2023年6月2日,北京——在OpenVINO™ 工具套件发布五周年之际,英特尔开展OpenVINO™ DevCon中国系列工作坊2023活动,旨在通过每月一次的工作坊,持续助力开发者系统学习、稳步提升。基于此,英特尔成功举办了首期以“焕然五周年·瞰见新特性”为主题的 OpenVINO™ DevCon 2023系列活动,并在此次活动上发布了功能更加强大的全新英特尔®OpenVINO™ 2023.0版本,以期在更大程度上帮助 AI 开发者简化工作流程,提升部署效率。

英特尔中国区网络与边缘事业部首席技术官、英特尔高级首席 AI 工程师张宇博士表示:“AI技术的每一次创新突破都会为开发者带来全新机遇与挑战。在AIGC的浪潮中,英特尔持续为开发者赋能,通过打造和迭代以OpenVINO™工具套件为代表的创新产品,化解各种AI应用场景下的开发难题,优化开发体验,充分释放开发者的创新活力。”
作为一款深度学习推理工具,OpenVINO™已帮助数十万开发者大幅提升了AI推理性能,使其仅凭借几行代码即可实现高性能“一次编写,任意部署”,并自动为开发者选择最佳硬件配置,提升开发效率。由于OpenVINO™能够使训练好的神经网络模型在不同硬件平台上进行高效且准确的推理,这项技术已被广泛应用于教育、零售、医疗和工业等各个领域,为行业客户提供了高效的深度学习推理技术,带来了巨大价值。例如,在试卷批改场景中,学生和老师在铺有点码试卷上书写的笔迹可通过智慧笔进行实时搜集,随后分别被上传到云端服务器上。云端渲染服务器会将笔迹渲染成图像,并进一步通过目标检测模型和 OCR 模型检测识别,将书写内容转换为文本,最后将识别结果与题库进行综合整理,生成作业报告。老师可以基于作业报告,针对学生进行个性化教学。在此过程中,通过 OpenVINO™ 精度感知而量化出的模型推理速度相比于浮点模型有十几倍的提升,且量化模型的召回率和准确率与浮点模型相当,在满足精度要求的情况下,达到了推理实时性的要求。
自 2018 年首发 OpenVINO™ 工具套件以来,英特尔密切关注市场需求,着眼未来发展趋势,持续迭代更新,将其对模型的支持从计算机视觉扩展到自然语言处理,不断赋予其更高性能,使其更加易用、更加灵活、更加开放和更加全面。英特尔基于此次活动发布的 OpenVINO™ 2023.0 版本在以往的基础上,新增了以下优势:
除了针对 OpenVINO™ 的持续更新迭代,英特尔还于近期发布了“英特尔® Developer Cloud for the Edge”平台公众测试版。该平台可满足开发者访问英特尔最新架构 CPU、GPU、VPU 和 FPGA 等硬件资源的需要,无需配置即可调用英特尔最新 OpenVINO™ 工具套件等其他软件资源。同时,该平台还支持容器化和裸机应用部署,可确保开发者获得真实性能数据,加速人工智能方案开发、验证与部署落地过程,提高应用开发效率和产品选型优化。“英特尔®Developer Cloud for the Edge”平台将持续优化中国区用户体验,引入本地参考实现和相关边缘设备,扩建基础服务硬件以支撑更多用户访问,满足不同用户对测试设备多样性的需求。
在创新产品的加持下,英特尔还正在与产业生态伙伴紧密协作,积极贡献于标准化组织和开源组织工作。英特尔网络与边缘事业部 OpenVINO™ 亚太区产品营销及开发者生态总监王珅表示:“在国内,英特尔推动了多个开源项目,其中包括 OpenVINO™、oneAPI 等,这些项目为本土开发者和企业提供了更多选择和支持。与此同时,我们还与国内厂商、创新企业和研究机构进行深入合作,共同探索和实践网络与边缘计算的应用和创新,并积极参与各种开发者活动和技术峰会,为开发者提供更多技术交流和学习的机会。”
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。未来,英特尔将继续秉承“水利万物而不争”的生态理念,拥抱开放、开源的力量,助力开发者在边缘端基于英特尔软硬件产品进行创新,予力 AI 规模化落地,推动千行百业数智化升级。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。