اخبار فناوری: آخرین به‌روزرسانی‌های 2026-03-16

این گزارش خلاصه‌ای از اخبار فناوری 2026-03-16 است و صرفاً بر اساس متن‌های اصلی منابع تهیه شده است.

این گزارش به‌صورت خودکار توسط AnishoAI تولید شده است. برای اتوماسیون تولید محتوای سایت خود، اطلاعات بیشتر و مشاهده پلن‌ها به anishoai.com مراجعه کنید.

شهر هوش‌مند مبتنی بر ⁦AI⁩؛ گام بعدی تحول شهر‌های هوش‌مند

طبق اعلام ⁦press.asus.com⁩، مفهوم ⁦AI City⁩ به عنوان مرحله بعدی تکامل ⁦Smart Cities⁩ معرفی شده است. در حالی که شهر‌های هوش‌مند سنتی بر حسگرها، اتصال و یکپارچه‌سازی داده‌ها تمرکز داشتند، ⁦AI City⁩ هوش مصنوعی را در بافت عملیاتی شهر ادغام می‌کند تا سیستم‌ها بتوانند زمینه را درک کنند، تغییرات را پیش‌بینی کنند و پاسخ‌ها را هماهنگ کنند. در این راستا مفهوم ⁦Urban Sovereign AI⁩ بر توانایی شهر برای حاکمیت بر داده‌ها، منابع محاسباتی و مدل‌های ⁦AI⁩ خود تأکید دارد.

بر اساس این گزارش، ⁦ASUS⁩ و ⁦Foxconn⁩ در سال 2026 برای ارائه راه‌حل ⁦AI City⁩ به دولت‌ها در سراسر جهان همکاری خود را آغاز کردند. این معماری شامل پنج لایه است:

از نظر حاکمیت، مدل ⁦Operating Model⁩ شامل ⁦Decision Rights⁩، ⁦Identity Access Management⁩ با اصول ⁦Zero-trust⁩، و ⁦Cross⁩‑⁦Agency Coordination⁩ است. حوزه‌های اولویت‌دار شامل ⁦Adaptive Mobility⁩ (مدیریت پویای ترافیک و پارکینگ هوش‌مند) و ⁦Responsive Energy⁩ ذکر شده‌اند. به عنوان نمونه، به جای داشبوردهایی که سطل‌های زباله پر را نشان می‌دهند، یک ⁦AI City⁩ نرخ پر شدن را پیش‌بینی می‌کند، مسیر تیم‌ها را تغییر می‌دهد، چراغ‌های راهنمایی را هماهنگ می‌کند و تکمیل کار را تأیید می‌کند.

⁦Nessum⁩ پاناسونیک؛ ارتباط ⁦IoT⁩ در جایی که ⁦Wi-Fi⁩ نمی‌رسد

طبق گزارش ⁦news.panasonic.com⁩، بخش فناوری ⁦Panasonic Holdings Corporation⁩ فناوری ارتباط از طریق خطوط برق (⁦PLC⁩) را تحت برند ⁦Nessum⁩ برای مشتریان ⁦B2B⁩ عرضه می‌کند. این فناوری با نام ⁦High Definition Power Line Communication⁩ (⁦HD-PLC⁩) در سال 2002 توسعه یافت و هدف آن ایجاد شبکه‌های ⁦IoT⁩ در مکان‌هایی است که ⁦Wi-Fi⁩ و 4G/5G قادر به پوشش‌دهی نیستند، مانند کارخانه‌ها و محیط‌های زیرساختی.

⁦Michimasa Aramaki⁩ از بخش فناوری ⁦Panasonic Holdings Corporation⁩ که رهبری استاندارد‌سازی بین‌المللی و استقرار ⁦Nessum⁩ را بر عهده دارد، توضیح می‌دهد که ایده اصلی، انتقال همزمان برق و ارتباطات از طریق یک زیرساخت واحد بوده است. آرامکی در زمان توسعه ⁦HD-PLC⁩ در بخش تحقیق و توسعه پاناسونیک در ⁦Silicon Valley⁩ مشغول به کار بود و آزمایش‌های میدانی را در آپارتمان‌های اجاره‌ای در ⁦California⁩ و ⁦Texas⁩ با بیش از صد مهندس انجام داد. استاندارد‌سازی ⁦HD-PLC⁩ تحت عنوان ⁦IEEE 1901⁩ در سال 2010 محقق شد، اما گسترش سریع ⁦Wi-Fi⁩ باعث شد تیم توسعه از کاربری خانگی (⁦B2C⁩) به زیرساخت‌های ساختمانی و صنعتی (⁦B2B⁩) تغییر مسیر دهد.

فناوری ⁦Multi-hop⁩ اختصاصی ⁦Panasonic HD⁩ امکان پوشش چند کیلومتری با 1,024 نود را فراهم می‌کند. به گفته آرامکی، ⁦Nessum⁩ در مکان‌هایی کاربرد دارد که امواج رادیویی به آن‌ها نمی‌رسند؛ مانند آسانسور‌ها که دیواره‌های فلزی سیگنال را مسدود می‌کنند، تأسیسات زیرزمینی، و کارگاه‌های معدنی و تونلی. وی تأکید می‌کند که حتی در شرایط اضطراری مانند حوادث معدنی، همواره سیم‌کشی برقی برای روشنایی یا تجهیزات حفاری وجود دارد و با اتصال مودم‌های ⁦PLC⁩ به دو سر این سیم‌کشی، امکان پایش از راه دور و برقراری ارتباط فراهم می‌شود. از جمله همکاری‌های ⁦Nessum⁩، مشارکت با شرکت تولیدکننده جهانی ⁦HVAC⁩ یعنی ⁦Daikin Industries⁩, ⁦Ltd⁩. است.

گزارش ⁦Google.org⁩ از ۵ سال سرمایه‌گذاری در مهارت‌های دیجیتال

طبق گزارش منتشرشده توسط ⁦blog.google⁩، برنامه ⁦Future of Work⁩ طی ۵ سال بیش از $150 ⁦million⁩ برای آموزش مهارت‌های دیجیتال سرمایه‌گذاری کرده است. این برنامه با همکاری ۷۰ سازمان در ۴۱ کشور اروپایی، به میلیون‌ها نفر از جوامع محروم دسترسی پیدا کرده است. ⁦Google.org⁩ اکنون با تمرکز بر دوران هوش مصنوعی، چهار درس کلیدی از این تجربه را منتشر کرده و تلاش‌های جدیدی مانند ⁦AI Opportunity Fو⁩ و ⁦AI Works for Europe⁩ را راه‌اندازی کرده است.

بر اساس این گزارش، نخستین درس «حل مسئله متناسب با بافت» است. به عنوان نمونه، تحقیقات سازمان ⁦Generation⁩ نشان داد که تعصب استخدامی مبتنی بر هوش مصنوعی علیه کارگران ⁦mid-career⁩ وجود دارد و برنامه هدف‌مندی با نرخ اشتغال 83% طراحی شد. همچنین دو خواهر به نام‌های ⁦Asmaan⁩ و ⁦Farzaneh⁩ که از ⁦Afghanistan⁩ به ⁦آلمان⁩ رسیدند، با کمک ⁦DigiCo⁩ مهارت‌های فنی و زبانی کسب کرده و وارد برنامه توسعه وب شدند. درس دوم تعادل بین ارتقای مهارت و ⁦growth mindset⁩ است؛ طبق گزارش، سازمان ⁦TSL⁩ اعلام کرده که 69% کارکنان برنامه ⁦SkillPlus⁩ پس از پایان دوره به یاد‌گیری ادامه دادند.

درس سوم ساختن زیرساخت بلندمدت است؛ با ارائه بودجه انعطاف‌پذیر به سازمان‌های غیرانتفاعی محلی، برنامه‌های پایدار و مقاوم ایجاد می‌شود. درس چهارم تأثیر‌گذاری بر سیستم‌هاست؛ به عنوان نمونه، پلتفرم ⁦Diia.Osvita⁩ در ⁦Ukraine⁩ از یک پروژه محلی به زیرساخت ملی تبدیل شد و اکنون 52% بزرگسالان را پوشش می‌دهد. بر اساس این گزارش، با ارائه بودجه ⁦risk-free⁩ به سازمان‌های غیرانتفاعی، امکان آزمایش ایده‌های نوآورانه فراهم می‌شود که می‌توان آن‌ها را به الگو‌های سیاست‌گذاری تبدیل کرد.

گسترش ⁦Cisco Secure AI Factory⁩ با ⁦NVIDIA⁩ به لبه شبکه

طبق اعلام ⁦blogs.cisco.com⁩، شرکت ⁦Cisco⁩ در رویداد ⁦NVIDIA GTC⁩ اعلام کرده که ⁦Cisco Secure AI Factory⁩ را از مرکز داده به لبه شبکه (⁦edge⁩) گسترش می‌دهد. این معماری که یک سال پیش در همین رویداد توسط ⁦Cisco و NVIDIA⁩ معرفی شده بود، بر پایه ⁦Cisco AI PODs⁩ و ⁦Cisco Validated Designs⁩ ساخته شده و امنیت را در تمام لایه‌های زیرساخت هوش مصنوعی ادغام می‌کند.

بر اساس این گزارش، امنیت در حال حاضر بزرگ‌ترین مانع پذیرش عامل‌های هوش مصنوعی (⁦AI agents⁩) در سازمان‌ها است. برخلاف چت‌بات‌های ساده، این عامل‌های خودمختار توانایی فراخوانی ⁦API⁩، دسترسی به داده‌ها و تصمیم‌گیری دارند و از مدل‌های زبانی بزرگ (⁦LLM⁩) و مدل‌های زبانی کوچک (⁦SLM⁩) برای استدلال استفاده می‌کنند. در صورت حمله یا از کار افتادن این مدل‌ها، خطراتی مانند تصمیم‌گیری عملیاتی نادرست، توقف گردش کار و نقض مقررات مربوط به اطلاعات شخصی (⁦PII⁩) ایجاد می‌شود.

⁦Cisco⁩ با استفاده از ⁦Cisco AI Defense⁩، یک وضعیت امنیتی یکپارچه را صرف‌نظر از مکان اجرای عامل‌ها فراهم می‌کند. به عنوان نمونه، در رویداد ⁦GTC⁩ یک معماری مرجع جدید برای پیش‌بینی کمبود موجودی در انبار‌ها بر اساس بلوپرینت ⁦NVIDIA Multi-Agent Intelligent Warehouse⁩ نمایش داده شده است. در این راهکار، ⁦Vaidio⁩ به عنوان سیستم پایش تصویری انبار عمل می‌کند و هنگام شناسایی کمبود موجودی، از طریق ⁦REST API⁩ یک عامل ⁦Aible⁩ را روی ⁦Cisco Unified Edge⁩ فعال می‌کند که از ⁦SLM⁩ برای پردازش محلی استفاده می‌کند.

⁦Apache Spark 4.1⁩ با حالت ⁦Real-Time⁩ تأخیر را به میلی‌ثانیه رساند

با عرضه حالت ⁦Real-Time Mode⁩ (⁦RTM⁩) در ⁦Apache Spark 4.1⁩، موتور ⁦Structured Streaming⁩ اکنون قادر است داده‌ها را با تأخیری در سطح میلی‌ثانیه پردازش کند. تا پیش از این، انتخاب یک موتور پردازش جریانی به معنای مصالحه میان توان عملیاتی بالا با ⁦Apache Spark⁩ و تأخیر پایین با ⁦Apache Flink⁩ بود. اکنون با معرفی ⁦RTM⁩، امکان استفاده از یک موتور واحد برای هر دو نوع بار کاری فراهم شده و نیازی به مدیریت دو سیستم کاملاً متفاوت نیست.

معماری پیشین ⁦Structured Streaming⁩ بر پایه ⁦microbatch⁩ استوار بود؛ داده‌های ورودی به دسته‌های مجزا به نام ⁦epoch⁩ تقسیم و پردازش می‌شدند. این رویکرد برای پردازش پرتوان عالی عمل می‌کرد زیرا سربار ثابت میان رکورد‌های متعدد سرشکن و اجرای بر‌داری (⁦vectorized⁩) نیز بهره‌وری را افزایش می‌داد. اما کوچک‌تر کردن اندازه دسته‌ها به‌سرعت به دیوار برخورد می‌کرد؛ هزینه‌های ثابت مانند نوشتن لاگ در ⁦object storage⁩، به‌روزرسانی وضعیت، برنامه‌ریزی منطقی و فیزیکی و زمان‌بندی وظایف، صد‌ها میلی‌ثانیه تا چند ثانیه تأخیر ایجاد می‌کردند.

راه‌حل تیم توسعه، تکامل معماری ⁦microbatch⁩ بدون کنار گذاشتن مزایای آن بود. در حالت ⁦RTM⁩، داده‌ها به‌صورت پیوسته و بدون توقف از مراحل مختلف عبور می‌کنند. ⁦epoch⁩ها طولانی‌تر شده‌اند تا سربار ⁦checkpointing⁩ سرشکن شود و در مرز‌های ⁦epoch⁩ همچنان از موانع بازیابی (⁦barriers⁩) برای تحمل خطا استفاده می‌شود. همچنین مراحل پردازش که قبلاً به‌صورت ترتیبی اجرا می‌شدند، اکنون هم‌زمان کار می‌کنند؛ ⁦reducer⁩ها بلافاصله پس از آماده شدن فایل‌های ⁦shuffle⁩ شروع به پردازش می‌کنند و منتظر اتمام همه ⁦mapper⁩ها نمی‌مانند. این تغییر تأخیر سرتاسری را به‌شکل چشم‌گیری کاهش داده است.

جمع‌بندی

روند‌های اصلی فناوری امروز حول محور گسترش هوش مصنوعی در زیرساخت‌های شهری و سازمانی شکل گرفته است؛ از همکاری ⁦ASUS⁩ و ⁦Foxconn⁩ برای ارائه راه‌حل ⁦AI City⁩ به دولت‌ها، تا گسترش ⁦Cisco Secure AI Factory⁩ با ⁦NVIDIA⁩ به لبه شبکه. همچنین در حوزه پردازش داده، ⁦Apache Spark 4.1⁩ با حالت ⁦Real-Time⁩ تأخیر پردازش جریانی را به سطح میلی‌ثانیه کاهش داده و نیاز به مدیریت دو سیستم مجزا را برطرف کرده است.

سؤالات متداول

همکاری ⁦ASUS⁩ و ⁦Foxconn⁩ در حوزه شهر هوش‌مند مبتنی بر ⁦AI⁩ شامل چه معماری‌ای است؟

این معماری ⁦AI City⁩ شامل پنج لایه است که لایه عملکرد ⁦Sovereign Compute Layer⁩ زیرساخت امن شامل مراکز محاسباتی را فراهم می‌کند و مفهوم ⁦Urban Sovereign AI⁩ بر حاکمیت شهر بر داده‌ها، منابع محاسباتی و مدل‌های ⁦AI⁩ خود تأکید دارد.

فناوری ⁦Nessum⁩ پاناسونیک چه مشکلی را در حوزه اتصال ⁦IoT⁩ حل می‌کند؟

فناوری ⁦Nessum⁩ که بر پایه ارتباط از طریق خطوط برق (⁦PLC⁩) کار می‌کند، شبکه‌های ⁦IoT⁩ را در مکان‌هایی که ⁦Wi-Fi⁩ و 4G/5G قادر به پوشش‌دهی نیستند مانند کارخانه‌ها و محیط‌های زیرساختی فراهم می‌کند و امکان انتقال همزمان برق و ارتباطات از طریق یک زیرساخت واحد را می‌دهد.

حالت ⁦Real-Time⁩ در ⁦Apache Spark 4.1⁩ چه مزیتی نسبت به معماری پیشین دارد؟

معماری پیشین ⁦Structured Streaming⁩ بر پایه ⁦microbatch⁩ استوار بود، اما حالت ⁦Real-Time Mode⁩ (⁦RTM⁩) تأخیر پردازش را به سطح میلی‌ثانیه رسانده و امکان استفاده از یک موتور واحد برای هر دو نوع بار کاری پرتوان و کم‌تأخیر را فراهم کرده است.

📚 منابع

• 🔗 press.asus.com: AI City: The Next Stage in the Evolution of Smart Cities…
• 🔗 news.panasonic.com: Nessum: Bridging the IoT Communication Gap—Visualizing Future Social I…
• 🔗 blog.google: Google.org Future of Work: 5 years of impact و lessons for the AI er…
• 🔗 blogs.cisco.com: Cisco gives its Secure AI Factory with NVIDIA a secure multi-agent edg…
• 🔗 databricks.com: Breaking the Microbatch Barrier: The Architecture of Apache Spark Real…

می‌خواهید محتوای تمام محصولات سایتتان را با یک کلیک تولید کنید؟

از سایت ما دیدن کنید — anishoai.com