机器学习 (ML) 在更智能、更高效设备中的应用
-
数据中心 AI -
消费电子设备 -
智能家居 -
工业应用 -
移动端 AI
利用传统机器学习 (ML) 和深度学习模型实现可扩展的AI 推理
由 Arm Neoverse 平台提供支持的 Google Axion CPU，可加速各种工作负载下的大规模 AI 推理。从 XGBoost 等结构化数据模型，到使用 BERT 的自然语言处理 (NLP)，再到使用 ResNet50 的计算机视觉，Axion 展示了 Arm 在经典机器学习 (ML) 和深度学习用例中的性能领先地位。
探索 Google 如何使用基于 Arm 架构 的 Axion CPU 优化 BERT（自然语言处理）、XGBoost（表格数据）和 ResNet-50（计算机视觉）的推理，从而为企业级 AI 提供性能、效率和可扩展性。
由端侧机器学习 (ML) 驱动的语音界面
Arm 通过在端侧运行机器学习 (ML) 模型，使内存和功耗受限的消费类设备能够实现自然语音交互，从而增强隐私性、降低延迟并消除对持续云连接的需求。
了解 Sensory 如何使用 Arm ML 技术开发私密、响应迅速的语音助手。
利用边缘侧机器学习 (ML) 实现智能家居自动化
基于 Arm 架构的机器学习 (ML) 技术为智能家居设备提供实时本地处理能力，从而实现面部识别、运动检测和智能气候控制等功能，而无需将数据发送到云端。
了解Grovety如何利用 Arm 技术构建智能可视化边缘侧设备，从而增强家庭安全性和响应能力。
了解基于 Arm 架构的树莓派 5 如何支持工业环境中的实时分析和预测性维护。
移动端的生成式人工智能 (AI) 和传统人工智能 (AI)
Arm 处理器直接在移动端设备上支持生成式和传统 AI 任务，从而实现内容摘要和智能助手等功能——同时还能保护隐私并最大限度地减少延迟。
了解 Arm 如何在移动端 CPU 上实现端侧生成式 AI 体验，例如实时语音和文本摘要。
最新新闻和资源
- 新闻和博客
- 开发者
- 零基础指南
- 播客
- 报告
零基础指南
想在您的设备中添加机器学习 (ML) 功能吗？
探索平台配置、硬件、软件和生态系统的重要性。掌握机器学习 (ML) 的基础知识，探索机遇和挑战，并学习如何入门。
从边缘侧到云端的 AI 部署
AI 处理的未来：异构计算
这份《麻省理工科技评论》研究报告整合了 AWS、Meta 和三星的专业洞见，深入探讨了全新计算范式如何为实现无缝 AI 体验提供算力支持。