2020年7月31日,上海——今天,“智在必得,速起边缘”英特尔AI计算盒参考设计发布会在线上成功举办。发布会上,英特尔不仅推出了全新“英特尔AI计算盒参考设计”(以下简称“AI计算盒”),还发布了“英特尔中国AI生态合作伙伴算法方案集萃”(以下简称“算法方案集萃”),全面展现了英特尔在视觉技术领域、智能边缘市场卓越的产品组合,更彰显了英特尔携手生态合作伙伴利用视觉技术为城市管理、零售、工业、教育等各行各业带来的“数智化”变革。
英特尔公司物联网事业部副总裁、中国区总经理陈伟表示:“边缘计算的落地,尤其是边缘计算+AI+行业的应用模式,表明只有用贴近真实应用需求的方式,才能让边缘计算在当下数字社会生根发芽。英特尔AI计算盒参考设计,是英特尔在中国本土做的又一次尝试,我们着力发展能力型合作伙伴,协调生态关系,发挥生态的多边网络效应,协同各位生态合作伙伴,让生态发挥合力,实现真正的智能边缘进化。”
据麦肯锡预测,全球市场深度学习收入将呈现飞速增长,到2030年,AI有望造就13万亿美元的经济活动。特别是随着智慧城市、商超、交通、工业互联网等应用场景对视频数据分析需求的激增,AI与视觉技术正在加速智能与边缘计算的融合,将为汽车、互联网、教育等十余个行业的数智化变革提速赋能,助推货架分析、文本识别、热力图、车辆检测识别、缺陷检测等应用场景落地。作为边缘计算的发展趋势,智能边缘将与AI、5G关键技术转折点的相互交织,将推动智能进入新的发展拐点。
面对广阔的市场机遇,英特尔凭借产品领导力、创新方案推动力、生态构建力“三力齐发”,持续推动智能边缘、AI、5G关键技术转折点的融合创新,并依靠多种形态、可灵活部署的卓越算力,一整套软件栈,以及多点协同、广泛互联的生态协作,为加速智能边缘的开发和部署,引领智能边缘未来做好了准备。
最新推出的“英特尔AI计算盒参考设计”,针对边缘计算中,不同应用场景对算力需求灵活,并且会使用不同神经网络模型的特点,搭配了一系列软硬件的组合,来高效帮助开发人员及客户灵活选择,优化部署,缩短开发时间及成本,支持多元的计算需求和不同的应用场景。
除了完备的软硬件产品组合和出众算力外,此次发布会的另一大惊喜在于,英特尔携手小钴科技、科沃斯、云图睿视等十余家合作伙伴共同打造了“英特尔AI生态合作伙伴算法方案集萃”。它将全面展现智能边缘在市场与技术方面的发展趋势,基于英特尔架构的智能边缘平台、算法,以及英特尔与各领域生态伙伴为智慧城市、智慧零售、智慧教育、工业互联网等多元化场景打造的应用实践。
算法层面,SV(软件开发商)可实现对不同应用场景软件及算法的快速定制和场景化,加速整个产品定义、算法研发及AIoT整体解决方案的落地速度,是推动智能边缘精准落地的催化剂。此外,英特尔还与ODM/OEM(原始设计制造商/原始设备制造商)、SI(系统集成商)合力,在目标检测、活体检测、缺陷检测、视频结构化等多方面深度合作,共同驱动智慧商超、智慧城市、智慧医疗、智能检测等多领域的创新发展。
生态建设是智能边缘得以发展壮大的重要因素。未来,英特尔还将继续推进物联网合作伙伴计划,携手越来越多的行业合作伙伴,推出从原型到生产加速智能边缘的解决方案,共建AI-on-IA生态,共享智能边缘市场机会,共赢AIoT “数智”时代新机遇。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。