在CES领先贸易展会上,高通技术公司以其Dragonwing处理器驱动的机器人作为展台演示的核心,揭示了其物联网(IoT)市场化产品组合。
高通技术公司表示,现在已准备好满足更广泛客户群体的需求,从全球企业到独立本地开发者,在所有工业和嵌入式垂直领域提供核心边缘计算和人工智能技术。
高通于2025年2月正式推出Dragonwing系列,加速进军物联网领域。该系列旨在代表其工业和嵌入式物联网(IE-IoT)、网络和蜂窝基础设施解决方案,专注于工业应用。Dragonwing产品支持为商业和工业定制设计的边缘智能,设备上的硬件和软件AI解决方案在多个应用场景中得到使用。
最终结果是,这些物联网解决方案可用于简化复杂性、赋能更智能的决策制定和优化运营效率,形成高通所称的"行业转型蓝图",从满足日常需求到解决全球最关键的挑战。
近一年后,该公司现在拥有扩展的处理器、软件、服务和开发者工具集合。这些包括来自五次收购Augentix、Arduino、Edge Impulse、Focus.AI和Foundries.io的产品和技术。高通技术公司还声称具备为智能IP摄像头和视觉系统提供定制片上系统的能力。
该系列最新产品Dragonwing Q-8750,据称专为高性能边缘计算和沉浸式体验而设计。其AI引擎达到每秒77万亿次操作(TOPS),支持INT4/8/16和FP16精度,实现实时推理,甚至支持高达110亿参数的设备端大语言模型。这一后期特性据称消除了关键应用对云端的依赖。处理器的摄像头架构支持多达12个物理摄像头和三重48MP ISP,使其适用于无人机、媒体中心和多角度视觉系统。
专为消费级和工业物联网设备设计的Dragonwing Q-7790,拥有24 TOPS的设备端AI性能,被视为能够为智能摄像头、AI电视和协作系统等应用提供高级推理,而无需依赖云端。其多媒体功能包括双4K60显示支持、4K60编码和4K120视频解码,包括AV1硬件解码。它还具有增强的安全功能,适用于数据完整性至关重要的环境。
同样在CES上,该公司宣布重新定义其IE-IoT业务,成为跨工业和嵌入式领域的边缘计算和AI解决方案提供商。这一转型将引入具有竞争性路线图的独特产品线,统一的软件架构支持Linux、Windows和Android,为多个垂直领域提供部署就绪的解决方案。
结合其合作伙伴生态系统和Arduino、Edge Impulse和Foundries.io等易于访问的开发者平台,高通技术公司表示正在降低准入门槛,加速从原型到商业化的创新。
通过整合Arduino并通过Edge Impulse和Foundries.io增强开发者可访问性,高通技术公司相信能够赋能其开发者社区更快速、更安全地创新。统一的生态系统将Arduino的开源能力与高通技术公司的AI、连接性和安全技术相结合,而Edge Impulse和Foundries.io将提供机器学习和专注安全的部署工具。
高通技术公司汽车、工业和嵌入式物联网及机器人执行副总裁兼集团总经理Nakul Duggal表示:"我们不仅在推出新产品——我们正在推出一种全面的新方法,帮助几乎所有规模的组织,跨越几乎所有垂直领域,在追求效率和新机遇的过程中收获AI和边缘计算的益处。我们扩展的工业和嵌入式物联网产品组合,结合强大的开发者生态系统,将我们定位为构建智能、连接的商业解决方案的终极平台,并可实现规模化。"
Q&A
Q1:高通Dragonwing处理器系列的主要特点是什么?
A:Dragonwing系列是高通专为工业和嵌入式物联网设计的处理器产品线。其中Q-8750达到77万亿次操作每秒,支持高达110亿参数的设备端大语言模型,可支持12个物理摄像头;Q-7790提供24万亿次操作每秒的AI性能,支持双4K60显示和4K120视频解码。
Q2:高通如何降低物联网开发的门槛?
A:高通通过收购并整合Arduino、Edge Impulse和Foundries.io等开发者平台,提供统一的软件架构支持Linux、Windows和Android系统,结合开源能力与AI、连接性和安全技术,为开发者提供从原型到商业化的完整工具链和部署就绪的解决方案。
Q3:高通IE-IoT业务转型后的主要优势是什么?
A:转型后高通成为跨工业和嵌入式领域的边缘计算和AI解决方案提供商,能够为全球企业到本地开发者等广泛客户群体提供服务,通过消除云端依赖实现关键应用的实时处理,并通过统一生态系统加速创新和规模化部署。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。