边缘计算被Gartner评为未来十大战略性技术之一,相比于数据直接上云,边缘计算具备更低延时、更加安全可靠、并具备本地自治能力的优势。当前,越来越多企业希望在靠近物或者数据源头的边缘侧使用智能边缘服务,让联接更敏捷,业务高实时,减少云和网络的束缚。
日前,为了持续构建边缘产业生态,使能各行业更充分地发挥边缘算力优势,加速行业智能创新,华为云智能边缘平台(Intelligent Fabric,下称IEF)正式开展免费活动,活动持续至2022年12月31日。

边缘计算有非常广泛的应用场景,可运用在智慧园区、工业物联网、边缘CDN、交通、电力、物流、汽车、空间信息等行业,一些典型的业务场景有人脸识别、危险任务入侵检测、车路协同、违章检测、工业质检、电力巡检、煤炭矿场安全隐患检测等。
华为云智能边缘平台IEF提供业界领先的云边协同一体化服务,满足用户对边缘计算资源的远程管控、数据处理、分析决策、智能化的诉求,具备全生命周期管理、极轻极简、边缘离线自治、超大规模协同、生态丰富五大特点:
一、全生命周期管理:支持异构设备接入、镜像管理、应用升级、应用运维、应用分发等边缘业务全生命周期管理;
二、极轻极简:支持轻量化容器和函数部署,最小仅需128MB内存;
三、边缘离线自治:去中心化调度,支持离线场景边缘应用秒级恢复业务,保障高可用;
四、超大规模协同:单租户支持十万级节点、百万级应用边云协同,万级节点镜像分钟级分发;
五、生态丰富:云市场上线150+AI/IoT应用,覆盖电力、交通、制造等20+行业。
华为云智能边缘平台 IEF 已成为业界云边协同解决方案的标准方案,在智慧交通、智慧能源、工业互联网等场景广泛应用。
在智慧交通领域,交通部路网中心基于华为云IEF实现了全国数百个省界收费站的撤销、数万套ETC门架系统的统一管理,支撑全国数十万公里高速公路“一张网”运行、“一盘棋”管理,边云协同架构支持未来向V2X车路协同和自动驾驶持续演进;
在智慧园区领域,中海物业借助华为云“IEF+视频监控+AI分析”方案,实现从人防到技防,优化园区运营效率;人流聚集、周界入侵等异常事件秒级响应,有效提升住户体验;
在智慧电力领域,基于华为云IEF边云协同架构,实现输电、变电、配电场景下的智能巡检,无人化、智能AI视频巡检有效提高效率,减少人工投入,并提高可靠性,第一时间发现并上报异常;
在智能制造领域,制造企业三联虹普基于华为云IEF+AI实现了传统纤维产线柔性化生产,提升客户需求匹配率,由AI代替人工抽检,大幅提升检测效率。
华为云IEF的落地实践得到了众多行业和标准组织认证,是首批通过基于云边协同的边缘节点管理解决方案能力要求认证的边缘计算平台,也以最高标准通过可信云全栈容器云解决方案能力要求,还荣获2020年边缘计算十大解决方案。华为云还致力于推进边源计算技术的普及,IEF的核心能力作为开源项目KubeEdge在2019年捐献到CNCF社区,吸引了60+组织参与贡献,得到业界和CNCF社区的广泛认可,KubeEdge现在是社区唯一的孵化级边缘计算项目。
目前,智能边缘平台IEF在华为云官网上正在进行免费申领活动,原价1.56元/应用实例/小时的IEF专业版可以免费申领,了解详情请访问:华为云官网-智能边缘平台IEF。https://www.huaweicloud.com/product/ief.html
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。