2021年7月28日,深圳 —— 今日,在以“同芯智远,共赢边缘”为主题的2021英特尔AI计算盒参考设计(以下简称“AI计算盒”)主题分享会上,英特尔携手边缘AI领域的众多合作伙伴一同见证了英特尔AI计算盒一系列最新落地成果。同期,英特尔高管与多位技术专家还就边缘AI技术的发展趋势展开深入探讨,并围绕英特尔AI 计算盒的软硬件技术特点进行了全面剖析。会上,来自信步科技、优哲信息、云图睿视、极视角、智芯原动、趋视科技、开域集团、中科创达、小钴科技、神州数码等领先科技企业的代表还透过AI计算盒生态建设,各自企业在边缘AI领域所打造的多样化解决方案,生动展现了英特尔AI 计算盒为边缘创新带来的巨大助推力。
英特尔公司高级首席工程师、物联网事业部中国区首席技术官张宇博士在主题演讲中表示:“在物联网领域,人工智能技术正得到愈发广泛的应用。通过将5G、人工智能、边缘计算三者不断交织,将人工智能技术推到新的发展拐点,英特尔如今正通过全面的产品技术领导力,创新方案推动力和生态系统构建力,帮助业界合作伙伴点亮边缘AI市场的广阔机遇,赋能千行百业迈向更加‘数智化’的未来”。
英特尔公司高级首席工程师、物联网事业部中国区首席技术官张宇博士发表主题演讲
5G、物联网、云计算、边缘计算如今正在为中国带来基础设施的大变革,而人工智能作为核心引擎,正在显著推动多种新技术的融合发展。在这一趋势之下,基于边缘AI的智能视频分析解决方案不仅广受市场青睐,还呈现出极为强劲的增长态势。据预测,到2022年,智能视频分析市场的规模将超过1800亿元人民币,复合增长率达到34%;且基于边缘AI的智能视频分析解决方案将在智慧城市、智能交通、智能制造、智慧零售等10余个领域得到广泛运用。
为有效承载智能视频分析所需的高密度计算负载,赋予边缘AI视频分析更为卓越的算力,英特尔自2020年便正式面向业界推出AI计算盒参考设计。该方案充分融合了英特尔领先的软硬件技术与AI算法,以第11代英特尔® 酷睿™ 处理器、OpenVINO™ 工具套件以及英特尔® Media SDK等先进软硬件产品和技术为抓手,通过英特尔成熟的平台级能力,来帮助各层面合作伙伴与最终用户加速边缘AI应用的开发和工程化落地。
其中,在基础算力层面,英特尔AI计算盒基于全新10nm工艺(SuperFin 技术)的微架构设计、增强的单线程/多线程计算处理性能、更低的功耗设计,以及对最新PCIe 4.0高速扩展接口的支持,使得处理器的单线程处理能力提升23%,多线程处理能力提升19%,为智能视频分析提供强劲的算力支撑。
在AI加速上,通过全新集成的英特尔® 锐炬® Xe显卡提供的AI推理算力加成,以及由英特尔® GNA 2.0神经加速器、面向深度学习优化的VNNI指令集等带来的AI加速能力,英特尔AI计算盒可获得高达8倍的AI推理加速能力。
此外,英特尔AI计算盒在软件栈配置上也具备显著的优势。例如英特尔® Media SDK通过统一的API访问接口、优化的媒体库访问,能够让AI计算盒提升视频播放、编解码以及格式转换效率,获得实时4K视频通信所需的60 FPS HEVC视频编解码能力。同时,AI计算盒所集成的英特尔OpenVINO™ 工具套件,能够有效支持从边缘到云端的深度学习推理。
特别值得一提的是,在AI计算盒的构建过程中,英特尔尤为重视与能力型合作伙伴携手,来构建多点协同、广泛互联的生态协作模式,由此充分发挥生态带来的多边网络效应,与合作伙伴合力实现边缘AI视频分析市场的快速演进。目前,英特尔已基于AI计算盒的概念设计,与不同类型的合作伙伴一起,在智能支付、智能停车、智慧社区、智慧楼宇、智能VDD以及智能会议等数十个场景中,构建了一系列面向垂直领域的端到端解决方案。
特别是面向智慧城市、智慧生活的多元化应用场景,英特尔联合智芯原动、趋视科技、开域集团、中科创达、小钴科技等合作伙伴打造的AIoT解决方案已全面落地。例如智芯原动基于英特尔AI计算盒构建了全场景、全栈式的智慧停车解决方案,集车位数据采集、分析、智能引导等功能于一身,还为车位预定、车辆导航、AVP等新型业务提供了场端的业务逻辑应用平台;趋视科技、中科创达、小钴科技等公司不仅与英特尔在市场、研发和软硬件等方面进行了通力协作,实现了计算机视觉技术在社区多场景中的应用落地,还不断解锁边缘AI的更多机遇,让智能更广泛地覆盖到社区楼宇、社区养老、社区管理等更细分的领域;而面向AI技术在视频行业的深度应用,优哲信息、信步科技等企业携手英特尔所打造的功能齐全的AI计算盒,还为机器视觉、智慧教育、视频会议、医疗健康、网络安全等行业提供了完整的基于X86架构的人工智能解决方案和服务,积极推动行业的信息化、智能化、一体化建设进程。
在此过程中,英特尔还携手云图睿视、极视角等合作伙伴打造边缘智能生态,赋能更多合作伙伴从AI计算盒解决方案中获益。例如在产品设计层面,ODM厂商可以根据最终用户需求,快速搭建高可用的边缘AI视频分析平台;算法层面,ISV厂商能够实现对不同应用场景软件及算法的快速定制和场景化,进而加速产品定义、算法研发及边缘AIoT能力构建,例如云图睿视目前已联合英特尔打造了基于AI计算盒的算法商城解决方案,持续专注于算法的优化和输出,以充分满足海量物联网设备千差万别的需求;而OEM与SI厂商,则可以借助AI计算盒对软硬件与算法的高度整合,为各行业提供高性能、高可用的整体解决方案,加速智能边缘应用精准落地。
长期以来,英特尔一直秉持开放共赢的生态理念,专注于推动生态系统的发展进化。通过英特尔物联网合作伙伴计划、英特尔生态智库手册、AI生态合作伙伴算法方案集萃、英特尔边缘智能生态合作伙伴项目等多元化的生态赋能手段,英特尔正与更多合作伙伴共享、共赢边缘AI市场广阔机遇,持续为推动更多精彩的边缘AI应用落地提供助力。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。