2020年11月19日,北京——今天,“2020英特尔机器视觉与智能工业控制高峰论坛”通过在线会议的形式圆满举办。此次论坛上,英特尔与合作伙伴共同展示了以人工智能为基础的机器视觉、智能工业控制、全产业链支持的智能工厂解决方案,系统介绍了英特尔针对智能工业打造的基于智能边缘技术的英特尔工业边缘洞见平台(EII)和英特尔工业边缘控制平台(ECI)。
作为工业智能化的重要实践,智能制造将在未来一个时期成为制造业转型升级的“主旋律”;与此同时,如何面对后疫情时代的产业变革与战略机遇,真正实现智能制造的规模化落地,成为了摆在制造业企业乃至工业行业面前的一道难题。
近年来,随着信息化转型的推进,不少工厂已经拥有了IT 系统。然而,想要将其整合、升级到智能工业时代的系统却并不容易。目前常见的专有中间件方案比较僵化且与供应商绑定、总体拥有成本较高、定制化开发及扩展难度较大。
如何帮助传统制造业企业加速落地智能工厂、打通信息孤岛、降本增效、实现以数据为驱动的智能制造、进而提升企业的市场竞争力,是英特尔的使命所在。为此,英特尔推出了“两个平台”——英特尔工业边缘洞见平台(EII)和英特尔工业边缘控制平台(ECI)。EII和ECI依托英特尔强大的智能边缘技术,能够化解当前智能制造转型过程中的突出难题,帮助工厂加速部署人工智能、提升系统性能,从容地拥抱智能工业转型浪潮。
英特尔工业边缘洞见平台:挖掘边缘数据价值,赋能智能工业时代
英特尔工业边缘洞见平台(EII)是经过生产验证的软件堆栈,可在边缘安全地提取、分析和存储视频与时序数据,能够在视觉检测、预测性维护和优化运营等方面发挥独特作用。EII还为边缘侧赋予了快速部署人工智能的能力,能够保证数据更快、更安全地得到处理。目前,该平台已经在缺陷检测、预测性分析和制造生产力优化等领域展现出了强大实力,并在压铸、纺织、电气和手工装配等行业发挥了独特作用。
英特尔工业边缘洞见平台(EII)架构示意
EII将数据分析功能带到了边缘,能够实现近乎实时的运行并有效增强对数据隐私的保护。该平台经过简单的配置即可发布到制造执行系统(MES)或车间生产管理(WIP)等管理应用以及所选云端,能够使系统集成商、OxM厂商、云服务提供商和通信服务提供商凭借差异化的产品更快地进入市场;用户也能够仅将数据构件发送到云,减少干扰性数据传输所带来的带宽消耗。
此外,EII针对基于IA架构的平台而创建和优化,并已针对基础操作系统进行了验证。其功能支持英特尔多个关键的边缘硬件组件,例如 CPU、FPGA、加速器和英特尔Movidius视觉处理器(VPU)。而且,其模块化架构为OEM厂商、解决方案提供商和独立软件开发商提供了灵活性,方便其选择和定制解决方案的特性和功能,进而将解决方案快速推向市场并加速客户部署。
英特尔工业边缘控制平台:满足差异化需求,加速制造业转型
英特尔工业边缘控制平台(ECI)是一个融合了实时计算、负载整合、应用程序和平台管理、基础架构管理、工业总线协议、控制类APP范例、信息安全、功能安全于一体的软件参考平台。该平台能够在密集计算环境中实现时间确定性计算,并可将工业控制系统轻松过渡到由软件定义的解决方案中。
英特尔工业边缘控制平台(ECI)子模块一览图
ECI能够同时满足工业级应用对实时计算和高水平运营可用性的要求,还能够提高灵活性、减少资本和运营支出。在实际使用过程中,ECI能够帮助工厂有效减少停机时间,最大限度降低停产风险;有效加速部署并整合工作负载,支持跨系统操作并具备可扩展性。同时,ECI还支持多个系统管理程序,可以在异构操作系统中运行多级控制层,并能通过简化软件部署和管理费用来降本增效。
ECI在提供灵活有效的工业平台解决方案的基础之上,还能针对每一个细分子行业的应用实现平台的差异化,从而满足各类细分子行业下游终端客户的精确需求,并可为当今和未来的互联工厂打造强大而灵活的骨干网。目前,ECI已经可以按照机器制造商、整车制造(离散制造)、油气开采(流程制造)等不同行业的需求进行定制。
当前,英特尔正凭借其在产品领导力、创新方案推动力、生态构建力上的独特优势,助推智能边缘在各行业的落地,加速释放智能边缘价值,开启中国“数”“智”新时代。近年来,英特尔持续发力智能工业领域,凭借一系列领先的产品组合和解决方案,与生态合作伙伴一道,破解智能工业落地过程中遇到的各类难题,加速智能工业的落地进程,共同推动我国工业数字化、信息化的转型升级。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。