2023年9月22日,上海——英特尔今日发布最新的超能云终端解决方案——英特尔®超能云终端Pro 3.0版本,并与包括升腾资讯、锐捷网络、视源股份在内的多家生态伙伴深入探讨了云终端市场的发展趋势,系统介绍了全新英特尔超能云终端Pro 3.0版本的全新功能和特性,及其在千行百业的部署成果。
英特尔携升腾资讯、锐捷网络及视源股份发布英特尔超能云终端3.0
英特尔®超能云终端是一款以“云端管理、本地计算”为特征的云终端产品参考设计方案。它拥有多项优势,包括强大的本地计算能力、低网络依赖性、高度兼容的I/O外设支持、快速的集中部署与远程维护等特点,能够为用户提供与传统PC一致的出色体验。最新发布的Pro 3.0版本搭载了第13代英特尔®酷睿处理器,支持Win11,并在架构安全方面实现了进一步强化。
相较于此前版本,英特尔®超能云终端Pro 3.0采用了更加强大的云-边缘-客户端升级架构,具备了更灵活的管理与迁移能力,可实现系统级个性化功能。基于此,用户可以选择将服务部署在公有云中,不再受限于私有云。因此,这一方案也得以覆盖更多目前正在采用传统云终端服务的中小企业。此外,全新版本还引入了广域网部署的特性,支持云中的服务器托管。
英特尔网络与边缘事业部HEC中国区总经理陆英洁表示:“英特尔®超能云终端不断演进,具备高度独立性、灵活性、可用性,同时具有强大本地算力,支持离线工作。作为新一代云终端产品参考设计方案,英特尔®超能云终端Pro 3.0不仅能够满足集中管理的基本要求,更可以轻松应对更多不同场景下的需求,提升大规模终端用户体验,助力实现未来个性化办公。”
发布三年多以来,除了持续的更新和迭代,超能云终端始终在向中国市场客户提供全面的本地化支持,并已在多个领域实现落地部署。例如,基于英特尔®超能云终端TCI架构,升腾资讯打造了Cet升腾边缘计算平台。这款面向企业办公的方案级边缘计算产品,可充分利用端末计算性能来提升整体方案的展现效果,具有高可管理性及高安全性,已在众多银行、证券、保险等行业用户中实现落地部署,为用户打造了安全可靠、敏捷高效的卓越体验;此外,英特尔超能云终端还是锐捷三擎云桌面解决方案中关键的组成部分。凭借超能云终端解决方案,锐捷云桌面在医疗领域的应用已涵盖医护工作站场景、互联网诊疗场景、行政办公场景及收费窗口等场景,在提升了医护人员工作效率的同时也优化了患者的就医体验;与此同时,为推动教育数字化转型,希沃基于英特尔®超能云终端实现通过管理平台对镜像以及环境的统一下发,从而达到多间教室统一部署下发的效果,以简化管理员运维工作,从而使学校中的教学更便捷、应用更全面、管理更简单,在助力提升教师教学效果的同时,也丰富了学生的上课体验。
英特尔公司网络与边缘事业部中国区行业销售总监谢青山指出:“为了应对更加挑战的竞争环境,加速企业数字化进程,特别是人工智能的应用,是很多行业的共识。为了支撑这个需求,云计算应用和数字云生态建设的发展迅速。这也导致各个行业对云终端的部署都提出了更高的期待。特别是对于离线工作、本地计算和外设兼容性方面的要求不断增加。英特尔公司在几年前就看到了这个市场趋势,并开发了满足这个需求的解决方案超能云终端。产品发布三年来深受行业用户的喜爱。为了更好地服务用户,英特尔将持续致力于提供更丰富的软硬件产品组合,以应对多样化的客户需求。我们通过与生态系统合作伙伴紧密协作,不断更新我们的解决方案,为各细分行业用户提供量身定制的解决方案,从而为行业用户实现数字化转型提质增速。”
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。