四场CES发布显示高通在不同类别中推动同一理念：将更多AI和控制循环转移到高效且紧密集成的边缘平台。高通在拉斯维加斯CES 2026期间，提出了一个熟悉的主题，涵盖三个截然不同的市场：更高的本地计算密度、更多的设备端AI，以及主硅片周围的芯片和盒子数量减少。在PC端，这是一款面向专业人士和有志创作者的全新Snapdragon X系列选项。在机器人领域，它是一种全栈架构，配合处理器路线图，旨在推动类人机器人和工业自主移动机器人更接近部署。在汽车行业，它代表了从分布式ECU向集中化领域计算迈出的又一步，采用L
关键字：
高通
CES 2026
AI
计算密度
设备端
机器人
数字底盘
Nota AI 在加利福尼亚州举行的 2025 年嵌入式视觉峰会上与 Qualcomm Technologies 一起展示了其最新的边缘 AI 创新，包括平台的协作集成，以优化和实现在设备上轻松实现模型。通过最近宣布与 Qualcomm Technologies 的合作，Nota AI 已将其专有模型优化平台 NetsPresso 与 Qualcomm AI Hub 集成，以提高效率和可扩展性。集成平台显著简化了在边缘和资源受限设备上开发和部署 AI 和 LLM 模型的工作流程。NetsPresso 平台
关键字：
设备端
AI模型
大多数手机和平板电脑都依赖于被动冷却，将热量散发到设备主体中（并最终散发到您的手掌中）。主动冷却风扇会有所帮助，但传统风扇太大，无法安装在智能手机、平板电脑甚至一些笔记本电脑中。微型扬声器制造商 xMEMS 认为它拥有世界上第一款全硅片上风扇 XMC-2400 的解决方案。它的设计大约厚一毫米，宽和深不到一厘米，借鉴了 xMEMS 音频产品的经验教训。“该行业有一系列从机械设备转移到硅的技术。从数据存储，然后到麦克风，他们完成了过渡，“xMEMS 副总裁 Mike Housholder
关键字：
xMEMS
风扇
设备端
AI 系统
片上风扇
*设备端（On-device）学习： 在同一AI芯片上进行学习和训练全球知名半导体制造商ROHM（总部位于日本京都市）开发出一款设备端学习*AI芯片（配备设备端学习AI加速器的SoC），该产品利用 AI（人工智能）技术，能以超低功耗实时预测内置电机和传感器等的电子设备的故障（故障迹象检测），非常适用于IoT领域的边缘计算设备和端点*1。通常，AI芯片要实现其功能，需要进行设置判断标准的“训练”，以及通过学到的信息来判断如何处理的“推理”。在这种情况下，“训练”需要汇集庞大的数据量形成数据库并随时
关键字：
ROHM
设备端
AI芯片
无需云服务器
实时预测故障
设备端介绍
您好，目前还没有人创建词条设备端!
欢迎您创建该词条，阐述对设备端的理解，并与今后在此搜索设备端的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473