企业正转向边缘,以推动加速业务增长并推动业务转型
英特尔最新的《智能边缘展望报告》指出,边缘计算对企业来说至关重要,只有智能边缘才能引领企业走出迷局,把握好当前和未来的无限数据机遇。
“当前,英特尔正与各行各业的合作伙伴合作,通过发力智能边缘来攫取真正的商业价值。边缘计算使每一台设备都有可能成为信息存储的载体,并让我们可以实时提取和使用这些信息。”
在新冠肺炎疫情期间,人们对技术的使用呈现指数级增长,并由此产生了前所未有的大量关键业务数据。这些新数据将是许多企业进行数字化转型的核心所在,但与此同时,许多企业机构正面临非常现实的数据处理挑战。例如,由于延迟问题,将正在创建的大量数据发送到云上进行处理,显然是不现实的。
而这正是边缘计算可以发挥关键作用的地方——提高效率并支持未来业务增长。
全球疫情、气候危机和社会紧张局势加速了世界的变化。除此之外,我们对数据的依赖也与日俱增——视频平台每月处理数据的时间高达数万亿分钟。企业需要随时调用这些数据,以此推动实时的创新。
数据的爆发式增长,带动了企业对人工智能、智能边缘和5G通信等技术的迫切需求。企业领导者们开始意识到这些技术对基础架构的重要性,以及边缘计算对加速数字化转型以提升企业竞争优势的重要作用。
这份报告提供了对关键行业的当前、新的以及下一代边缘计算发展趋势的见解。简言之,边缘计算能够帮助企业将雄心勃勃的计划变为现实。企业已经意识到,智能边缘已经成为释放未来创新不可或缺的因素——76%的受访者认为,确定数据处理的“理想位置”是一个挑战。
该报告为IT领导者指明方向,通过现实成功案例,指导他们如何利用边缘计算来提高运营效率、创建新产品并开拓新的收入来源。
除了数字先锋和人工智能科学家Inma Martinez提出的实用建议外,该报告还揭示了企业不能再忽视智能边缘的原因:“数据一直是文明的基石,这个理论可以追溯到青铜时代。智能边缘使这样的世界成为可能,即:每一个对象都有潜在的信息——而这这些信息可以被实时提取和使用。”
智能边缘正在让生活和商业发生变化,在这一过程中,企业必须拥抱协作并充分利用生态系统,才能把握机遇,赢得未来。边缘计算与人工智能和5G等关键技术协同作用,已经将数字服务带入了全新领域。当前,仅在英特尔的客户中,就有超过24000个前沿部署产生了真正的商业价值,帮助企业在这个分布式智能的新时代实现发展和创新。
关键洞察
零售:在边缘进行分析的数据纠正了大量的库存失真现象,同时使供应链和产品开发变得异常高效。智能边缘为零售商提供实时消费者行为分析,使他们能够提供更多个性化的购物体验。自部署智能边缘技术以来,英特尔客户WonderStore的商店橱窗转化率提高了近17%。这是通过使用视觉传感器和由边缘计算技术提供支持的实时分析而实现的,其原理是:根据客户的时尚选择、情感和停留时间来定制店内体验。
工业:基于人工智能技术的机器人可用来执行重复的、有潜在危险的任务,其速度和准确度都远远高于人类。机器视觉还被用于验证功能和检查缺陷,从而尽可能提升产品交付质量。这些智能边缘技术帮助英特尔客户奥迪焊接检测速度提高了100倍,而延迟只有18毫秒,奥迪两个主要组装工厂之一的位于德国内卡苏姆的工厂的人工成本降低了30-50%。
医疗:边缘计算能够支持频繁的患者监控和数据收集、集成电子病历以及人工智能驱动的患者数据分析,从而帮助提供质量更高的护理和临床效率。深度学习推理用于基于图像的诊断,以加快对健康问题的检测并挽救生命。得益于智能边缘技术,英特尔客户飞利浦在不增加硬件加速的情况下,成功将CT扫描成像速度提高了188倍。
电信:机器学习可以帮助电信运营商提高网络和运营效率,在满足人们对服务水平与日俱增期望的同时,有效降低成本。借助人工智能和基于分析的引擎,运营商能够智能管理5G网络,实现关键网络KPI、网络自动化、节能和运营灵活性等目标,从而服务于各种5G和智能边缘用例。英特尔最近帮助日本客户Rakuten Mobile开发了世界上第一个基于容器、完全云原生的网络。他们正在使用边缘数据中心来为应用和富媒体内容提供快速响应时间——使他们的移动网络能够为客户提供身临其境的多感官体验。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。