搜索“端侧”

特尔® 酷睿™ Ultra 200 系列处理器与英特尔® 酷睿™ Ultra 300 系列处理器）两大旗舰平台，联合推出覆盖PC主板、一体机主板及OPS可插拔电脑的等全场景智能硬件矩阵，以"芯片级架构创新×全场景硬件适配"的深度耦合模式，为智慧教育、智慧医疗、智能制造、智慧零售等千行百业智能化转型注入澎湃算力动能。 当前，人工智能正经历从"云端集中训练"到"端侧分布式推理"的历史性转折。据IDC预测，到2027年超过70%的企业级AI推理将在边缘端完成。智慧教育场景需要本地AI学情分析驱动精准教学，智慧医疗场景呼唤离线影像辅助诊断保障患者隐私，智能制造产线依赖毫秒级机器视觉质检确保产品良率，智慧零售场景依赖本地AI视觉识别驱动无人值守运营——碎片化、场景化的算力需求，正呼唤兼具AI加速能力、灵活I/O配置与多形态部署方式的新一代智能硬件。 然而，不同行业场景对算力的需求呈现出显著的差异化特征：教育交互终端需要稳定可靠的多媒体处理与多屏显示能力，工业现场强调严苛环境下的宽温运行与丰富串口扩展，办公与零售场景追求紧凑体积内的高性能计算与低功耗运行的平衡，智慧交通终端则对多路视频并发解码与边

匹配字段正文

巴发布Qwen3.5，称其为面向智能体AI时代。开源的Qwen3.5-397B-A17B在397B参数中激活17B。它采用Qwen3-Next曾预览过的混合线性注意力设计。托管版Qwen3.5-Plus增加了100万token上下文。 2月24日推出中型系列。Qwen称其Qwen3.5-35B-A3B击败了较旧的Qwen3-235B-A22B-2507。小型端侧模型于3月2日推出。 领导层变动（3月）：3月3日，技术负责人林俊旸发文称将卸任。路透社报道称，他是2026年第三位离职的Qwen高层人物。后训练负责人于博文也已离职，编程负责人惠彬原已于1月加入Meta（第一财经）。 据36氪报道，导火索是将Qwen拆分为横向的预训练、后训练和模态团队的计划。3月16日，阿里巴巴将其AI部门划归由CEO吴泳铭领导的新集团。彼时，阿里巴巴已发布超过400个开源Qwen模型，下载量超过10亿次。 Qwen3.6（4月）：节奏并未放缓。Qwen3.6-Plus于4月2日作为专有托管模型发布。这契合了更广泛的转变：南华早报报道中国AI巨头正转向专有模型以获取收入。开源一侧继续推进。Qwen3.6-35

匹配字段正文

佳突破口。在他看来，工业软件的特殊性在于——它不只是代码，更是工业Know-how的数字化沉淀。AI可以加速设计、优化工艺、辅助决策，但无法替代对物理规律、材料科学、制造工艺的深层理解。 “这是一个很奇怪的现象，”光羽芯辰运营负责人陈树萍说，“在云端大模型参数不断膨胀的同时，行业却在全力把AI塞进终端设备。云端大模型受制于高延迟、数据隐私、网络依赖三大瓶颈，端侧AI成为必然方向。”在她看来，端侧AI要解决的核心问题是：如何用更低的成本、更小的功耗，让大模型真正跑在用户的手机、PC和物联网设备上。 在大会最后的圆桌论坛环节，WeMeet荟神数科创始人兼CEO顾学斌打破了现场的“第四堵墙”。他直言：“今天这场线下会议，很多人是为了获得商机，找到上下游和投资人。大家不想浪费自己的时间，希望有高质量的互动，至少希望一下午没白来。但当前，参会者之间的沟通互动还没有这么高效。” AI能带来什么？顾学斌的答案是：把今天会场的每一句对话、每一页PPT、每一个跨语言的交流，通过AI智能体实时沉淀、翻译、分发，再通过穿戴设备让交互不再受地域和语言的限制，让参会者之间建立联系，甚至在线完成商务对接。在他看来

匹配字段正文

计算，光靠量子一种算力很难搞定，需要量子算力与经典模拟算力（GPU/CPU）协同求解。 更大的难点不在于算力平台互通，而是大量实际场景的问题，很难直接转化为适配量子计算的数学表达，需要研究者自行完成问题映射、模型重构，门槛很高。 此外，云上“量超智”融合是一种可行路线，但很多实验参数、模型配置这些核心数据一旦离开本地，安全和合规就成了绕不过去的坎。更何况不少端侧场景，本来就要求本地部署。 说白了，行业缺的是一个能把这些异构算力统一管起来、提供量子解决方案的载体，UnitarySpark就是奔着这个来的。 说句话，就能跑量子计算 这次发布最有意思的地方，是人和机器打交道的方式变了。 UnitarySpark和UnitaryLab里都内置了AI Agent。 你不用先变成量子专家，把问题用自然语言说清楚就行：想解一个什么样的偏微分方程，想跑哪一类量子算法，想做什么工程仿真 。 Agent会接着把这些话翻译成数学问题、算法参数和能执行的任务，再调度底层算力，一步一步把结果跑出来。 NVIDIA官网2026年9月的一则成功案例，给了个直观的数字：原本大概要12步的手动编码，现在压缩成约3句自然

匹配字段正文

取、装配这种精细操作的最后环节，会出现几毫米的误差。看上去动作已经到位，但是这一点点误差，没办法自动修正，直接导致任务失败，整体成功率暴跌。“未来谁能解决这个物理世界对齐的毫米级误差问题，机器人的核心难题就基本解决了。” 安恒信息董事长范渊在数贸会西湖论剑大会期间接受媒采访时表示，AI安全是系统性工程，并非局限于模型层，而是覆盖智能体、MCP、Skills、端侧设备的全链条体系，唯有实现统一系统化管控，才能筑牢AI自主时代的安全底座。 范渊认为，AI自主技术正在重构网络安全行业格局。“无论是黄仁勋基于算力使用得出的AI很自然会进入软件漏洞发现和网络安全领域'的判断，还是国际上接连发生的数起AI自主攻击事件，都指向一个趋势：在智能体规模应用时代，真正AI原生自主的对抗决定着网络安全的未来。” 本次展会上，安恒信息在本届数贸会上展示了国内首个AI原生代码审计智能体——恒脑AI代码审计智能体，以及全球首个捕获AI Agent自主攻击的AI原生蜜罐产品——猎影·AI威胁狩猎诱捕系统，把“以AI制AI”从概念做成了可交付的产品。 除前沿机器人与AI安全赛道外，多家科创板科创企业携核心技术亮相。服

匹配字段正文

「系统二」去理解意图、拆解步骤； 但当手已经伸向杯子，接下来究竟该往左微调几毫米还是往右偏一点，这种毫秒级的动作反应，不可能每一步都依赖深度思考。 一个通用的「慢系统」负责高层规划与复杂推理，而一个足够强悍的「快系统」，则负责实时感知眼前不断变化的物理世界，并极速输出动作。 Simate选择的正是后者—— 将快系统的参数量做大，探索零样本泛化能力的涌现，挑战端侧可部署模型的规模与能力上限。 理解物理世界，必须同时捕捉空间结构与时间维度的动态变化，让物理表征真正服务于行动。 2、分层时序记忆 长程任务需要记住此前发生的事，连续操作需要追踪状态，即时反应又不能被庞大的历史信息拖慢。 4D物理感知与分层时序记忆，共同指向与人类快系统处理连续世界方式的对齐。 这条路线，也延续了团队在大规模视觉模型、时序建模、实时推理与量产部署上的积累。具体架构和模型规模，将在后续技术报告中披露。 最终希望达到的状态是：模型既清楚眼前正在发生什么，也记得刚才发生过什么，并能及时决定下一步。 再与GPT-6等前沿模型所代表的通用推理能力协同，向复杂任务的零样本执行推进。 从公司目前给出的 Simate-beta

匹配字段正文

ortex®-M85主核与Cortex®-M33从核双核协同架构，充分释放板卡异构计算性能——这是对RA8P1多核架构的深度挖掘。 武汉大学另一支团队的作品“基于多模态感知与定向声学交互的桌面工作助手”，则展示了AI在康养辅助场景的应用潜力。作品采用视觉与毫米波雷达双重协同感知，可精准定位人脸，并无感监测呼吸、心率及活动状态，多维度评估用户专注度与健康水平。端侧平台深度融合NPU视觉、毫米波感知、定向声学与嵌入式GUI技术——多模态AI的融合应用令人印象深刻。 来自湖南衡阳师范学院的作品“灵眸·芯途”——智能导盲头盔荣获全国二等奖。这件作品以RA8P1双核微控制器为核心，依托双核架构实现算力分区部署，通过本地模型推理与云端大模型接入，实现语音导航、红绿灯识别、避障预警、摔倒告警、场景智能问答五大核心功能。从端侧AI推理到云端大模型协同，这件作品展现了AI部署的另一种范式。 来自浙江的参赛队伍针对基层社区药房人工配药效率低、称量误差波动大等行业痛点，设计了“基于边缘AI感知与决策的药店智能调度与精准配药系统”。该系统打通扫码开方、中西药分拣、精准称量、自动卸料、无人配送、云端库存监测等基

匹配字段正文

了超过6000名来自芯片、整机、软件、系统集成、应用开发等全产业链环节的参会者。大会聚焦AI算力基础设施升级、开放计算生态建设及智能计算应用落地，推动国产人工智能算力从关注建设到关注应用、从评价单一参数到注重系统能力、从局部场景迈向大规模迁移。 作为光合组织核心成员单位，海光信息在大会上首次集中呈现了“云边端”完整算力体系，展示了面向数据中心、边缘计算、物理端侧的全场景AI计算布局。海光信息副总裁应志伟、海光信息创新产品部总经理李成、海光信息服务器产品部总经理张攀勇、海光信息总裁助理兼智能计算产品部总经理杜夏威以及光合组织嵌入式产品专家张考华等专家，围绕AI产业发展趋势、算力芯片技术路线、国产算力行业赋能等核心议题发表了演讲并接受了媒体采访。他们的观点共同勾勒出智能计算生态发展的清晰图景——从“堆算力”走向“用算力”，从单一硬件竞争走向系统生态竞争。 范式跃迁：AI从对话走向Agent，算力逻辑深刻重构 本次大会主题“智算无界 范式跃迁”精准概括了当前智能计算产业所处的历史节点。中国工程院院士李国杰在大会致辞中指出，人工智能正在从大模型向智能体和具身智能快速演进，AI for Scie

匹配字段正文

演示（见公众号原文 ） 整个 Demo 均由 Ling-3.0-tiny 在 macOS 本地完成推理，无需调用云端模型服务。实测首 Token 响应低于 100 毫秒，连续点击和多层下钻时依然保持连贯流畅；阅读路径、查询记录与生成内容也可以留在设备端，无需产生云端 API 的按次调用费用。 Infinite Wiki 展示了 Ling-3.0-tiny 在端侧高频交互场景中的实际价值：它不只是能够在 Mac 上运行，还能够以接近原生应用的响应体验，成为随时可用的本地知识引擎。 Mac mini：让本地智能持续在线 同一套 Apple Silicon 部署路径也可以延伸至 Mac mini。 与侧重移动办公的 MacBook 不同，Mac mini 更适合作为低功耗、常驻式的本地智能节点，为个人或小型团队持续提供知识库检索、文档分析、自动化任务和本地模型 API 服务。 它可以被放置在办公室、工作室或家庭环境中，让 Ling-3.0-tiny 从一个需要临时启动的模型，进一步成为持续在线、随时可调用的本地智能能力。 实测 Demo：基于 Mac mini 的本地阅读与写作助手 我们在

匹配字段正文

慢”（实时性失效）。 因此，VPU与GPU、NPU共同构成了AI时代“感知-计算-决策”闭环中不可或缺的硬件基石。 “玲珑”V560/V760应运而生 超视频时代，数据洪流奔涌而至，云、边、端各侧视频海量生成。面对千差万别的应用场景，视频处理需求也各不相同。例如，云端AI场景日趋复杂，多模型并行、高负载任务密集，对视频质量和视频处理可靠性提出极高要求；云端与端侧的视频交互日益频繁，从视频直播到视频会议，低延时编解码技术也已成为保障实时体验的关键支撑。 安谋科技Arm China深耕VPU IP赛道，将自研VPU产品线命名为“玲珑”，寓意八面玲珑，万千场景全覆盖。目前，“玲珑”系列已有多款面向不同视频应用的自研VPU IP产品，全新推出的“峨眉”作为第五款产品，是安谋科技Arm China “All in AI”产品战略指引下的最新自研成果，能够出色应对AI技术爆发所带来的海量视频数据编解码加速需求，为AI时代的视频应用提供核心技术支撑。 安谋科技Arm China VPU产品总监汪奕磊 安谋科技Arm China VPU产品总监汪奕磊表示：“在如今AI与视频相互赋能的时代，视频处理正面

匹配字段正文