发布时间:2017-05-19 阅读量:764 来源: 我爱方案网 作者: 智慧产品圈
5月18日,2017中国智慧家庭博览会与深圳(国际)集成电路技术创新与应用展隆重开幕。展会同期的“跨界+融合,探索教育应用落地新模式峰会”,邀请了众多教育行业专家、领导,及华为、讯飞、天闻数媒等教育方案商共同探讨教育行业跨界技术融合的可行性,推动产业落地。
在论坛分享中,广东财经大学高级工程师李雪来指出:从全社会的角度,通过大数据的收集、使用、分析,建立教育发展决策系统,支撑教育发展与经济发展相结合决策的需要是至关重要的。
目前我们开发采集前置服务系统、教育科学决策服务系统、师生成长分析系统这3个系统,并构建了教育科学决策模型、教师发展模型、学生成长模型,来为智慧教育提供支撑。但这还是不够,未来需要围绕教育问题开展跨学科、跨区域、跨界研究,及为教育相关产业提供支持,构建更加完善教育信息化解决方案。
人工智能到底对教育的当前、未来产生哪些影响?科大讯飞教育事业群区域行销总监方满认为:人工将在四个方面产生作用,一是人工智能可以有效降低教育数据的采集门槛,将数据结构化,它可以将采集的教育数据编入计算机进行分析。以前学生做完作业就结束了,现在可以通过机器把做完的作业编入计算机进行处理。二是它能通过智能分析使优秀经验模式化。三是数据驱动的个性化教学资源。四是AI可作为智能互动的个人学习助理,给学生提供一个学习的伴侣,可以帮助他整理学习作业,发现学习中的问题,帮助他更好更高效进行学习。
广州视睿教育事业部总经理黄逸涛表示做教育电子产品往往面临的是一个品质和成本的跷跷板,特别早期整个行业相对比较无序的情况下,对产品的竞争,特别是价格的竞争会让很多企业难以坚持下来。这就需要基于自身的核心技术不断也推出了新的产品,把体验做好,才能保持良好的市场竞争力。这也是希沃这个品牌在市场经历了8年时间还不断发展的核心所在。
未来立体董事长阮仕叠指出:科技企业跨行进入教育领域面临最大的困难就是自身对教育的理解往往不到位。“未来立体本身是全国第一家做3D教学资源的,特别是围绕小学的科学,中学的物理、化学、生物、地理这些学科做的资源。资源我们不缺,很高清,很好,但是却与市场实际情况存在偏差,使得我们之前投了几千万做的东西老师都不用。经过几年的摸索,我们找到了路子,就是做优质的教学资源。用我们的核心技术,做出真正符合教学需求的三维立体视频以及模型,目前已经制作了600000个教学用的模型。”阮仕叠说道。
菁优网总监吴江华表示优质教育资源的建设和积累是一件很苦的事情,菁优网在2009年就开始做在线题库,整个中国的教育信息化从2012年才开始真正发展发力,我们是早于中国政策之前几年去做的。但当时产业整合难度大,用户对优质资源付费意愿不高,这都严重制约着企业的发展。但是这两年随着教育信息化不断发展,以及校领导,包括教育局层面的领导对优质资源的认可度都有了很大的提高。未来菁优网将基于题库本身的数据化结构提供给第三方的数据支持,利用第三方的渠道拓展题库面向全国,乃至整个教育界的教育。同时基于这种大数据的推动,形成各种功能性的产品,加速优质教育资源的开发和积累,助力产业发展。
美光科技(Micron Technology)于6月25日发布最新财报,其中对2024财年第四季度的业绩展望显著超越市场预期。公司预计第四财季营收将达约107亿美元,远高于华尔街分析师普遍预测的98.9亿美元。受此积极信号影响,美光股价在盘后交易时段应声上涨,凸显市场对其增长前景的强烈信心。
三星电子正计划调整其首款Android XR头显Project Moohan(代号“无限”)的屏幕供应链策略,拟将关联企业三星显示纳入OLEDoS(硅基OLED)面板供应商体系,与索尼形成“双供应商”结构。此举旨在打破索尼的独家供应局面,提升供应链韧性及议价能力。尽管三星显示加入,索尼仍将保持第一供应商地位,但三星电子借此强化了长期布局XR市场的战略基础。
台积电与苹果共同开发的晶圆级多芯片模块(WMCM)技术标志着先进封装的新高度。作为InFO-PoP的升级版,WMCM融合CoW(Chip on Wafer)与RDL(Redistribution Layer)等尖端工艺。其核心创新在于采用平面封装架构取代传统垂直堆叠逻辑芯片与DRAM,显著提升散热效率与整体性能。这项独家技术将成为苹果下一代iPhone搭载的A20处理器(预计采用2nm制程)的关键性能支柱。同时,苹果自研的AI服务器芯片正稳步导入台积电的3D晶圆堆叠SoIC封装技术,进一步强化计算密度和能效。
在现代工业自动化向智能化、网络化、柔性化加速演进的大背景下,高性能、高可靠、特定场景优化的核心硬件设备构成了系统的“大脑”、“眼睛”和“四肢”。英特尔4U工控机(IPC-615H5)、RK3568高性能监控主板和HPM6400/6300伺服电机控制板分别代表了通用工业计算平台、边缘AI视觉处理平台和高精度运动控制平台的最典型形态。它们在各自的领域拥有独特优势,共同支撑起复杂的工业控制闭环。本文旨在对这三款核心产品进行全方位对比分析,剖析其技术特点、优劣势、应用场景及市场前景,为工业自动化方案选型提供专业参考。
人工智能技术,特别是生成式AI和大规模机器学习模型的迅猛发展,对全球数据中心的基础设施提出了前所未有的高要求。海量数据的实时处理与复杂模型训练,导致数据中心计算负载激增,随之而来的功耗攀升已成为产业亟待解决的核心瓶颈。这不仅推高了运营成本,也对电网承载能力和可持续发展目标构成严峻挑战。如何在高性能计算需求持续增长的同时,有效控制并降低能源消耗,成为AI数据中心建设与升级的关键命题。