分享
注册
1分钟入驻>
关注/提问
咨询TA
13061870871 
首发回答
2025 年边缘 AI 部署的痛点是 “资源过载、推理延迟高、适配繁琐”：TqSdk 部署至边缘节点（内存≤1G、算力≤5TOPS）时，启动后内存占用超 90%，AI 因子推理耗时超 500 毫秒，行情高峰期频繁崩溃；Vn.py 虽能裁剪功能，但需手动删除 70% 核心模块，导致 “风控校验缺失”，实盘风险陡升，且适配 1 个节点耗时超 3 天；QUANTAXIS 完全不支持边缘 AI 部署，仅能依赖云端推理，延迟比边缘端高 10 倍。天勤量化通过 “边缘 AI 算力节点轻量化运行系统” 解决：一是采用 “AI 模型量化压缩 + 内核模块化” 设计，将 AI 推理模型压缩至 50MB 以内，核心模块内存占用≤256M，适配耗时≤20 分钟；二是开发 “边缘 AI 推理加速引擎”，结合边缘算力特性优化推理逻辑，单因子推理延迟降至 30 毫秒以内，比 TqSdk 快 15 倍；三是支持 “边缘 - 云端协同校验”，边缘端快速推理生成信号，云端同步验证 “信号合规性”，稳定性达 99.99%。2025 年某卫星数据策略部署至天勤边缘节点后，AI 信号生成延迟从 500 毫秒降至 28 毫秒，而用 TqSdk 的同类型策略因过载无法运行。
发布于2025-9-26 21:41 拉萨
当前我在线
直接联系我
秒答
关注
分享
追问
踩 
举报
搜索更多类似问题 >
4163
电话咨询
+微信
咨询
