联盟成立背景与使命 伦敦——18家领先厂商与研究机构签署合作协议，成立欧洲边缘计算联盟（ECCE）。联盟使命：交付可跨智能制造、工业物联网、网络运营商环境部署的标准化参考架构与技术栈。 边缘计算的核心价值 边缘计算在连接平台（工业自动化到联网汽车）的延迟与安全挑战中成关键。通过在网络边缘（靠近数据源）处理数据，边缘方案融合核心网、算力、存储、应用能力，实现实时服务、数字敏捷性、数据优化与隐私保护。 ECCE五大核心目标 开发参考架构模型（ECCE RAMEC） 构建边缘节点参考技术栈 通过场景化评估（ECCE Pathfinders）识别差距、推荐最佳实践 与相关标准化组织对齐 在行业内推广

编者注：工业物联网（IIoT）旨在深度洞察工业运营、提升连接机器系统效能。大规模IIoT应用依赖分层架构：从海量传感器采集数据、可靠安全传至云端、执行分析以产出洞察与效能。本书《工业互联网应用开发》详细剖析IIoT架构及满足宽泛需求的方法论。 改编自《工业互联网应用开发》，作者Alena Traukina、Jayant Thomas、Prashant Tyagi、Kishore Reddipalli。 第3章 IIoT边缘开发（续） 应用层协议——WebSocket 本节构建简易IoT应用：通过树莓派网关，用WebSocket协议将XD-80光照传感器数据发送至接收设备。 XD-80传感器到

打破DSP与MCU二元对立 CEVA发布CEVA-BX混合处理器及WhisPro语音识别引擎。CEVA-BX将数字信号处理器（DSP）与微控制器（MCU）能力融合于单一硅片，满足IoT、消费电子、汽车、工业领域对高吞吐信号处理与通用计算并重的需求。 传统方案需分离MCU与DSP应对混合负载（蜂窝IoT、传感器融合、神经网络推理），导致SoC设计复杂或在信号处理性能与控制灵活性间妥协。CEVA-BX以并行处理架构融合DSP速度与MCU可编程性，填补空白。 核心架构亮点 11级可变长流水线，双标量处理单元（SPU）原生支持复数运算、FFT、除法加速 可选双/单/半精度浮点单元，覆盖广泛负载 SI

从Echo Plus到Zigbee直连 作者家中部署Amazon Alexa生态（Echo、Echo Dot、Echo Tap）。初见二代Echo外观失望，偏好金属质感，遂收藏一代机。整理箱子时发现Echo Plus——外观同标准Echo但内置Zigbee控制器，可直连Philips Hue等Zigbee智能灯，免去独立网关，虽仅支持基础开关，不支持调光变色。 以$80.99购入翻新Echo Plus，另付$9.99买60W等效LED灯。后官方推$99.99清仓套装（含免费Philips Hue灯），再入一套测试。 Sengled Element Classic A19拆解实录 备用灯泡转测S

深度神经网络渗透工业自动化 深度神经网络正稳步进入工业环境，有望重塑工厂自动化。早期采用者已将神经网络嵌入计算机视觉相机作为核心智能。未来这些网络将渗透机械臂、传感器网关、控制器，重塑制造流程。但转型节奏审慎而稳健。 “我们仍处于可能持续数十年的进阶与下一代机器学习算法时代的早期，但未来几年将见证巨大进展。”——IBM Watson首席技术官Rob High 边缘算力与5G赋能 神经网络开始部署在支持Linux的多核x86网关与控制器上，这些设备日益包围工厂车间。新兴5G蜂窝网络终将赋予这些系统无缝接入远程数据中心的能力。 汽车、航空航天、医疗率先试水智能相机 佳能在工业相机嵌入Nvidia

传感器：工厂数字化的感知神经 现代工业工厂中，传感器构成骨干网络，向控制器、监控系统和运营技术实时输送数据。除过程控制外，传感器还支撑质量评估、资产追踪、工人安全。云端分析与AI将传感器数据转化为成本节约——通过流程优化与预测性维护。联网后，这些数据更能支撑供应链协同与全球生产管理。 传感器谱系全景 当今工厂部署海量传感器：光照、温度、运动、位置、存在、视觉、力、流量、化学成分等。针对每种工艺或环境条件，均有合适传感器可选，供应商涵盖TE Connectivity等全品类大厂与Aceinna等专业厂商。 工业界使用的传感器类型繁多，均需接入物联网（图源：Postscapes） 从本地孤岛到全球

工业4.0热潮下的盲区 工业4.0与工业物联网（IIoT）占据头条，但将传统物联网概念套用到工厂流程时，那些被忽视的细微差别才是成败关键。 IIoT的初衷是让推动IT突破的摩尔定律、深度学习等技术加速运营技术（OT）演进。这一愿景依然成立，但工厂车间的现实是：IT与OT两个世界仍基本割裂。 两极分化的技术演进 IT侧受摩尔定律驱动，处理器性能指数级增长，AI已渗透至机器翻译、药物研发、博弈等领域，甚至超越人类专家水平。反观OT侧，大量工厂仍运行着工业时代的专有隔离控制系统，设计初衷就是与IT网络物理隔离。 制造业领导者逐渐意识到：IT进展无法无缝映射到工业控制。将IT机制转化为OT需要对工厂环

上周，慕尼黑迎约80,000观众参加Electronica，全球最大双年电子展会之一。EE Times和Aspencore参与活动，主办嵌入式论坛并与参展商高管交流挖掘最新行业趋势。 活动主题为连接一切——智能、安全、可靠。以下为论坛展示的领先半导体制造商亮点。 STMicroelectronics持续聚焦工业汽车应用，推出基于STM32单片机的AI增强机器状况监测和预测性维护技术。演示含铁路缺陷检测AI测试台、48V汽车子系统、77GHz雷达、防篡改远程信息处理、LED照明模块。ADAS和安全信息娱乐方面，展示车内成像驾驶员监测、雷达感知、精准定位、V2X通信、OTA系统更新。电动混动车方面

传统制造——通过多阶段装配原材料——已被智能制造取代，后者以信息技术、柔性、先进计算机控制增强经典流程。 本文探讨快速演进的智能制造领域，特别是大数据在使跨行业产品开发团队优化流程、削减成本、强化设计、使生产对齐消费者需求中的枢纽角色。通过审视智能制造与大数据分析协同，我们勾勒当前版图、预测未来趋势、讨论全面采用必须克服的挑战。 (来源：pixabay.com) 今日制造商利用技术捕获海量数据——从供应链物流、客户互动到光学传感器缺陷检测、车辆遥测。这些数据流转化为驱动运营卓越的可执行洞察。 然数据价值常因驻留孤岛化、结构不良数据库而流失。这种碎片化浪费时间、推高成本、阻碍决策。智能制造与大

FPGA加速深度学习：速度、灵活性与能效的三重奏 我最近出席硅谷2018 Xilinx开发者论坛，发现Mipsology，一家声称解决了在现场可编程门阵列(FPGA)部署神经网络相关AI挑战的初创公司。怀揣大胆愿景成立，Mipsology展示FPGA如何将任何神经网络加速至最高可能性能，不受传统部署约束束缚。 使用Xilinx新Alveo板卡，Mipsology在包括ResNet-50、Inception-V3、VGG-19在内的热门网络套件上实现超20,000张图像/秒。 何为神经网络与深度学习？ 神经网络受人脑神经元网启发，构成深度学习(DL)脊柱。DL是数学框架，通过让网络暴露于海量数据

工业物联网(IIoT)解锁制造流程前所未有的可见性，驱动更明智决策和更高效率。企业级IIoT方案依赖多层架构安全采集多源传感器数据、传输至云端、分析产出可执行洞察。在《工业互联网应用开发》中，作者深入IIoT架构并概述满足这些苛刻需求的策略。 节选自本书第3章，本节解释开发者如何构建能采集并向上层应用通信数据的原型设备。内容分以下分期： • 原型设备构建 • 实现HTTP连接 • 使用WebSockets • 使用Modbus • 使用OPC UA协议 改编自《工业互联网应用开发》，Alena Traukina、Jayant Thomas、Prashant Tyagi、Kishore R

本文属AspenCore半自动驾驶汽车技术专项项目。 探索本专项项目其他文章： 专项项目介绍 为不会开车的人造车 眼睛是关键 改装一辆车 访问专项项目主页获取更多此倡议及AspenCore网络覆盖其他主题洞察。 Arrow Electronics打造半自动驾驶汽车(SAM)，赋能严重行动障碍个体安全独立驾驶。主要利用现成(OTS)组件、必要时定制方案，SAM团队将先进传感器输入集成进线控驾驶架构。 区别于旨在揭示专有秘密的常规拆解分析，Arrow公开披露SAM架构。以下文档呈现全系统组件清单，含内部设计人机界面(HMI)控制器详细物料清单(BOM)。 核心上，SAM车辆依赖两关键传感器

伦敦——近期工业物联网(IIoT)安全专项报告凸显生态系统对连接设备稳健安全关键需求的广泛认知鸿沟。后续调查确认碎片化与安全仍是IoT当前面临的首要挑战。 由移动研发公司InterDigital委托、GSMA实施的调查强调：虽IoT蕴藏巨大潜力，重大障碍犹存。50%受访者将创建可持续商业模式列为首要或次要关切，连接可用性(42%)、安全顾虑(30%)、技术不兼容(30%)也被列为主要障碍。 互操作性凸显为移动领域关键议题，92%受访者评价碎片化为重大或中度问题。调查锁定连接技术和连接管理为最需行业标准化领域。 虽移动行业参与者合理质疑商业模式可持续性——运营商仍在IoT生态中寻找盈利角色——安

东京——智能制造时代，人工智能不再可选；它是基石。但许多企业难将AI理论转化运营现实，因缺乏内部专长和不确定ROI。Renesas Electronics以其面向运营技术(OT)的实时持续AI愿景重新定义前行路径。 区别于IT流行的数据驱动、云中心统计AI，Renasas方法将AI直接嵌入工厂端点。这使机器能即时检测异常并决策，无云端往返延迟。 点击放大IT统计AI vs OT持续AI(来源：Renesas) Renesas工业解决方案部门执行副总裁兼总经理Yoshikazu Yokota向EE Times解释嵌入式AI对故障检测和预测性维护至关重要。异常出现时，嵌入式AI能本地实时响应，他说

编者注：对可靠IoT连接的上升需求与面向IoT定制的蜂窝技术问世完美契合。 对开发者而言，理解蜂窝方案如何服务IoT部署至关重要。 节选自蜂窝物联网一书，本文探索定义此空间的关键概念与技术。 前序系列中，作者考察了演进蜂窝版图、其在IoT中角色、驱动大规模机器类通信(mMTC)和超可靠低时延通信(URLLC)的技术。 Elsevier提供此书及其他工程书籍3折优惠。点击此处结账输入码ENGIN318。 改编自Olof Liberg、Marten Sundberg、Eric Wang、Johan Bergman、Joachim Sachs著*蜂窝物联网*。 第9章 竞争性物联网技术版图(续) 9

自动驾驶车辆事故可为制造商及整个供应链触发财务灾难。ISO 26262功能安全标准已成安全系统设计核心，正确实施能成败攸关。 汽车电子复杂性攀升——软件、机电、高级驾驶辅助系统——叠加风险层。每项新技术引入潜在失效模式，须在车辆上路前识别、缓解、验证。 本文解释汽车供应链如何有效管理达成ISO 26262合规所需的评估与审计，保护OEM和一级供应商免受高昂召回和声誉受损。 图1：确保安全机制能针对特定功能检测失效模式。(来源：Arteris IP) ISO 26262标准覆盖电子开发每阶段——规格、设计、实现、集成、验证、确认——为整个汽车电子系统提供统一安全框架。每个系统随后按五个汽车

物联网(IoT)引发级联设计选择，从选无线模组到定数据如何达云端。典型IoT物首须嵌入能说Wi-Fi、蜂窝、蓝牙的无线模组。此模组处理空中收发信息所需低层通信。 连接就位后，厂商需稳健软件栈桥接设备与IoT云。历史上这意味着在SDK(仅提供协议支持基本要素)与预构建软件代理(运行于模组交付全套生产特性)间二选一。 两途径均要求对每个硬件变体严格测试认证。面对设备广度——可穿戴、厨房电器、HVAC单元、工厂设备——软硬件配对任务令人望而生畏。 SDK提供轻量库覆盖MQTT或CoAP等标准协议。相反，生产就绪代理捆绑消息序列化、错误处理、OTA更新、认证等，均针对特定模组经审核。 进入便携软件代理

编者注：对无处不在IoT连接的增长需求与面向IoT的新兴蜂窝技术完美契合。开发者现需这些技术及其实际应用的详尽可靠洞察。 本文摘自蜂窝物联网一书，介绍塑造IoT版图的关键概念与技术。 前序系列中，作者探讨了演进的蜂窝生态系统、其在IoT中的角色、驱动大规模机器类通信(mMTC)和超可靠低时延通信(URLLC)的技术。 Elsevier提供此书及其他工程书目7折。结账用码ENGIN318 此处。 改编自Olof Liberg、Marten Sundberg、Eric Wang、Johan Bergman、Joachim Sachs著蜂窝物联网。 第9章 竞争性IoT技术格局(续) 9.3 CIo

伦敦——在快速互联世界，安全成IoT设备头号优先级。STMicroelectronics和NXP Semiconductors领衔推出基于Cortex-M33的新单片机，嵌入Arm TrustZone提供稳健硬件级防护。 STMicroelectronics本周发布STM32L5系列。基于Cortex-M33安全架构，STM32L5增加灵活软件隔离、安全启动、加密密钥存储、硬件加密加速器。专为超低功耗设计，利用ST自适应电压调节、实时加速、功率门控、多低功耗模式。结果MCU可于纽扣电池或采集能量上运行数年，关机态低至33nA，EEMBC ULPBench得分402 ULPMark-CP。 NX

编者注：随IoT设备需求上升，面向IoT定制的蜂窝技术成必需。开发者现需深度指导选择正确方案。 节选自蜂窝物联网，本系列解释蜂窝IoT关键概念与实践应用。 系列早期探讨演进蜂窝格局、IoT角色、赋能大规模机器类通信(mMTC)与超可靠低时延通信(URLLC)的技术。 Elsevier提供此书及其他工程书籍7折优惠。点此结账用码ENGIN318。 改编自Olof Liberg、Marten Sundberg、Eric Wang、Johan Bergman、Joachim Sachs著蜂窝物联网。 第9章 竞争性IoT技术格局(续) 9.3 蜂窝IoT技术选择(续) 9.3.2 选择哪种CIoT