至顶网服务器频道 04月17日 新闻消息(文/邹大斌):4月10日至12日,以“应用人工智能”为主题,英特尔与O’Reilly联合主办的中国人工智能大会在京举行,英特尔在会上分享了人工智能实际应用方面的技术和最新创新成果,全方位展示了人工智能全栈解决方案,分享了如何利用英特尔人工智能产品和技术深入挖掘不同行业数据价值,解决实际问题,加速人工智能产业落地的洞察和实践经验。会议期间,参会的几位重量级英特尔专家与媒体进行了交流。
“我们可以看到,近两年看到人工智能的采纳和接受度已经大大提高了,主要的行业已经从之前的金融服务业、医疗、无人驾驶、运输扩展众多行业。”Fiaz Mohamed 英特尔人工智能事业部业务拓展总经理在交流中表示。
他强调说,英特尔要做的是帮助用户解决AI相关的实际问题,能够让我们的解决方案真正地帮助行业提高效率,而不仅仅是为了竞争。为此,英特尔不断地推进AI的落地,其中不仅仅是芯片,还有更多技术服务,甚至还包括人才。“实际上,英特尔非常重视人才,重视数据科学家,不断地鼓励我们的数据科学家大胆地设想,不断地推进技术的边界,看看哪些具体的问题要解决,如何优化、如何搭建模型,最后如何进行生产。并且我们和一些合作伙伴一起来做的。” Fiaz Mohamed表示。
对此, 英特尔人工智能事业部数据科学部主任刘茵茵补充说,在过去这一段时间里,英特尔一直致力于开发各类软件、硬件和各种框架方面的支持,作为数据科学我们以此为基础往上搭,可以加入很多模块然后一起去解决各种各样的在商业应用中产生的问题。
据悉,目前英特尔提供的人工智能全栈式解决方案是一个完整的产品组合,包括至强可扩展处理器、英特尔Nervana神经网络处理器和FPGA、网络以及存储技术等;针对深度学习/机器学习而优化的基于英特尔架构的数学函数库(Intel MKL)以及数据分析加速库(Intel DAAL)等;支持和优化开源深度学习框架如Spark、Caffe、Theano以及Neon等;构建以英特尔Movidius和Saffron为代表的平台以推动前后端协同人工智能发展。
英特尔人工智能事业部副总裁、人工智能实验室和软件总经理Arjun Bansal
媒体交流会上,英特尔人工智能事业部副总裁、人工智能实验室和软件总经理Arjun Bansal以英特尔在医疗行业的一些探索进行了分享。
Arjun Bansal介绍说,在中国也不乏与英特尔合作的AI案例。比如,英特尔与浙江大学附属第一医院在甲状腺的检测方面就开展合作了。针对很多地方医院病患都需要拍片,但是缺乏专业的放射科的医师来去看片子、分析片子。英特尔与合作伙伴一起通过引入人工智能技术先把阅片的准确率从75%提到85%。同时,也降低了对专业医生的需求。
“现在不一定非得是专业的放射医疗师来看片,通过我们的机器协助,其他人员也可以协助看片。这样对于病患的诊断还有救治工作就能做的更好。” Arjun Bansal说。
Arjun Bansal表示:“英特尔拥有业内广泛的人工智能产品组合,持续加大技术研究投资和人才培育,通过与生态产业合作伙伴携手,让人工智能加速在医疗、零售、能源、交通、制造等行业尽快落地。”
据悉,本次人工智能大会英特尔派出强大的专家阵营。除了上面的专家以来,英特尔技术专家还在大会上发表了题为“人工智能如何推动医疗现代化”的演讲,阐述了人工智能如何为医疗行业提供新洞察并提高诊断效率。此外在题为“基于深度学习的自然语言处理”的演讲中,英特尔分享了人工智能如何推动自然语言处理的发展并惠及各行业。为更好的推动人工智能技术普及,英特尔还联手百度云等合作伙伴安排了培训等课程,让开发者们更好地了解BigDL等框架。BigDL是一款基于Apache Spark的分布式深度学习框架,它可以无缝的直接运行在现有的Apache Spark和Hadoop集群之上。百度云在即将发布的数据分析平台中将整合BigDL最新版本。未来英特尔还将联合百度云智学院推出完整的“数据分析+BigDL”培训课程。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。