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
人工智能开发商Anthropic为其旗舰聊天机器人Claude推出新的医疗健康功能,用户现在可以与服务共享医疗记录以更好地了解自己的健康状况。Claude可以连接官方医疗记录和苹果健康等健身应用,进行更个性化的健康对话。新功能现已向美国的Claude Pro和Max订阅用户开放。公司强调该工具不用于诊断或治疗建议,而是帮助用户理解复杂医疗报告,为医患沟通做准备,并承诺严格保护用户隐私数据。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
谷歌发布通用商务协议(UCP)开放商务标准,旨在让AI智能体自动化整个购物流程,从产品发现到支付再到售后服务。该协议与Shopify、Target、沃尔玛等零售商合作开发,支持AI智能体协同处理客户购买流程各环节。谷歌还推出品牌商业智能体和直接优惠工具,优化AI搜索中的购物体验。麦肯锡预测智能体商务到2030年将成长为3万亿美元市场。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。