2022年6月27日,上海——近日,由英特尔举办的2022 OpenVINO™ DevCon·中国站以线上峰会的形式成功举办,众多来自各行各业的领先企业汇聚于此。在这场全球性的OpenVINO™开发者盛会上,OpenVINO™核心技术专家分享了最新产品信息和技术演示,多位大咖还进行了行业洞见、核心技术、案例展示等多维度的分享与交流,以帮助开发者在提升技术水平的同时,拓宽职业视野、了解行业趋势。本次会议还设有“开发者生态AMA(Ask Me Anything)”环节,支持开发者和专业技术大咖进行深入交流、积极互动,为AI从业者保驾护航。

OpenVINO™ DevCon是专为鼓励OpenVINO™开发者的技术提升与学习交流而举办的全球性盛会。2022年是这场全球性盛会的元年,6月13日从美国开始,并陆续在中国、日本等国家和地区举办。6月25日,OpenVINO™ DevCon 系列峰会中国站的首次会议,结合了中国本地的案例,旨在更好地帮助开发者借助 OpenVINO™ 实现技术提升、拓宽职业视野以及洞悉最新行业趋势。
英特尔网络与边缘事业部OpenVINO™开发者工具总经理Adam Burns表示:“如果我们回顾OpenVINO™在过去四年中的情况,现在与刚开始的时候相比已经成长了很多。随着产品的成长,我们的社区也在成长。因此,我认为如今举办DevCon就是最好的时机,这不仅能展示我们一直在做的产品更新,还能真正为大家提供机会结交合作伙伴,同时也能看到来自OpenVINO™开发人员社区的一些伟大创新。”
自2018年推出OpenVINO™以来,英特尔已经帮助数十万开发者大幅提升了AI推理性能,并将其应用从智能边缘计算扩展到云计算及服务器端。在 2022 年第一季度末,英特尔推出了发行版 OpenVINO™工具套件的全新版本。其中的新功能主要根据开发者过去三年半的反馈而开发,包括更简易的更新API、更广泛的深度学习模型选择、更多的设备可移植性选择以及更高的推理性能和更少的代码配置,旨在简化和自动化模型部署工作。OpenVINO™ 2022.1新版本的技术亮点涵盖:自动平衡在CPU、GPU和其他加速器之间的推理任务负载;更便捷地从其他框架中导入预训练模型;自动进行推理任务优化及并行化加速;通过Dynamic Shape特性提升NLP相关网络性能;在训练过程中或训练后对模型进行优化,以获得最佳的性能和准确性。
在此次峰会上,英特尔技术专家还针对OpenVINO™全新版本的技术亮点分享了两项技术演示:
除了关于OpenVINO™ 2022.1全新版本的重点技术分享,包括百度飞桨、上海趋视信息科技有限公司、一起教育科技及复旦大学在内的多家英特尔生态合作伙伴也亮相了本次峰会,并分享了其如何通过OpenVINO™推动AI产业的创新发展,与英特尔共创开发者生态。英特尔公司网络与边缘事业部副总裁、视频事业部总经理陈伟博士表示:“长期以来,我们一直致力于与众多生态伙伴合作,为开发者提供良好的学习平台及项目实践机会。基于此,我们不仅在全球范围内推出了OpenVINO™工具套件,还推出了英特尔®边缘软件中心以及英特尔®DevCloud,让全球客户能够充分利用OpenVINO™工具套件,支持开发人员随时随地轻松获取工具和技术。现在,我们正逐步将这些工具套件同网络与边缘事业部的其他资产(如SmartEdge、DPDK 等新技术)进行集成,为开发人员提供前所未有的工具,帮助他们更加顺利地完成工作。”
此外,随着AI产业快速发展,面对市场对AI专业人才日益增加的需求,英特尔也在持续为AI专业人才培养注入新动能,助力开发者成长。英特尔具有完整的开发者培养计划,通过和教育机构、大学、行业生态合作伙伴合作,为开发者提供了丰富的课程以供学习,满足各个阶段的需求,让大家从入门到精通而不是从入门到放弃。另外,英特尔正在构建一个健康的开发者生态体系,在各个开发者社区传播知识和技能,并通过活动将大家串联起来,聚焦于AI的未来。
英特尔始终相信开发者是推动AI产业创新发展的核心动力。长期以来,英特尔持续发力开发者生态构建,并在此过程中汲取开发者反馈、促进开发者之间的交流、鼓励开发者参与代码贡献,从而助力开发者的学习与职业水平提升。未来,英特尔将继续携手业界合作伙伴助力更多开发者实现自我成长,推动AI应用规模化落地。
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。