ADLINK 基于 NVIDIA EGX 平台部署从边缘到云的 AI：加速边缘计算解决方案

学习如何为低功耗外设项目配置Microchip RN487x系列蓝牙模块。 构建紧凑节能设备时，蓝牙几乎总是首选通信。多年标准成熟，如今大量即用型模块提供完整片上系统(SoC)，满足许多外设需求。热门例子是Nordic nRF52840，集成32位处理器、多协议蓝牙无线电、完整I/O接口如GPIO、PWM、USB、SPI、I²S。 虽强大，但这些SoC学习曲线陡峭、嵌入式固件集成开发耗时大。许多常见用例——仅需少量模拟/数字通道的远程感测或控制——更简单、聚焦的方案往往更佳。 Microchip RN487x家族应运而生。该家族两模块——RN4870和RN4871——提供多路并发双向数字和模拟

组件与物料 Arduino UNO×1 Arduino Yun Shield×1 温度传感器 (TMP36)×1 跳线（若干）×1 面包板×1 应用与在线服务 Arduino IDE Arduino IoT Cloud 项目简介 本项目演示如何利用 TMP36 温度传感器、Arduino Yun Shield 与 Arduino Cloud，随时随地查看家中温度。 硬件连接 组装简单：将 Yun Shield 叠加在 Arduino UNO 上，TMP36 的 VCC 接 5V、GND 接地，信号脚接 A0。 配置 Arduino Cloud 登录 cloud.ardui

应用特性与带宽决定性能 在确定分析执行位置时，应用特性和边缘-云传输带宽是影响性能的关键因素。 近年来，随着“雾计算”概念的提出，推向边缘的趋势日益明显，即根据应用需求，在集中式云和边缘环境之间的光谱上部署资产和处理能力。 随着企业迈入实时经济，关于光谱哪个阶段能提供最优性能或最快响应的争论不断。云服务按需提供容量和处理，但常因数据和指令跨越多个网络而受延迟困扰。混合部署提供一定程度的本地处理，数据移动可通过内存系统加速，但速度可能不稳定。将处理完全移至边缘设备虽能提供快速的现场分析，却难以在企业间共享。 延伸阅读： Why Edge Computing Can Help IoT Reach

什么是边缘分析？ 边缘分析是在网络非中心点——网络边缘——而非云端或其他中心化系统中采集、处理、分析数据的方法。边缘分析通常发生在传感器、网络交换机、外围节点或其他连接设备上或附近。边缘分析的去中心化、本地化特性比传统大数据方法有优势：速度快得多，带来更快、更准确的商业智能，同时减轻网络负载。 此模型下，大部分信息在边缘分析，仅最相关关键信息上传云端做较慢、更深分析。边缘分析主要源于不断增长的IoT设备：它们需要更快数据分析，有时在偏远无连接区域，且自身能执行边缘分析。在某种意义上，边缘分析是一种闭环IoT数据分析生态系统，能利用智能网关访问“外部世界”，通常指云端。 IoT边缘分析用例 I