑起来，不依赖云端。通
大模型驱动的智慧环保监测体系架构方案
伴随全球城镇化步伐加快与工业生产规模扩张，环境污染已成为阻碍经济社会长远发展的关键瓶颈。现行环境监测方式多存在采样频次不足、分析延迟、反应迟缓等短板，如人工化验往往耗时数小时乃至数日方能出具报告，且固定监测点位布设稀疏（国内地级市平均密度仅每平方公里0.03处），无法对污染源头实施即时精确追踪。此种事后应对型管理模式已难以适应当代环保管控要求，在应对突发环境事故及追踪污染来源时更显力不从心。近期，大规模语言模型与多模态AI技术的飞跃为环保监测开辟了新思路。通过融合物联网传感网、边缘计算节点及环境专业知识库
AIoT技术演进与应用全景解析
AIoT作为人工智能与物联网的集成体，标志着两大前沿科技的交汇融合。其核心在于为海量互联装置植入认知中枢，使它们不仅能收集信息，更能自主解读、研判并采取相应措施，完成从单纯连接到智慧联动的跨越式升级。物联网构成了系统的感知与传输基础：它通过各类传感装置和视觉采集设备汇集大规模数据流，并按指令完成具体操作。人工智能则扮演着中央处理单元的角色：它深度挖掘数据价值，持续优化决策模型，赋予硬件设备预判与自决的功能。二者的有机整合构建起“采集-解析-研判-响应-反馈”的完整智能化循环体系。01AIoT技术体系架构解
人工智能的战略演进：从优化体验到解决核心难题
一、人工智能驱动社会变革的范式演进：从满足“痒点”到攻克“痛点”人工智能正经历一场战略重心转移，从过去的“痒点”式微创新，转向直面并解决“痛点”级社会问题。**早期人工智能技术主要致力于提升效率和改善体验这类“痒点”创新**，例如聊天机器人和智能助手。这些应用虽然带来了便利，但并未触及社会运行中的深层次矛盾。当前，人工智能发展已迈入新阶段，其核心价值体现在能够理解人类意图、拆解复杂任务并自主执行，形成完整的任务闭环。这种转变让人工智能从“信息理解者”进化为“任务执行者”，真正成为应对社会棘手问题的可靠伙伴
AI赋能智能座舱：突发疾病监测与健康风险干预
这是对您提供的论文《AI-Driven Smart Cockpit: Monitoring of Sudden Illnesses, Health Risk Intervention, and Future Prospects》的深度解析与完整综述。 --- 📘 调研报告：人工智能助力智能座舱实现突发病症监控与健康风险管控 一、基础信息 · 论文题目：AI-Driven Smart Cockpit: Monitoring of Sudden Illnesses, Health Risk Intervent
人工智能前沿深度观察第二十五期：物理智能与世界模型将成为未来五年投资焦点
AI基础设施的飞跃：以ChatGPT 3.5为里程碑，人工智能已从应用工具升级为关键基础设施，其重要意义“不亚于电力的发明”，标志着生产力结构的根本性变革。世界模型成为投资核心：当前人工智能最大的短板在于缺乏对现实物理世界的感知与理解能力，未来五年，世界模型将成为投资热点，推动AI从数字智能迈向物理智能。资本模式的转变：从传统的风险投资模式转向直接参与产业重构，AI资本开始并购传统产业，通过技术赋能进行改造后，再进行整合与扩张，催生出产业重构的新生态。技术、产业与投资的三维融合：AI正从技术驱动转向产业驱
爱立信联手软银演示AI-RAN赋能实体人工智能
软银与爱立信近日发布声明双方已完成一项概念验证测试目标是构建延迟极低、可靠性强的通信网络以支撑物理人工智能*1的应用这顺应了产业向实体AI和分布式AI负载转型的潮流，在此趋势下，机器人及自主系统需要动态调用计算设施。合作中，软银运用其正在研发的AI-RAN移动边缘计算（MEC）平台所提供的实时处理技术，与爱立信提供的、集成其网络功能的5G网络实现了联动。通过这一联动机制，机器人可在需要额外计算资源时，将AI任务动态迁移至附近的MEC平台。这使得机器人能够执行更复杂的功能，不受其自身硬件能力的束缚，同时确保
美光携手SiMa.ai发力边缘AI，聚焦机器人与自动化
美光科技正加速在人工智能领域的布局，通过新的投资扶持SiMa.ai，致力于拓展现实世界中AI系统的应用范围。 这项合作延续了双方已有的伙伴关系，核心在于优化计算与内存的融合，特别是在对能耗和速度要求极高的边缘计算场景中。SiMa.ai已将美光的LPDDR5X内存整合进其Modalix MLSoC平台，从而为机器人、无人驾驶及工业自动化等领域提供更高的带宽和更低的能耗。此外，该公司透露，搭载美光内存的模块化系统已开始交付客户，这标志着合作进入了商业化初期阶段。 此次合作的宏观背景反映了向“物理AI”的转变，
研华ARK系列：边缘AI运算的安全新方案
研华ARK嵌入式工控机深耕边缘计算，为工业应用提供强大支撑在数字化转型的浪潮下，工业制造正经历深刻变革，工控机与边缘AI的融合成为变革的核心动力。随着物联网、大数据及云计算的飞速演进，工业控制系统对实时性、智能化与安全性的需求愈发严苛。边缘AI运算的安全进阶边缘AI的崛起为工控机行业注入了新活力。将AI算法与模型部署于本地，实现了数据的即时处理与分析，大幅削减了传输延迟，提升了系统响应与决策效率。此外，边缘AI强化了工控机的自主与适应能力，使其无需云端依赖即可独立处理复杂任务，从容应对网络波动或中断等挑战
AI推理需求激增，CDN与边缘计算深度协同
AI大模型Token周调用规模飙升至4.69万亿，AI推理正从“可用”阶段迈向“大规模普及”。 这股热潮不仅带动了应用层面的繁荣，更正在彻底重构底层基础设施的格局。 01 爆发已成：AI推理迈入规模化新纪元 AI大模型的调用频率正以惊人的速率攀升。最新统计表明，周Token调用量已高达4.69万亿。这标志着模型不再仅仅是偶尔演示的“技术噱头”，而是真正成为了各类应用日常运作的核心组件。 推理需求的井喷式增长，对算力资源、网络传输及响应时延提出了全新挑战。一个严峻的问题随之而来：由谁来承载这股爆发力？ 答案