至顶网CIO与应用频道 02月21日 北京消息:您是否尝试过将您的智能物联网(IoT)设备接入繁忙的Wi-Fi®网络?尽管这使得它们丝毫发挥不了作用,因为网速和带宽令人荒谬地低?
许多Wi-Fi网络采用2.4 GHz技术构建,随着数以亿计的设备具备支持Wi-Fi的功能(每年该数字都呈爆炸性增长),从某种角度而言,无线网络已经不堪重负。这种大拥塞导致许许多干扰,大到足以影响网络的总体性能。
让我们快速浏览一些和我们紧密相关的事实:当您好不容易才接入网络,网络不安全的问题接踵而至。网络安全事故和恶意攻击对于我们的隐私来说都是迫切的威胁。在您(曾)知道或不知道的情况下,全球各地的人都可以远程访问您的数据,甚至盗用您的身份。马里兰大学的一项研究已将具有互联网接入的计算机近乎恒定的黑客攻击率进行了量化—平均每39秒一次。
最后,当您在勉力应付这一切后偶有喘息时,又面临着最糟糕的境况:您的电子门锁的电池电量彻底枯竭,您被锁在家的外面,您在刚才安装新的智能门铃时却把钥匙落在了屋内…等等,难道不是上个月刚换完电池吗?
聪明的设计师从未停止寻找改进生活中常用技术的新方法。TI的新一代SimpleLink™ Wi-Fi®设备CC3135、CC3235S和CC3235SF,能够帮助您克服设计挑战从而改进网络性能、提高系统安全性、维持低功耗并延长电池寿命。以上均可通过提供通用软件、资源和培训的单一平台供应。下面,让我们对这些内容进行更详细的了解:
挑战1:减少拥挤网络中的拥塞
您可能听说过术语“双频段Wi-Fi”,但是它究竟意味着什么呢?
它代表同一设备能够以两个不同的频段传输数据:支持802.11 b/g/n网络的2.4 GHz和支持802.11a网络的5 GHz。TI可支持2.4 GHz和5 GHz频谱,提供更多可选择的信道和更多上传通信流量的频段。这使得网络能够轻松实现叠加,有助规避2.4-GHz Wi-Fi网络中常见的拥塞。
2.4-GHz频段还可供其它连接技术使用,如蓝牙®低能耗技术。设计师通常会将蓝牙和Wi-Fi结合运用到同一系统中,扩展其产品的功能。但这种组合会导致两者之间的空中干扰,并进一步增强了环境中的拥挤程度,同时蓝牙性能也被削弱。
新的SimpleLink设备则能够有效解决Wi-Fi和蓝牙无线设备共存的复杂问题,提供2.4 GHz频段下可靠的吞吐性能。
挑战2:增强IoT安全性始于硬件选择
在IoT领域,发生恶意攻击之前,安全有时听起来像是一个流行语,并且经常是事后才成为“最优先考虑的事情”。美国国家标准与技术研究院发布的一份报告指出现代社会“采用IoT带来的网络安全风险对国家构成重大威胁。”报告还称:“为了将潜在重大风险降至最低,这些设备需要确保安全性并具备复原能力。”
提供外部机构或信誉良好的第三方验证的标准可能有助于确保设备的安全系统满足某种程度的稳健性。就此,TI已投资了一项近期高需求度的标准联邦信息处理标准(FIPS)出版物140-2。
FIPS 140-2 1级定义了加密引擎完好性的安全要求。在系统中,对敏感信息加密、鉴权、数字签名和密钥管理时会用到加密引擎。CC3235设备具有至少六个经验证的硬件加密引擎,至少12个固件混合式加密引擎。
挑战3:提高电池使用寿命
将5 GHz引入到SimpleLink产品系列中,可有效维护TI连接设备所提供的低功耗性能以满足您的期待。现在,您可以选择具有最佳低功耗性能的双频段(2.4 GHz和5 GHz)Wi-Fi集成电路,用于单芯片上电池供电的应用。借助更多的低功耗模式选项,该系列新设备有利于将系统中两个AA电池的使用寿命延长数年。
通过充分利用设备的双频段(2.4 GHz和5 GHz)快速连接机制可在0.5秒内连接至接入点(AP)。以上特性配合基于实时功率优化的独特网络学习算法,可帮助用户实现低功耗。设计师还可利用hostless模式降低对主机微控制器(MCU)的依赖,以及为网络处理器提供更多自主权来处理自定义的重复性和决定性任务。此模式可将主机MCU当前的消耗降低三分之一,并进一步延长应用的电池续航时间。
此外,全新Simplink™ Wi-Fi®设备的Wi-Fi设备的节能特性能够支持适合电池供电IoT应用。这些特性通过支持更长的Wi-Fi产品睡眠时间,且持续在网(用于支持此特性的AP)来提升设备的电源效率。
结论
包括新Wi-Fi设备在内的SimpleLink平台构造,展现了我们设计团队的独创性,巧妙解决互联世界的复杂问题。开发者创制新SimpleLink™ Wi-Fi® CC3135、CC3235S和CC3235SF时,就时刻牢记要帮助用户克服联网IoT设备的设计挑战,为现代社会快速交付创新产品。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。