微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 物联网时代,选择一个技术,就是选择了一种生态

物联网时代,选择一个技术,就是选择了一种生态

2017-09-06 09:00
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-09-06 09:00 周雅

CNET科技行者 9月6日 北京消息(文/周雅):几年后的智能家居,或许都可以通过深度学习云端的数据就能把事情做好,但你一定更希望它像智能手机一样互联互通,以便随时随地远程操控。

置身物联网行业,企业和开发者往往会面对五花八门的技术平台,无从选择;每个平台都要考虑设备兼容性、应用程序、传感器、乃至底层技术,繁琐至极;更要命的是,物联网还覆盖海量应用,它可以是一款跟你对话的智能音箱,也可以是一双检测人体数据的智能跑鞋,当然也可以是一台在农场里播种的无人机。

物联网时代,选择一个技术,就是选择了一种生态

片来自麦肯锡报

面对如此复杂灵活的应用场景,未来催生物联网的主要技术分为了三块:一个是连接能力,一个是计算能力,还有一个是数据处理能力。

第一个连接能力就是连接各个物体,使它们互相“通话”,有短距、中距和广域的连接技术;中间包括CPU、GPU、多媒体、图像、传感器、定位等这些在手机里的计算技术,将被转移应用到物联网;后两者都将基于数据算法。

这时候对于投身物联网发展的制造商来说,一个个满足于不同行业应用产品的技术平台就显得很有必要了,可以说,选择一个技术平台,就是选择了一种物联网生态系统。

万物互联,连接为本

“目前利用高通公司技术的物联网产品出货量已超15亿部,我们已推出超过25个物联网的参考设计平台,以帮助制造商快速且低成本地开发物联网终端,产品涵盖智能手表、智能家居、联网摄像头、无人机、VR等。”在接受采访时,高通市场总监Ignacio Contreras对CNET记者表示,高通在物联网领域的独特优势在于,可以将移动领域的领先技术复用在物联网之中。

为什么手机中的技术可以或者需要应用到物联网?

原因之一,蜂窝通讯技术经历30多年发展,具备覆盖广的先决条件,不需要重新部署,最直白的例证就是,无论走到任何一个地方,手机基本都有信号。全球移动设备供应商协会(GSA)数据显示,截至2016年4月,在全球160多个国家中,超过500家运营商部署了LTE,超过400个厂家发布了超过5000款支持LTE的各种产品——借助过去数年智能手机的发展脉络,LTE已经成为最容易获得且性能最容易保证的无线通信主流技术。

原因之二,运营商花费了很大精力部署蜂窝通讯技术,在连接、安全、质量方面都有充分保证,确保了它是始终在线、安全可靠的一个基础设施。

一个手机里面的通信系统尽管五花八门——有4G、GPS/北斗、FM、Wi-Fi、蓝牙等,这些都是射频系统,要收发数据、处理各种信号,还要全部塞在一个极其轻薄、小面积的金属壳子里,且壳子里的电池、相机等机械构件还都在抢占资源。能在这么一个严苛的设计环境里,既兼顾技术的进步,又兼顾多个系统的兼容、功耗、成本和散热等其他指标,充分说明它经过了一个长期融合的过程,自然适合低成本模块的物联网。

原因之三,蜂窝通讯行业生态系统的从业者非常多,在网络侧有全球主流的基础设施厂商们,终端侧有手机厂商们,芯片侧有高通等研发者,大家从标准的制定到技术的发展和验证,再到产品的研发和上市,以及整个网络、整个手机的优化和完善,已经形成了一条成熟的产业链。

当然,仅仅把现有的LTE技术简单平移到物联网终端是行不通的,为了支持更广泛的物联网终端连接,低功耗和较低数据传输速率也是一个需求,这些如何解决呢?

目前3GPP制定了三种关于物联网的标准连接技术,一种是eMTC(Cat-M1,物联网的一种连接场景),是机器之间通讯的标准;第二种叫NB-IoT(Cat-NB1,窄带物联网) ;第三种是EC-GSM(扩展覆盖)。

前两种技术的主要任务是降低系统复杂度、降低系统成本、提高系统的续航时间,去掉不必要的能力,比如高数据率、高移动性和超强传输能力,尤其是根据物联网的要求量身定制,达到提升电池寿命、降低成本、提升小区内部署总量的要求,实现其他的益处。EC-GSM是基于GSM(2G)技术,主要针对一些还保留原来2G网络的运营商。 E-GPRS会在传统GSM基础上继续演进,加入增强的特性,比如更深的覆盖。在很长的一段时间里面,这三者都会共同存在并共同发展。对此,高通认为三者各有长处,因此主张多模物联网。

企业在选择应用服务或者网络部署时,只能根据相关技术优势进行选择,需要精准预测未来3年、5年或15年之后所部署的服务和采用的技术,这是个考验。但企业无法避免运营商将相关网络、频段和模式重新调整的可能。试想一下,如果那些在墙里、在地底下已被部署好的模块能够自适应调整,就省去了重新部署的麻烦。

这就是多模模块的原理,如果将eMTC/NB-IoT/ E-GPRS集成于一个模块中,兼得多个技术优势,无论未来相关条件发生什么变化,模块总能够满足各类需求和调整,并可以通过升级软件应对相关调整。

在商业和工业物联网应用中,高通早在2015年10月就率先推出了多模多频调制解调器MDM9206,并将于今年完成对所有模式(Cat-M1/NB1/E-GPRS)、频段的支持,达到商业交付水平,可以理解为MDM9206是一款物联网“全网通”产品,意味着它可以自动切换网络,保证连接稳定性与应用可靠性。

MDM9206现已应用在摩拜单车的智能车锁上。通过MDM9206 的LTE连接及全球导航卫星系统定位功能,摩拜单车用户能够更加精准地识别可用单车、加快智能锁开锁速度,并对单车状态持续监测、实时管理。

此外,高通的可穿戴平台已被超过150款可穿戴设计所采用;同时,超过80%已发布或推出的Android Wear 智能手表,都采用了高通Snapdragon Wear 2100。

除了技术研发,高通也在精准地投资重要的垂直行业。在Wi-Fi技术方面,2011年1月5日,高通以31亿美元收购无线网络芯片厂商创锐讯并作为高通公司的全资子公司——高通Atheros公司进行运营,致力于开发出允许在蜂窝网和Wi-Fi热点间切换通话的平台;在蓝牙方面,2014年10月,高通以25亿美元收购蓝牙晶片厂CSR,后者在蓝牙智能和音频处理芯片领域拥有技术领导地位;在车联网方面,2016年,高通宣布将收购恩智浦,恩智浦是高性能混合信号半导体电子领军企业,拥有汽车、广域微控制器、安全识别、网络处理和射频功率等领域的创新产品与解决方案以及领先地位。

物联网设备,离不开“智能”

解决了连接问题之后,物联网设备另一大需求在于“智能”,比如智能摄像头能够检测到房间里的陌生人并自动报警;再比如智能音箱能够与人类自然交流,并对其需求做出正确回应。这些都是基于设备本身的认知能力和数据处理能力。

自2007年,高通开始探索面向计算机视觉和运动控制应用的机器学习脉冲神经方法,随后还将其研究范围从仿生方法拓展到了人工神经网络——主要是深度学习领域。

稍早前,Qualcomm开发者网络(Qualcomm Developer Network)上已开始提供Qualcomm骁龙神经处理引擎(Neural Processing Engine,NPE)软件开发包(SDK)。骁龙神经元处理器引擎(Snapdragon NPE)是首个面向骁龙移动平台设计的深度学习软件框架。

最新的消息是,高通宣布收购了专注于前沿机器学习技术的阿姆斯特丹大学附属公司Scyfer B.V.,以充实其相关人才团队。Scyfer已为全球多个不同行业的公司打造了人工智能解决方案,包括制造业、医疗业和金融业。

分享至
0赞

好文章,需要你的鼓励

周雅

Miranda
关注科技创新、技术投资。以文会友,左手硬核科技,右手浪漫主义。
推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    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。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    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。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    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。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    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。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-