英特尔于近日亮相EdgeX+OpenVINO™生态伙伴大会,并与来自阿里云、联想、VMware、中科创达、EMQ和道客云等创新企业的边缘计算和视觉推理行业专家,共同探索智能边缘的未来。
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:“在过去的一年里,我们见证了EdgeX和OpenVINO™的飞速发展。越来越多开发者及生态伙伴加入到智能边缘生态系统中,通过创新解决方案和技术,不断推动边缘计算和人工智能的迭代更新。”
EdgeX+OpenVINO™生态伙伴大会是边缘计算和人工智能领域的重要盛会。边缘计算技术的快速发展为实现智能边缘应用提供了强大的助力,而OpenVINO™作为业界领先的视觉推理工具套件,为实现高效的视觉分析和智能边缘应用提供了强大的算法支持。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,并于近日发布了 OpenVINO™ 2023.0 版本,在赋予其更高性能的同时,使其更加易用、灵活、开放和全面,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。
在边缘计算蓬勃发展的当下,利用人工智能技术在边缘侧部署创新应用解决方案来变革传统业务形态,已成为众多现代企业的全新选择。为帮助生态伙伴更高效、更便捷地完成解决方案构建与部署,英特尔在提供英特尔®酷睿™ 处理器、OpenVINO™ 工具套件等一系列先进软硬件产品和技术的同时,也通过英特尔®视频 AI 计算盒(以下简称AI Box),采用融合软硬件与算法的一体化设计,加速边缘 AI应用开发和工程化落地。AI Box融合了英特尔成熟的软硬件平台,可通过整合生态伙伴丰富的AI算法,帮助其高效构建高性能、低功耗和针对边缘AI负载进行优化的各类边缘AI解决方案。在硬件层面,AI Box基于全新英特尔酷睿处理器及统一的SoC硬件平台,搭载英特尔锐炬Xe集成显卡,可在低功耗下为边缘视频分析提供高性能媒体能力和AI推理能力,大幅提升单线程和多线程性能,支持高密度拉流及各类工作负载整合,适用于各类受限嵌入式环境,能够有效降低方案成本及部署运营成本。在软件层面,AI Box集成英特尔Media SDK、OpenVINO™ 工具套件、SVET工具套件、System Studio、OpenCV等多种软件开发工具,可利用英特尔®FML库进行特征匹配,为视频处理模型优化、AI推理加速等提供多维度支持。通过将视频解码和分析功能集成在一个计算盒中的参考架构,以及借助灵活的AI能力和视频分析管道参考实现对应用程序进行端到端配置,AI Box可以帮助开发者大幅加速开发流程。
在先进的软硬件加持下,英特尔AI Box始终在围绕算力、算法和生态建设三个层面加速推进各行各业智能边缘应用落地。基于此,为有效应对边缘AI碎片化挑战,并加速上市解决方案,英特尔还将AI Box与EdgeX相结合,使其应用不仅聚焦于智能视频分析领域,而是借助更加强大的生态系统,挖掘包括摄像头管理、传感器融合及云边协同等更多智能边缘应用场景,以助力零售、工业及医疗等更多行业生态伙伴与最终用户快速实现边缘AI解决方案的构建及产品验证,从而有效降低开发门槛,大幅加快产品上市速度。例如,在医疗领域,借助AI Box,EdgeXFoundry 可助力医疗机构进行AI辅助诊断与远程问诊。通过连接各种医疗传感器与摄像头,并将数据与视频流分发到人工智能算法与远程终端,EdgeXFoundry 可帮助研发团队加速研发进度以及接入各类型设备,让研发团队可以专注处理业务流程。未来,借助EdgeXFoundry边缘侧平台化的优势,技术架构可在各种医疗设备之间进行平滑迁移。
在物联网时代,终端应用遍地开花,带来了海量数据的增长。人工智能与边缘计算的结合能够有效缓解物联网蓬勃发展带来的数据洪流之困。未来,英特尔将继续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,帮助业界生态伙伴发掘边缘AI市场的广阔机遇,赋能千行百业迈向更加数智化的未来。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。