
一件样式简单的T恤,却能检测出人体脉搏、体温、汗液、心电图、脑电图等一系列状态,这不是科幻片,这是来自于台湾AiQ的智能服装。然而,在这样的一件可穿戴设备上,关于用户本人的身体数据不断被刷新,这就引起了人们对于隐私问题的关注,同时在物联网、可穿戴、车联网等新兴领域中,安全已逐渐成为隐患问题。
为此,博通公司近日宣布,为其嵌入式设备互联网无线连接(WICED™)产品组合推出了一项新型Bluetooth® Smart单芯片解决方案(SoC),为物联网生态系统提供安全保护及iBeacon技术支持。
图:博通公司嵌入式无线暨无线连接组合事业部市场营销总监Jeff Baer
WICED Smart芯片BCM20737可以帮助用户保护敏感信息。会上,身穿该服装的博通公司嵌入式无线暨无线连接组合事业部市场营销总监Jeff Baer指出,博通的新款高性价比低功耗WICED Smart芯片BCM20737支持RSA 4000比特加密与解密技术,可以应对最危险的安全威胁,以确保用户数据在传输过程中进行安全的加密编码。
图:基于博通WICED Smart芯片的AiQ智能服装
BCM20737芯片和博通Bluetooth Smart完整的解决方案产品组合支持iBeacon技术,具有更高级的设备检测和识别性能。iBeacon是苹果引入iOS 7的一项技术,该技术采用低功耗蓝牙技术和地理围栏技术,为应用程序提供了全新级别的微定位感知功能,如公园路径标示、博物馆展览或商店产品展示。举例来说,用户可以启动智能手机中的应用程序,以检测到车钥匙上的低功耗发射器,并立即找到丢失的车钥匙。
在这方面,Brian Bedrosian表示,对于博通来说,支持iBeacon技术至关重要,因为该技术具有极强的适应性,可以快速应用于零售店、体育场馆、机场等公共场所。Brian Bedrosian更称,博通正在基于顶级的安全保护技术和iBeacon技术加紧为客户开发更多的产品。
“为了保护产品免遭黑客攻击,并对产品间传输的数据进行加密,蓝牙芯片中先进的安全功能正变得日益重要”,ABI 研究公司研究总监Philip Solis 说,“由于更多人向手机和电脑传输附件,预计今年基于蓝牙技术的产品出货量达到27亿件—这比2013年增长了20%。”而博通WICED Smart单芯片解决方案(SoC)提供无线充电联盟(A4WP)RezenceTM 无线充电技术的本地支持,有助于减少用户使用无线连接时带来的安全风险。
根据市场研究公司ABI Research 的数据显示,美国每个家庭平均拥有10台需要充电或再充电才能正常运行的设备。而作为首家提供拥有无线充电支持的Bluetooth Smart芯片的厂家,博通一直致力于研发可以为更多产品在家或者行程中快捷充电的技术。
前阵子博通的一项声明让业界传出其淡出手机芯片市场的消息,声明中称:企业“正探寻手机移动基带业务的新选择,未来或考虑减少这部分产品的销售”。而后从博通为物联网生态系统发布的单芯片解决方案(SoC)的举措可见,物联网、可穿戴等新兴领域的发展走向,让博通看到了手机芯片市场以外的契机。
Brian Bedrosian更透露,博通已做好准备引领物联网和可穿戴产品市场,WICED平台将利用博通的无线技术,推动物联网和可穿戴产品的更新换代。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。