嵌入式
-
西门子家电发布家居一体化嵌入式冰箱新品 推动行业标准与产品创新协同发展
近日，西门子家电携手中国室内装饰协会，正式重磅发布《家居一体化嵌入式冰箱室内装饰融合技术规范》*。本次标准的落地，以专业准则定义行业新标杆，以创新设计赋能人居生活，有效推动嵌入式家电与室内装饰场景的深度融合、协同共生，为家居一体化赛道树立规范化、高品质的行业范本。
-
使用 Bytebed 编程环境，通过 M5Stack 卡片上的单行代码，体验实时音频合成与算法音乐
以往的微控制器字节节奏播放器都是静态的，每次修改都需要重新烧录字节节奏算法，这种方式效率低，不利于对字节节奏算法和数字音频合成进行实验。Bytebed 是一种全新的生动方式，用于演奏和探索字节节奏的世界。
-
康佳特与CODESYS战略携手，共推虚拟化实时控制平台
基于Hypervisor虚拟机融合CODESYS PLC，在标准硬件上高效整合混合关键性负载
-
破解高性能嵌入式中的高带宽和高密度挑战，第二代AMD Versal Premium MoP为系统设计“减负”
AI数据中心带火了内存，但在高性能的嵌入式系统中，内存同样关键。无论是广播级的8K视频处理、精密的PXIe测试仪器，还是电信级的网络安全设备，它们同样面临着数据爆发带来的挑战。一方面，由于AI驱动导致内存需求激增，全球内存供应受限，成本波动剧烈，供应商选择日益稀少；另一方面，数据中心首选HBM，虽然带宽惊人，却无法满足嵌入式领域对超长生命周期和工业温域的严苛要求。
-
一套完整的NPU机器人视觉伺服系统——米尔RK3576
项目背景：随着嵌入式 AI 技术的快速发展，边缘计算设备的算力不断提升，使得在低功耗、低成本的嵌入式平台上部署深度学习模型成为可能。本项目基于瑞芯微 RK3576 芯片的 NPU（神经网络处理单元）加速能力，结合 YOLOv5 目标检测模型，实现了一套完整的机器人视觉伺服控制系统。本项目是一个学习实践项目，旨在深入理解以下技术：
-
IAR携全新嵌入式开发平台支持开发者拥抱物理AI新时代
随着智能汽车、具身智能和智能制造等各个战略新兴技术领域快速发展，物理AI时代正在加速到来;随着而来的新场景、新技术和新功能为系统开发者提出了众多新的要求，也带来了诸如多架构SoC、更高代码质量、功能安全性、更高可视度、自动化与跨域设计协同等要求，正在促使开发者从过去采用单点工具转向平台化的设计系统。
-
嵌入式AI裁剪为何反慢？算子怎么替？
剪掉参数后推理反而变慢，听起来矛盾，却很常见。嵌入式AI优化若只盯 FLOPs，不看硬件支持的算子形状，模型压缩会把规则计算改成低效搬运。
-
嵌入式AI数据为何漂移？样本怎么闭环？
首批样机识别稳定，量产后慢慢变差，常不是代码退化，而是现场数据分布换了形状。嵌入式AI若没有漂移观测和样本闭环，模型会在自己看不见的工况里失准。
-
为什么需要专门搭建便捷开发环境：交叉开发模式的痛点
对于嵌入式Linux开发者来说，最影响开发效率的往往不是代码编写本身，而是繁琐的调试流程：更新内核要反复拔插SD卡，测试应用要每次编译后手动传输文件，看日志还要一直守着串口线。一套便捷高效的开发环境，能把调试流程从十几分钟压缩到几秒钟，让开发者把精力集中在功能开发本身，而非重复的机械操作。
-
兆易创新与Qt Group达成全球合作，共筑嵌入式GUI新生态
中国北京(2026年6月23日)—— 业界领先的半导体器件供应商兆易创新GigaDevice(股票代码：603986.SH;3986.HK)宣布与全球领先的软件设计、开发与质量解决方案提供商Qt Group正式达成合作，双方将依托GD32H7高性能MCU系列，聚焦嵌入式GUI技术方案的联合打磨与优化，共同推动产品竞争力升级与开发者生态繁荣。此次合作标志着兆易创新在高端人机交互领域的生态布局迈入新阶段，也为双方在智能工业、储能、智能家居、消费电子等场景的深度协同奠定坚实基础。
-
PWM的基本原理：时间切割下的模拟等效
在嵌入式开发、工业控制、电力电子等领域，PWM(脉冲宽度调制，Pulse Width Modulation)是应用最广泛的模拟量控制技术之一。小到智能家电的电机调速、LED亮度调节，大到新能源汽车的电机驱动、光伏并网逆变，核心控制逻辑都离不开PWM。这项技术的精妙之处在于，它仅用数字电路的高低电平输出，就能实现等效的模拟量控制，大幅降低了硬件成本和控制复杂度。要掌握PWM的应用，核心是理解它的基本原理，以及频率、占空比两个核心参数的作用和选择逻辑。
-
一文搞懂JTAG的本质与好坏判定方法
在电子工程、芯片调试、嵌入式开发等领域，JTAG是绕不开的核心技术术语。很多从业者刚接触时总会疑惑：这个常被挂在嘴边的JTAG到底是什么?实际使用中又该怎么判断一套JTAG接口或设备是否正常?要理清这些问题，得从它的诞生背景、核心原理讲起，再结合实际应用场景梳理判定方法。
-
嵌入式AI隐私为何泄露？密钥怎么管？
把推理放到本地，并不自动等于隐私安全；很多泄露发生在日志、特征和升级包边界。嵌入式AI如果只保护原始数据，不保护模型和中间结果，攻击面仍然很宽。
-
嵌入式AI误触为何增多？阈值怎么守？
实验室准确率不低，现场却频繁误触，往往不是模型突然失效，而是决策层没有给噪声和不确定样本留出口。嵌入式AI如果只输出最高分标签，边界样本会被硬塞进错误动作。
-
嵌入式AI温升为何失控？降频怎么设？
长时间满负载跑模型时，板子最先拒绝的可能不是算法，而是电源和散热余量。嵌入式AI若把峰值算力当持续能力，延迟会在温升、限流和降频之间突然拉长。
-
嵌入式AI算子为何卡顿？内存怎么排？
模型能在开发板上跑起来，不等于能在控制周期里稳定跑完。嵌入式AI最先暴露的常不是算力峰值不够，而是算子拆分和内存搬运把推理时间切成了不可预测的碎片。
-
嵌入式AI升级为何翻车？模型怎么回滚？
模型升级不像替换一份普通资源，因为它同时改动推理图、预处理和判定阈值。嵌入式AI若没有把版本依赖和回滚状态写清，一次在线更新就可能让设备保持可启动却不可用。
-
嵌入式AI流水为何错拍？时间戳怎么对齐？
摄像头、麦克风和执行器都能按时工作，并不代表推理结果活在正确时刻。嵌入式AI一旦把流水线排队和时间戳混在一起，闭环就会拿过去的画面控制未来的动作。
-
嵌入式AI量化为何掉点？校准怎么取样？
精度在桌面验证良好，移到板端却掉点，常说明量化边界没有被真实数据喂饱。嵌入式AI的 INT8 部署如果只追求模型变小，误差会先从分布尾部进入决策。
-
嵌入式AI多任务为何抢占？隔离怎么做？
一个模型独占开发板时延迟很好，和通信、控制、存储一起跑却超时，说明冲突发生在系统资源而不是网络结构本身。嵌入式AI多任务部署要先回答谁能等、谁不能等。
