2023年10月24日,深圳——今天,以“芯启数智 共创慧城”为主题的2023英特尔数智园区及社区生态大会圆满举办。在此次大会上,英特尔不仅全面展示了其在智慧城市领域的愿景和战略布局,还与众多来自智慧城市、智慧园区、智慧社区等专业领域的技术专家和行业精英一道,畅谈了智慧城市的未来趋势和发展方向,共同探索智慧城市领域的最新技术和产品。
英特尔公司网络与边缘解决方案事业部副总裁兼智慧城市事业部总经理Renu Navale表示:“如今,全球约56%的人口(44亿居民)生活在城市中。这一趋势预计将持续下去,到2050年,城市人口将较目前规模增加一倍以上,这将使全球各地城市面临的压力与日俱增。基于英特尔广泛的边缘AI技术与成熟的生态体系,我们正在与广大合作伙伴携手,致力于打造无缝融合了关键基础设施和数字技术的城市,从而使未来城市的发展更安全、更智能、更可持续。”
在数智化浪潮下,5G、大语言模型等新技术快速发展,智慧城市已进入了数实融合、智慧共生的全新阶段,为行业带来无限可能。为解决智慧城市在发展过程中面临的安全问题,以及由道路拥堵和基础设施不足带来的挑战,英特尔通过构建强大的边缘人工智能软硬件产品组合和垂直行业解决方案,与广泛的生态伙伴合作加速城市数智化转型。
除了持续为边缘构建包括英特尔®至强®处理器、英特尔®酷睿®处理器及ARC系列、Flex系列独立显卡在内的多样化硬件产品组合,英特尔还可提供强大的开发工具及包括OpenVINO™工具套件和英特尔® Geti™ 平台在内的AI软件产品。同时,英特尔还在通过打造创新解决方案为各种业务类型和最终客户提供关键价值。例如,英特尔提供的VPPSDK解决方案,可以赋能客户在英特尔CPU平台上针对NVR/VPP产品应用软件的快速开发,能够使开发者直接采用VPPSDK提供的接口完成相应的功能开发,而无需进一步了解英特尔芯片相关的底层视频处理软件。英特尔®边缘AI计算盒则融合了英特尔先进的软硬件技术和已部署在千行百业的商用AI算法,可帮助行业伙伴加速实现解决方案的上市及部署。
目前,为更有效地推动创新技术在城市中大规模落地,英特尔正在与广泛生态伙伴携手,针对众多场景打造面向未来智慧城市的先进解决方案。
在赋能未来智慧城市建设的过程中,数智园区也是其中重要一环,它不仅能够促进经济发展,还可以提升城市智慧化水平。英特尔正在与全国智能建筑及居住区数字化标准化技术委员会共同制定数字园区行业参考标准。该规范可确保园区的建设遵循统一标准,使各个系统之间互联互通,避免形成信息孤岛,还可以帮助园区打造统一工作流程,协同、调度和共享机制,进而推动园区改善运营效率,提高服务质量,提升整体运营水平。
英特尔中国区物联网及渠道数据中心事业部总经理郭威表示:“以无处不在的计算、无所不在的连接、从云到边缘的基础设施、人工智能以及传感与感知为代表的‘五大超级技术力量’已成为城市发展的强劲‘催化剂’。未来,英特尔将继续与合作伙伴一起,为城市社区、园区和楼宇等提供安全、智能、低碳、环保、高效、便利和可持续发展的解决方案,在为用户创造价值的同时,激活未来智慧城市发展新动能!”
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。