边缘设备

物理AI所需的能量，远超传统嵌入式平台所能供给的水平。设备需要持续感知、多模态识别，并以传统处理器在嵌入式能耗预算内无法支撑的规模执行模型推理。物理AI正迫使整个行业直面那个多年来一直制约实际部署的能耗上限。

近日，MITRE公司联合美国国土安全系统工程与开发研究所（HSSEDI）及网络安全与基础设施安全局（CISA），正式发布了2025年“最危险的25种软件漏洞”（CWE Top 25）榜单。

随着人工智能（AI）加速向工业控制领域渗透，如何平衡AI的“概率性创新”与运营技术（OT）的“确定性安全”，已成为全球关键基础设施面临的首要挑战。

随着边缘设备所产生数据量的增加和计算需求的提升，网络的时延过大和带宽不足正逐渐成为传统云计算的瓶颈问题，然而仅靠增加网络带宽并不能满足海量物联网设备和应用对时延的要求，必须在接近数据源的边缘设备上卸载计算任务，从而减少数据传输并提高响应速度。