2020年9月24日,北京——今天,英特尔在全球举办2020年英特工业物联网大会。会上英特尔发布了全新的物联网增强功能产品组合:第11代英特尔酷睿处理器、英特尔凌动x6000E系列和英特尔奔腾N系列、赛扬J系列产品,为智能边缘领域用户带来全新的人工智能、功能安全和实时功能体验。凭借强劲的产品领导力、创新方案推动力、生态构建力,以及全球15000个客户端部署案例,英特尔继续为智能边缘市场提供可靠的解决方案。预计到2024年,智能边缘市场的总规模将有望达到650亿美元。
英特尔公司物联网事业部副总裁、平台管理与客户工程部门总经理John Healy表示:“到2023年,将有多达70%的企业在边缘进行数据处理。第11代英特尔酷睿处理器、英特尔凌动x6000E系列和英特尔奔腾N系列、赛扬J系列产品是我们迄今为止面向物联网迈出的最重要一步。我们在为人工智能和5G的发展奠定基础的同时,也解决了客户当前的业务需求痛点。”
面对边缘计算复杂性、总体拥有成本(TCO)、环境条件限制等当前困扰物联网行业的挑战,英特尔始终致力于与客户紧密合作,全程收集用户反馈,共同构建概念验证、优化解决方案。本次推出的第11代英特尔酷睿处理器、英特尔凌动 x6000E系列和英特尔奔腾N系列、赛扬J系列产品的创新功能正是为应对物联网行业当前面临的挑战而打造的。
此外,通过将通用无缝的开发者体验与英特尔边缘软件中心的工业边缘洞见软件包、英特尔OpenVINO工具套件分发版等软件、工具相结合,英特尔助力客户和开发者有效缩短产品上市时间,并利用优化、容器化封装实现更强大的产品功能,使传感、视觉、自动化等变革性的智能应用得以发挥其作用。比如,结合SuperFin改进工艺和其他增强功能,在第11代酷睿i5处理器的OpenVINO可提供惊人的AI性能:与第8代酷睿i5-8500处理器相比,在CPU模式下每秒推理速度可提升两倍。
英特尔工业物联网大会发布的第11代酷睿处理器是近期发布的客户端处理器的优化版本,针对要求高速处理、计算机视觉、低延迟计算等关键物联网应用需求进行了优化。本次优化后,与第8代酷睿处理器相比,单线程性能可提升23%,多线程性能可提升19%,显卡性能可提升高达2.95倍。双视频解码器可以1080p 30帧/秒的速度同时处理多达40个视频流,可输出最多4路4K或2路8K视频。人工智能和深度学习推理可运行于96个图像处理单元(INT8),或运行于集成了VNNI指令集的CPU。在英特尔时序协调计算技术和时间敏感网络技术的支持下,这款处理器能够提供满足多种应用场景需求的实时计算性能:
目前,已有超过90位合作伙伴计划基于英特尔第11代处理器开发解决方案来满足不同行业客户的碎片化、差异化需求。
英特尔凌动x6000E系列和英特尔奔腾N系列、赛扬J系列产品是英特尔首批针对物联网增强的处理器平台,拥有更强大的实时性能与更高效率,3D显卡性能表现可达上一代的2倍。配置专用实时减负引擎、可支持带内带外远程设备管理的英特尔可编程服务引擎、增强I/O和更多储存选择,同时还集成了2.5GbE时间敏感网络(TSN),让实时性更为强劲。目前产品均支持4Kp60分辨率,最多可同时在三个显示屏上运行。此外,产品还配置了英特尔安全岛,结合内置的基于硬件的安全措施,充分满足物联网严苛的功能安全(FuSa)要求。目前这些处理器4可为多种应用场景提供强劲的数字化转型助推作用:
目前,已有超过100位合作伙伴计划基于英特尔凌动x6000E系列和英特尔奔腾N系列、赛扬J系列产品开发解决方案。
本次英特尔工业物联网大会,有超过40位合作伙伴参与各个环节及9场产品演示。会上英特尔与工业物联网生态系统的参与者齐聚一堂,共同探讨如何应对行业挑战,畅想自动化运营的未来。客户可通过大会更深入地了解各种集功能安全性、互操作性于一身的集成解决方案,以更短时间、更低成本和更低风险实现工业物联网部署,完成企业转型,共同分享智能边缘时代的新机遇。
好文章,需要你的鼓励
尽管芯片厂商不断推出性能更强的神经处理单元,声称比上代产品快30-40%,但大多数AI功能仍依赖云端处理。专家指出,云端AI模型拥有数千亿参数,而手机NPU只能处理约30亿参数的模型。本地AI处理虽然在隐私保护和可靠性方面具有优势,但受限于内存容量和处理能力,目前主要应用于特定场景。业界正致力于优化模型压缩技术,实现云端与本地AI的混合处理模式。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Hammerspace通过现有NVMe存储最大化GPU使用率。随着AI计算在混合云和多云环境中扩展,基础设施团队面临着加速洞察时间同时最大化GPU投资的压力。Hammerspace Tier 0将GPU服务器集群内的本地NVMe存储转换为超高速共享存储层,性能比传统网络存储提升10倍,减少检查点时间,提高GPU使用率,改善推理响应时间,无需额外存储系统,节省数百万美元成本。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。