2018年9月13日,重庆——今天,2018英特尔物联网峰会拉开帷幕,英特尔和超过150多名合作伙伴围绕以数据为中心的计算新时代,探讨了物联网在人工智能影响下的发展趋势,分享如何从技术、平台和标准等方面深化物联网领域的产业合作,强调了英特尔物联网全新战略和业务重点。英特尔还公布了和中国合作伙伴在物联网领域的合作新进展,包括和中国合作伙伴推出的12个英特尔物联网行业整体解决方案,加速了物联网技术应用的市场化进程。
以数据驱动的新工业革命时代已经到来,云的规模无限扩大,深入到网络并进而延伸到边缘,5G技术即将到来,人工智能和分析技术快速增长,为市场带来了巨大的变革,所有这些都将产生大量未利用的数据。据分析师预测,到2025年,全球数据量将剧增至现在的10倍,达到163ZB。英特尔正在进行以数据为中心的转型,从端口设备到云计算,加上内存和存储、FPGA加速器技术、 再加上网络以及5G连接技术和软件支持,成为数据革命的驱动力。
英特尔预计以数据为中心将带来巨大而快速增长业务机会(2022年将达到2000多亿美元),其中物联网潜在机会将达330多亿美元。面对如此巨大的潜在市场,以及客户对于从海量的数据中获取更多价值的需求,英特尔的物联网战略也非常清晰,即面向零售、视频、工业和智慧城市等重点行业,为物联网设计高性能芯片,增强边缘计算,专注于计算机视觉。在面对物联网应用的独特需求,英特尔物联网的产品包括从凌动到至强英特尔全系列处理器来支持各种行业应用;英特尔的管理和虚拟化技术、Movidius芯片、FPGA为代表的硬件加速、5G等互联技术;以OpenVino为代表工具包/软件加速物联网应用的开发。
英特尔公司高级副总裁兼物联网事业部总经理Thomas Lantzsch
英特尔公司高级副总裁兼物联网事业部总经理Thomas Lantzsch表示:“英特尔在物联网领域不断开创新技术,为工业创新奠定数据驱动型的技术基础。我们将持续聚焦物联网芯片、边缘计算和计算机视觉三大重点,以快速面向市场加深整个生态合作,助力以数据为中心的时代变革,成就智能互联的未来。”
生态合作是英特尔物联网业务的战略核心之一,英特尔继续通过产业联盟及各类支持计划,推动物联网生态系统的发展。其中英特尔物联网行业整体解决方案是英特尔加速物联网应用和部署有效推广策略之一,即经过英特尔验证的、面向市场部署已经就绪的端到端的解决方案,旨在助力物联网客户快速将数据转化为可执行的洞察。这些方案具备为数据密集型工作负载优化、适应性强、可扩展, 并能够立即部署的优势。目前已经有众多英特尔物联网行业整体解决方案涵盖了工业、智慧城市、智能零售、智慧教育等领域。
在本次物联网峰会上,英特尔重点介绍了在中国的产业伙伴在教育、工业、视频等方面合作进展和最佳实践。英特尔还分享了工业物联网方面的愿景、解决方案、生态布局和关键性投资。在智能零售方面,英特尔分享了包括边缘计算负载整合等智能响应式物联网技术,助力零售业的数字化转型。英特尔还携手本地的合作伙伴,现场展示了包括零售、安防和工业等行业在内的几十个基于英特尔技术的物联网产品和解决方案。
英特尔物联网事业部副总裁兼中国区总经理陈伟博士表示:“凭借着英特尔在物联网领域丰富的经验、创新技术以及在细分行业全面布局,英特尔继续拓展生态合作,联合中国的合作伙伴以视觉计算、人工智能和边缘计算为助力,驱动物联网在中国的全面升级,推动端到端智能的物联网在中国的加速落地和应用。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。