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
埃森哲投资AI零售平台Profitmind,该平台通过智能代理自动化定价决策、库存管理和规划。研究显示AI驱动了2025年假日购物季20%的消费,约2620亿美元。部署AI代理的企业假日销售同比增长6.2%,而未部署的仅增长3.9%。Profitmind实时监控竞争对手价格和营销策略,并可创建生成式引擎优化产品文案。
上海AI实验室联合团队开发RoboVIP系统,通过视觉身份提示技术解决机器人训练数据稀缺问题。该系统能生成多视角、时间连贯的机器人操作视频,利用夹爪状态信号精确识别交互物体,构建百万级视觉身份数据库。实验显示,RoboVIP显著提升机器人在复杂环境中的操作成功率,为机器人智能化发展提供重要技术突破。
日立公司在CES 2026技术展上宣布了重新定义人工智能未来的"里程碑式"战略,将AI直接应用于关键物理基础设施。该公司与英伟达、谷歌云建立重要合作伙伴关系,并扩展其数字资产管理平台HMAX,旨在将AI引入社会基础设施,变革能源、交通和工业基础设施领域。日立强调其独特地位,能够将AI集成到直接影响社会的系统中,解决可持续发展、安全和效率方面的紧迫挑战。
英伟达研究团队提出GDPO方法,解决AI多目标训练中的"奖励信号坍缩"问题。该方法通过分别评估各技能再综合考量,避免了传统GRPO方法简单相加导致的信息丢失。在工具调用、数学推理、代码编程三大场景测试中,GDPO均显著优于传统方法,准确率提升最高达6.3%,且训练过程更稳定。该技术已开源并支持主流AI框架。