All Node List by Editor

作者：Silicon Labs

人工智能（AI）和机器学习（ML）技术不仅正在快速发展，还逐渐被创新性地应用于低功耗的微控制器（MCU）中，从而实现边缘AI/ML解决方案。这些MCU是许多嵌入式系统不可或缺的一部分，凭借其成本效益、高能效以及可靠的性能，现在能够支持AI/ML应用。这种集成化在可穿戴电子产品、智能家居设备和工业自动化等应用领域中，从AI/ML功能中获得的效益尤为显著。具备AI优化功能的MCU和TinyML的兴起（专注于在小型、低功耗设备上运行ML模型），体现了这一领域的进步。TinyML对于直接在设备上实现智能决策、促进实时处理和减少延迟至关重要，特别是在连接有限或无连接的环境中。

TinyML是指在小型、低功耗设备上应用机器学习模型，尤其是在微控制器（MCU）平台上，这些MCU经过优化，可以在设备有限的资源体系内运行。这使得边缘设备能够实现智能决策，支持实时处理并减少延迟。量化（Quantization）和剪枝（Pruning）等技术用于减小模型大小并提高推理速度。量化通过降低模型权重的精度，显著减少内存使用而几乎不影响准确性；剪枝则通过去除不太重要的神经元，进一步减小模型规模并提升延迟性能。这些方法对于在资源有限的设备上部署ML模型至关重要。

PyTorch和TensorFlow Lite都是实现机器学习模型的主流框架。PyTorch是一个开源机器学习库，被广泛用于人工智能应用的开发，包括可以部署在微控制器上的应用程序。PyTorch提供了用于机器学习的工具和库，包括计算机视觉和自然语言处理，可用于低功耗和小尺寸设备。

TensorFlow Lite for Microcontroller（TFLM）能够在非常受限的MCU类设备上运行具有Flatbuffer转换功能的TF Lite模型。这减少了模型的大小，并优化了它在MCU上的推理。

另一个重要的工具是来自ARM的CMSIS-NN库，它为Cortex-M处理器提供了优化的神经网络内核来运行TFLM模型。CMSIS-NN库提高了性能并减少了内存占用，使其更容易在基于ARM的MCU上运行ML模型。

此外，一些MCU还配备了专用的AI/ML硬件加速器，如Silicon Labs（芯科科技）的EFM32无线SoC和MCU，可以显著提高ML模型的性能，使更复杂的应用程序能够在这些设备上更快、更高效地运行。人工智能加速器擅长并行化任务，如矩阵乘法、卷积和图形处理。通过利用多样化的并行性，它们可以一次执行大量的计算。这使得人工智能工作负载的速度大大提高，同时保持低功耗。这些加速器还增强了内存访问模式，减少了数据传输开销，主CPU—CortexM可以进入低功耗睡眠模式，以节省更多的能量或管理额外的任务。通过使数据更接近计算单元，它们减少了等待时间。其结果是增强了性能、降低了功耗和延迟。

实际应用

TinyML的实际应用是多种多样且有影响力的。一个值得注意的示例是音频和视觉唤醒词，当说出特定的关键字或在图像中检测到某人时，设备会触发动作。这项技术被用于智能扬声器和安全摄像头，支持它们在识别到唤醒词或检测运动时激活。另一种应用是工业环境中的预测性维护。工厂设备上的传感器持续监测振动和温度等参数，可使用TinyML模型检测来异常并在故障发生之前预测维护需求，这有助于减少停机时间和维护成本。

手势和活动识别是TinyML的另一种令人兴奋的应用。配备加速度计和陀螺仪的可穿戴设备可以监测身体活动，如走路、跑步或特定手势。这些设备使用TinyML模型实时分析传感器数据，为健身追踪或医疗诊断提供有价值的见解。在农业领域，TinyML被用于环境监测。智能农业系统分析土壤湿度和天气条件，以优化灌溉，提高作物产量和资源效率。

TinyML还增强了健康监测功能。诸如连续血糖监测仪（CGM）这样需要长时间电池寿命和实时数据处理的设备，都能够极大地受益于这项技术。此外，智能床传感器可以在没有直接接触的情况下评估病人的呼吸模式，为远程观察提供不间断的健康数据。这一创新在管理老年人护理和慢性疾病方面特别有价值，因为持续监测有助于及早发现潜在的健康问题。

启动开发

要开始构建自己的TinyML应用，您需要了解TinyML的基础知识并选择合适的硬件。根据您的应用，您可能需要传感器来收集数据，例如加速度计、麦克风或摄像头。设置开发环境包括安装Simplicity Studio集成开发环境（IDE）、SDK和TinyML所需的资源库。

下一步是收集和准备与应用相关的数据。例如，如果您正在构建一个手势识别系统，您需要收集不同手势的加速度计数据。收集数据后，您需要对其进行预处理，使其适合训练您的模型。训练模型需要在功能强大的机器上使用高级框架，如TensorFlow或PyTorch。一旦训练完毕，模型需要使用量化和剪枝等技术进行优化。

在完成优化后，即可将模型转换为适合MCU的格式，如TensorFlow Lite格式。最后一步是将优化后的模型部署到MCU，将其与应用程序代码集成，并对其进行全面测试，以确保其满足性能和精度要求。基于实际性能的不断迭代和改进对于完善TinyML应用至关重要。

利用芯科科技的解决方案在微控制器上实现人工智能和机器学习

芯科科技提供了一系列解决方案，有助于在MCU上实现AI/ML。EFR32/EFM32（xG24、xG26、xG28）和SiWx917系列微控制器由于其低功耗和强大的性能而非常适合TinyML应用。以下是在芯科科技MCU上实现AI/ML的详细技术指南：

数据采集与预处理

数据采集：使用连接到MCU的传感器采集原始数据，例如加速度计、陀螺仪和温度传感器等传感器都可用于各种应用。

预处理：对数据进行清理和预处理，使其适合训练。这可能包括过滤噪声、对数值进行归一化处理以及将数据分割到窗口中。为此，芯科科技提供了数据采集和预处理工具。

数据采集工具则由合作伙伴SensiML提供：https://github.com/sensiml/sensiml_xG24_dual_audio_imu_capture

模型训练

模型选择：根据应用选择合适的ML模型。常用的模型包括决策树（decision tree）和支持向量机（vector machine）。

训练：在高性能云服务器或带有GPU的本地PC上使用TensorFlow训练模型。这包括将预处理数据输入模型并调整参数以最小化误差。

模型转换：使用TensorFlow Lite转换器将训练模型转换为与TF Lite Micro兼容的格式。TensorFlow Lite for Microcontrollers (TFLM)中的FlatBuffer转换包括将TensorFlow Lite模型转换为FlatBuffer格式，这是一种紧凑的二进制格式，可以高效地存储和快速地访问。这个过程对于在内存和处理能力有限的微控制器上运行机器学习模型至关重要。FlatBuffers支持直接访问模型而无需解压。一旦采用FlatBuffer格式，该模型可以由微控制器执行，使其能够执行推理任务。这种转换减小了模型大小，使其适用于内存非常有限的设备，并且可以快速访问和执行模型，而无需进行大量解析。此外，它还确保该模型可以在运行速率低于1GHz、代码空间有限（通常低于3MB）、SRAM有限（约256KB）的MCU上被无缝集成和执行。

模型部署

与Simplicity SDK集成：使用芯科科技的Simplicity SDK将TF Lite Micro与MCU集成。

闪存模型（Flashing the Model）：将转换后的模型移植到MCU的Flash上。这可以使用Simplicity Studio完成，它为芯科科技MCU的编程提供了一个用户友好的界面。

推理和优化：应用量化和剪枝等优化技术，以减小模型大小并提高性能。

运行推理：一旦模型部署完成，它可以在MCU上运行推理。这包括向模型中输入新数据并获得预测结果。

软件工具链：新的软件工具包旨在支持开发人员使用一些最流行的工具套件（如TinyML和TensorFlow）快速构建和部署人工智能和机器学习算法。AI/ML软件帮助设计人员创建新的应用程序。除了原生支持TensorFlow来为高效推理提供优化内核之外，芯科科技还与一些领先的AI/ML工具提供商（如SensiML和Edge Impulse）合作，以确保开发人员拥有端到端的工具链来简化机器学习模型的开发，这些模型针对无线应用的嵌入式部署进行了优化。通过将这一全新的AI/ML工具链与芯科科技的Simplicity Studio开发平台以及xG24、xG28和xG26系列SoC结合使用，开发人员可以创建能够从各种互联设备获取信息的应用，这些设备都可以相互通信，从而做出智能的、由机器学习驱动的决策。

芯科科技提供各种工具和资源来支持ML应用。以下是其中一些例子：

机器学习应用：芯科科技提供集成化的硬件、软件和开发工具，帮助客户快速创建适用于工业和商业应用场景的、安全的智能设备。开发平台支持嵌入式机器学习（TinyML）模型推理，由Tensorflow Lite for Microcontrollers（TFLM）框架支持。该存储库包含一组利用ML的嵌入式应用程序：https://github.com/SiliconLabs/machine_learning_applications

机器学习工具包（MLTK）：这是一个带有命令行实用程序和脚本的Python软件包，可支持基于芯科科技的嵌入式平台开发的机器学习模型。它包括从命令行界面或Python脚本执行ML操作的各项功能，并可确定ML模型在嵌入式平台上的执行效率，以及使用谷歌Tensorflow训练ML模型。

参考数据集：MLTK附带参考模型使用的数据集。这些数据集可以在Github上找到：

https://github.com/SiliconLabs/mltk/blob/master/docs/python_api/datasets/index.md

音频特征生成器（Audio Feature Generator）：芯科科技提供了与TensorFlow Lite模型一起使用的音频特征生成器。它根据sl_ml_audio_feature_generation_config.h中的配置去进行前端的初始化来生成功能，并以流模式来初始化和启动麦克风。https://docs.silabs.com/machine-learning/latest/machine-learning-tensorflow-lite-api/ml-audio-feature-generation

MLPerf Tiny Benchmark：MLPerf Tiny Benchmark是由一家开放工程联盟MLCommons设计的性能评估套件。它旨在衡量ML系统在推理方面的性能和能效，将训练好的ML模型应用于新数据。该基准是专门为低功耗的最小设备量身定制的，通常用于深度嵌入式应用，如物联网（IoT）或智能传感。

芯科科技参与了MLPerf Tiny基准测试，提交了展示机器学习工具包（MLTK）功能的解决方案。该工具包包括TinyML基准测试使用的几个模型，可在GitHub上获得，涵盖异常检测、图像分类、关键字识别和视觉唤醒词等应用程序。

与以前的版本相比，使用MLPerf Tiny v1.0的结果显示出了推理速度提高，以及代码规模和内存使用量的减少。例如，Plumerai的推理引擎表现出了显著的增强，包括支持时间序列神经网络，如基于LSTM的循环神经网络（RNN），这在运动传感器、健康传感器、语音和音频应用中很常见。

AI/ML合作伙伴

芯科科技与业界领先的供应商合作，包括Edge Impulse、SensiML、NeutonAI和Eta Compute等AutoML工具链和SaaS云伙伴建立了合作关系。此外，诸如Sensory和MicroAI等解决方案提供商，以及包括Capgemini和Jabil在内的设计合作伙伴都是该网络的一部分。这些联盟提供了可简化综合解决方案开发的平台，使初学者更容易接触到边缘的AI/ML。

TinyML在MCU上的优势：

• 成本低－MCU价格合理

• 绿色环保－能耗低

• 易于集成－可轻松将MCU集成到现有环境中

• 隐私与安全－在本地处理数据，无需联网传输

• 快速原型开发－快速开发概念验证解决方案

• 自主可靠－微型设备在任何环境下都能稳定运行

• 实时处理－将延迟降至最低

嵌入式开发应用流程

开发具有机器学习功能的应用需要两个不同的工作流程：

• 使用Simplicity Studio来创建无线应用的嵌入式应用开发工作流程。

• 创建将添加到嵌入式应用的机器学习功能的机器学习工作流程。

目标应用

运动检测：在商业办公大楼里，许多灯都是由运动探测器控制的，该探测器监测占用情况，以确定灯是否应该打开或关闭。然而，当员工在办公桌前打字时，由于动作仅限于手和手指，因为运动传感器本身无法识别他们的存在，所以可能会出现自动关灯而无法为员工可提供照明。通过将音频传感器与运动探测器连接起来，额外的音频数据（如打字的声音）可以通过机器学习算法进行处理，从而使照明系统能够更明智地决定灯是应该打开还是关闭。

预测性维护：可使用芯科科技的EFR32 MCU来开发一个预测性维护系统。这需要使用连接的传感器来收集机器的振动和温度数据，同时训练一个模型来根据这些数据预测潜在的故障，然后将该模型部署在MCU上，实现对机器的实时监控和维护计划。

健康监测：使用EFM32 MCU构建可穿戴健康监测设备。使用传感器收集心率和体温等生命体征的数据。训练一个模型来检测数据中的异常。在MCU上部署该模型，帮助用户对健康情况提供实时分析了解。

智能农业：使用芯科科技的MCU开发智能灌溉系统。使用连接的传感器收集土壤湿度和天气数据。训练一个模型，以便根据这些数据来优化水的使用。将该模型部署在MCU上，控制灌溉系统，提高作物产量。

结论

MCU不再局限于简单任务，而是正成为实现AI的强大平台。通过探索面向AI优化的MCU，我们可以为电池供电的智能设备开辟新的潜在应用。无论是智能家居设备还是工业传感器，AI驱动的MCU正在重塑嵌入式系统的未来。

电源保护模块PPM

• 稳态过压保护（OVP）

• 过载、短路保护（OCP）

• 输入极性反接保护

• 瞬态过压浪涌保护

• 满足最严苛的汽车抛负载5A测试

• 兼具电子保险丝（eFuse）功能

优恩半导体(UNSEMI)推出的多功能电源保护模块，专为工业电源在应用中可能会遇到的各种复杂问题而设计。凭借其卓越的性能参数—最高支持3A工作电流和60V输入电压，能够满足绝大多数电源应用的需求。在工业电子产品中，电源的稳定性与可靠性是确保产品品质的核心。然而，由于工业电子产品所处的工作环境复杂多变，电源系统经常频繁遭遇外部干扰，例如输入电压错误连接、浪涌冲击、电压异常波动、电路过载以及负载短路等问题。作为电子产品的动力源泉，确保电源的安全、稳定和可靠运行是研发工程师的首要任务。通常，设计这些保护电路并验证其可靠性需要耗费大量的研发时间。

此模块不仅集成了多种保护功能，提供了丰富的保护特性，同时还有效简化了应用电路的设计复杂度，确保电源系统长期稳定运行，从而延长电子设备的使用寿命。

01 产品特色

1. 支持高达60V的输入电压和3A的工作电流：使得该模块能够适用于多种不同的电源应用场景，如汽车电子、工业自动化、通信设备、轨道交通等。

2. 稳态过压保护功能：能够有效监测并限制电压，防止设备因过压而损坏，确保设备在安全电压范围内稳定运行。

3. 瞬态过压浪涌保护功能：能够快速响应电压浪涌，保护设备免受雷击或其他瞬态电压事件的影响。

4. 过载与短路保护功能：当电流超过设定值或发生短路时，模块会自动切断电源，防止设备损坏，确保用户的安全。

5. 电源输入接错保护功能：可以防止因电源接错而导致的设备损坏，确保用户在接线时的安全性和便利性。

6. 电子保险丝（eFuse）功能：能够在过载或短路情况下自动断开电路，并在故障排除后可恢复使用，提升了使用的便利性。

7. μs级的超快速响应速度：能够在电压或电流异常发生的瞬间迅速采取行动，从而最大限度地减少设备受损的风险。

8. 在监测电压和电流时具有±5%的误差精度：能够确保在接近安全阈值时及时触发保护机制。

02 产品优势

1. 安全性高：通过多重保护机制，确保设备在各种复杂的环境下都能安全稳定地运行。

2. 可靠性强：采用高品质材料和精心设计，保证模块在长期使用过程中维持其性能稳定性。

3. 保护功能全面：可缩短产品开发周期，节约研发测试验证费用。

4. 具备可恢复性：多次使用，无需更换部件，从而降低了维护成本。

5. 用户友好：简单的布线和易于理解的功能设计，降低了用户的使用门槛。

6. 提供参数定制化设计服务：满足特定需求。

03 应用领域

• 工控设备

• 通信设备

• 军工航天

• 仪器仪表

• 电力能源

• 医疗设备

• 车载电子产品抛负载保护

04 设计参考应用

图1、设计参考应用图

05 响应实测波形图

图2、过载保护波形图

图3、过压保护波形图

06 小结

与传统的分立电路保护方式不同，我们的多功能电源保护模块是确保您设备安全运行的优选方案。它能有效预防电源问题引发的损害，保障设备的稳定性和可靠性。无论是在工业环境还是家庭使用中，它都能为您提供强大的电源保护解决方案。

优恩半导体一直致力于EMC防护器件的研发及技术创新，为客户提供更好更优的器件及保护解决方案是我们前进的动力。我们的产品已经在消费类电子、通信、汽车电子、工业控制等众多领域都有着广泛的应用。

来源：优恩半导体

东芝电子元件及存储装置株式会社（“东芝”）今日宣布，最新推出采用S-VSON4T^[1]封装的光继电器——“TLP3414S”与“TLP3431S”，具有比东芝现有产品更快的导通时间^[2]。TLP3414S与TLP3431S的断态输出端电压和通态电流额定值分别为40 V/250 mA和20 V/450 mA。该产品于今日开始支持批量出货。

新型光继电器通过提高输入侧红外LED的光输出并优化光电探测器（光电二极管阵列）的设计，可实现高效的光耦合，将导通时间最大值缩短至150 μs。TLP3414S的导通时间比东芝现有产品TLP3414缩短约50 %，TLP3431S的导通时间比东芝现有产品TLP3431缩短约62 %。

此外，当输出打开时，这两款产品的导通电阻会影响信号衰减（TLP3414S：最大值3 Ω，TLP3431S：最大值1.2 Ω）；当输出关闭时，输出电容会影响高频信号泄漏（两款产品均为典型值6.5 pF）。新产品与东芝现有产品^[2]相当，确保了稳定的信号传输。

新产品适用于半导体测试设备中的引脚电子^[3]应用，可在开关信号的同时以高精度高速测量待测设备（DUT）。

新产品由于采用小型S-VSON4T封装，与东芝现有产品的VSON4封装^[4]相比表贴面积减少了约20 %，有助于实现半导体测试设备和其他设备的小型化。

东芝将继续提供更多高性能产品，以满足半导体测试设备对更高性能和更快速度的需求。

应用：

-半导体测试设备（高速存储器测试设备、高速逻辑测试设备等）

-探测卡

-测量设备

特性：

-高速导通时间：tON＝150 μs（最大值）

-低导通电阻：

TLP3414S RON＝3 Ω（最大值）

TLP3431S RON＝1.2 Ω（最大值）

-小型S-VSON4T封装：1.45 mm×2.0 mm（典型值），厚度＝1.3 mm（典型值）

主要规格：

（除非另有说明，Ta＝25 °C）

注：

[1] S-VSON4T封装：1.45 mm×2.0 mm（典型值）

[2] 东芝现有产品TLP3414（额定值40 V/250 mA）和TLP3431（额定值20 V/450 mA），采用VSON4封装

[3] 引脚电子（PE）：用于向待测设备（DUT）提供电源和测试信号，并判断DUT的输出信号的一种接口电路

[4] VSON4封装：1.45 mm×2.45 mm（典型值）

[5] TLP3414S的测试条件：RL＝200 Ω、VDD＝20 V、IF＝5 mA，TLP3431S：RL＝200 Ω、VDD＝10 V、IF＝5 mA

相关信息

技术文章

具有高速开关的小型光继电器

具有低电压驱动和高工作温度额定值的紧凑型光继电器

如需了解有关新产品的更多信息，请访问以下网址：

TLP3414S

https://toshiba.semicon-storage.com/cn/info/lookup.jsp?pid=TLP3414S

TLP3431S

https://toshiba.semicon-storage.com/cn/info/lookup.jsp?pid=TLP3431S

如需了解东芝隔离器和固态继电器的更多信息，请访问以下网址：

隔离器／固态继电器

https://toshiba.semicon-storage.com/cn/semiconductor/product/isolators-solid-state-relays.html

如需了解有关新产品在线分销商网站的供货情况，请访问以下网址：

TLP3414S

https://toshiba.semicon-storage.com/cn/semiconductor/where-to-buy/stockcheck.TLP3414S.html

TLP3431S

https://toshiba.semicon-storage.com/cn/semiconductor/where-to-buy/stockcheck.TLP3431S.html

*本文提及的公司名称、产品名称和服务名称可能是其各自公司的商标。

*本文档中的产品价格和规格、服务内容和联系方式等信息，在公告之日仍为最新信息，但如有变更，恕不另行通知。

关于东芝电子元件及存储装置株式会社

东芝电子元件及存储装置株式会社是先进的半导体和存储解决方案的领先供应商，公司累积了半个多世纪的经验和创新，为客户和合作伙伴提供分立半导体、系统LSI和HDD领域的杰出解决方案。

公司22,200名员工遍布世界各地，致力于实现产品价值的最大化，东芝电子元件及存储装置株式会社十分注重与客户的密切协作，旨在促进价值共创，共同开拓新市场，公司现已拥有超过7,971亿日元（49.6亿美元）的年销售额，期待为世界各地的人们建设更美好的未来并做出贡献。

如需了解有关东芝电子元件及存储装置株式会社的更多信息，请访问以下网址：https://toshiba-semicon-storage.com

联想在人工智能的驱动下表现强劲，所有主营业务全都实现强劲增长

联想集团有限公司 （港交所：992）（美国预托证券代号：LNVGY）连同其附属公司 （“本集团”），今天公布2024/25财年第三季度业绩，集团整体营业额和净利润双双大幅提升。总营业额年比年增长20%，达188亿美元，连续第三个季度取得双位数的增长。按照香港财务报告准则，净利润年比年翻番至6.93亿美元（包括2.82亿美元的非经常性所得税抵免）。集团多元化增长引擎持续加速，个人电脑以外业务的营业额占比年比年提升超过4个百分点，达到46%。本季度业绩受惠于集团专注于混合式人工智能的战略，基础设施方案业务集团扭亏为盈及智能设备业务集团和方案服务业务集团均取得双位数增长。

联想持续加码研发投资，研发费用年比年增加近14%，达到6.21亿美元。在近期的CES 2025国际电子消费展上，联想推出了一系列创新产品，包括全球首款卷轴屏人工智能笔记本电脑 ，全球首款可以自选Windows 或Steam操作系统的手持游戏设备，Moto AI等等，其创新产品组合共赢得185项业界大奖。

集团的创新投资专注于人工智能, 尤其是在打造基础性人工智能技术的平台，带领代理型人工智能迎来突破点，并持续推动技术和应用的产品化。联想通过人工智能终端设备的创新来引领个人智能，同时还会利用混合基础设施和联想混合式人工智能优势集打造企业智能。联想相信人工智能的蓬勃发展为设备、基础设施和服务市场都带来持续增长的机遇，其更高的推理效率和更低的算力成本正使人工智能平民化，应用更加普及。这将会加速端侧智能、边缘侧智能的成熟进程，也会促进并加速人工智能在企业的部署、客制化应用和投资回报率，与联想混合式人工智能的愿景一致。

展望未来，联想致力于通过持续投资混合式人工智能创新来推动增长。透过与Alat扩展中东的制造基地布局，并与Formula 1®世界一级方程式锦标赛和FIFA国际足联达成战略技术合作，集团对其全球化、灵活且具有韧性的供应链充满信心，将能应对各种宏观不确定性。凭借在第三季度展现的强劲增长势头，联想有信心推动可持续的增长和盈利的提升。

联想集团董事长兼CEO杨元庆表示：

“联想上个季度的营业额和利润双双实现大幅提升，所有主营业务都表现出色，尤其是ISG业务扭亏为盈，智能手机业务增长快速。具有更高效率和更低成本的人工智能技术加速了个人智能，尤其是端侧智能和边缘侧智能的成熟进程，也促进了人工智能在企业的快速采用，这与我们所推动并引领的混合式人工智能的方向是一致的。未来，凭借对创新的持续投入，凭借卓越且富有韧性的全球运营，我们有信心推动可持续的增长和盈利的提升。”

财务亮点：

智能设备业务集团（IDG）：营业额双位数增长，引领人工智能终端

2024/25财年第三季度表现：

• IDG季度业绩强劲，营业额实现年比年12%的双位数增长，达138亿美元。

• 个人电脑业务以24.3%的市场份额进一步稳固了市场领导地位，把距离第二名的领先优势扩大到了近5个百分点，并且保持了行业领先的盈利能力。

• 智能手机业务持续强劲增长，营业额年比年双位数增长，在亚太和欧洲-中东-非洲市场的增长尤其迅猛。

• 展望未来，IDG将继续推进更高性能的计算和更高效率的模型在各类终端中的应用，创新设备模态，优化智能体，加强多设备连接能力，打造关键应用生态，为用户提供跨设备和跨生态系统的无缝体验。

基础设施方案业务集团 (ISG)：快速成长，扭亏为盈，迈向盈利性增长

2024/25财年第三季度表现：

• ISG季度营业额实现了接近60%的年比年增长，扭亏为盈，营业额达到39亿美元。

• 这一结果得益于CSP云基础设施业务的持续高速增长，以及E/SMB业务的稳定增长。

• ISG的人工智能服务器业务及行业领先的联想海神液冷解决方案在本季度做出重大贡献，其中人工智能服务器业务开始稳定收益，海神开始服务高性能计算和科学计算之外的更广泛的垂直行业客户。

• 展望未来，随着人工智能的广泛应用增长，混合式IT基础架构的需求将进一步加大，尤其是公有云、本地数据中心、私有云以及边缘计算的需求。ISG凭借其清晰的战略、通过进一步简化产品组合、加强市场销售能力以及优化E/SMB业务的模式，对实现可持续的盈利性增长充满信心。

方案服务业务集团（SSG）：营业额新高，高盈利能力，构建联想混合式人工智能优势集能力

2024/25财年第三季度表现：

• SSG的营业额连续 15 个季度年比年双位数增长，达 23 亿美元，并保持了 20%的高盈利能力。

• 人工智能赋能的通用解决方案推动了电脑支持服务的增长，并与联想在智能设备领域的优势相结合，进一步提升了用户体验。

• 非硬件解决方案和服务收入仍然是 SSG 强劲的利润引擎，并且持续增长。非硬件相关业务的综合收入在SSG整体营业额中的占比年比年提升了5 个百分点，接近 60%。

• 人工智能解决方案开始获得关注，并为全球头部企业打造标杆案例，包括构建企业智能体平台。

• 展望未来，SSG会持续在联想混合式人工智能优势集的框架下构建能力，并推动所有产品的市场增长。

环境, 社会及管治（ESG）及企业亮点

上季度，联想获得的认可、公布和做出的重要承诺包括：

• 联想成为FIFA的官方技术合作伙伴，这是FIFA最高级别的赞助类别——该合作协议涵盖将在加拿大、墨西哥和美国举办2026年FIFA世界杯，以及将在巴西举办的2027年FIFA女足世界杯。

• 集团在环境、社会及管治（ESG）和企业管治领域荣获多项殊荣，包括由香港会计师公会主办的“最佳企业管治及ESG大奖”中，荣获“最具可持续发展公司/机构”类别的金奖。此外，集团还在香港上市公司商会与香港浸会大学联合主办的“香港公司管治与环境、社会及管治卓越奖” 中，荣获恒生指数成分股公司类别“公司管治卓越奖” 及“环境、社会及管治卓越奖”。

• EcoVadis授予联想可持续发展评级最高荣誉“铂金奖牌”，位列全球前1%，彰显了联想在可持续发展方面的承诺和领导地位。

[1] 非香港财务报告准则计量已通过剔除以公允价值计量且其变动计入损益的金融资产的公允价值变动净额，并购产生的无形资产摊销，无形资产减值及撇销，一次性所得税抵免；以及相关所得税影响（如有）进行调整。

F1 FORMULA 1标志、F1标志、F1、FORMULA 1、FIA FORMULA ONE WORLD CHAMPIONSHIP、GRAND PRIX和相关标志是Formula 1旗下公司Formula One Licensing BV的商标。

关于联想

联想集团是一家年收入570亿美元的全球化科技巨头，位列《财富》世界500强第248名，服务遍布全球180个市场数以百万计的客户。为实现“智能，为每一个可能” 的公司愿景，联想在不断夯实全球个人电脑市场冠军地位的基础上，积极构建全栈式的计算能力，现已拥有包括人工智能赋能、人工智能导向和人工智能优化的终端、基础设施、软件、解决方案和服务在内的完整产品路线图，包括个人电脑、工作站、智能手机、平板电脑等终端产品，服务器、存储、边缘计算、高性能计算以及软件定义等基础设施产品。这一变革与联想改变世界的创新一起，共同为世界各地的人们成就一个更加包容、值得信赖的智慧未来。联想集团有限公司在香港交易所上市（港交所：992）（美国预托证券代号：LNVGY）。欢迎访问联想官方网站 https://www.lenovo.com，并关注“联想集团”微博及微信公众号等社交媒体官方账号，获取联想最新动态。

在 businesswire.com 上查看源版本新闻稿: https://www.businesswire.com/news/home/20250219675983/zh-CN/