作为一家拥抱开源开放的生态型公司,英特尔以赋能全栈软件作为全球战略,携手合作伙伴共同构筑开放的生态系统。比如英特尔全球有1.9万名软件工程师参与100多个开源社区的开发和建设,涵盖Linux、虚拟化、云计算、云原生等领域。
英特尔一直非常重视开发者,在2018年加入PyTorch基金会,并且作为人工智能和数据基金会的管理会高级成员。英特尔具有专职的技术维护人员,通过开发开源的框架使得英特尔的硬件平台在PyTorch整个框架下面能够获得最佳的平台性能。
面向中国市场,英特尔中国立足于本土的创新。英特尔软件和先进技术事业部副总裁兼系统软件部中国区总经理谢晓清表示,英特尔的原则就是坚持开放、给客户提供选择和信任,为开发者提供更多的可能。而且英特尔非常注重与中国合作伙伴的联合创新你。
例如英特尔oneAPI和OpenVINO跟百度PP飞桨一起合作,能够针对异构硬件提供极致的AI性能优化;在车载智能座舱方面,英特尔结合AGL(Automotive Grade Linux)、Android、Linux为中国提供智能车载方案;Windows和Android跨界OS生态融合,基于英特尔Bridge Technology以及Celadon开源项目,英特尔跟腾讯应用宝合作,打造无缝跨界的Android在PC上面的极致体验。
英特尔中国拥有全栈式的技术能力,通过开放的生态系统使得我们的技术能力能够覆盖到更多的合作伙伴以及整个生态系统当中。2023年英特尔宣布成立英特尔中国开源技术委员会,整合英特尔研发各个业务团队,包括客户、数据中心、边缘计算、软件研发,助力提升国产软件的发展。
x86与安卓打造全新生态
在移动市场,安卓OS占据了大部分的份额,APP数量逐年增多,生态系统日益完善,用户也已经非常熟悉使用基于安卓OS的产品。
如今,人们在生活中会使用到多种不同的电子产品,这些产品有着不同的硬件架构,如x86、ARM、 RISC-V等等。不同架构上的软件体系也各不相同,不能直接通用。
谢晓清表示,英特尔一直致力于推动Android应用如何能够在x86上面无缝运行起来,包括兼容性以及用户体验、性能方面。这里面涉及两个关键技术——英特尔Celadon和英特尔Bridge Technology。
英特尔Celadon是一个基于x86架构的开源Android发行版,可用于运行安卓应用程序。该发行版经过了优化,可在各种英特尔平台运行,包括PC、服务器、IoT设备等。
英特尔Bridge Technology是英特尔推出的一种运行时后编译器技术,可让安卓应用程序在基于x86的设备上原生运行。该技术将安卓应用程序的代码转换为x86指令,并在运行时进行优化,以提高性能和兼容性。
2023年开始英特尔跟腾讯合作推出Android on Windows平台技术之后,给Android开发者更多的选择。腾讯应用宝电脑版则支持在Windows电脑上运行这些移动APP,将x86系统与安卓APP进行了稳定和成熟的融合。腾讯应用宝支持原生的Windows体验,支持用户像使用x86软件一样畅玩移动APK,符合Windows用户的使用习惯。
在谢晓清看来,Windows上无缝运行Android ,给开发者和用户提供了更多的选择和可能性,也会有更多的商业落地的机会。整个移动生态搬到PC生态是一种生态融合,这种生态融合不仅给安卓厂商、App厂商、开发者,也给PC厂商包括整个PC生态都带来价值。“好的软件用户体验远远可以提升英特尔对于生态的吸引力,英特尔也会跟更多生态系统当中的合作伙伴包括OEM、ISV提供更多的价值,给开发者提供更多的可能性。”
英特尔技术专家补充说,智能大屏、智能会议系统、教育大屏等新兴场景对于屏幕整个体验要求越来越高,包括分辨率、性能,这也是英特尔架构可以发挥作用的地方。
虽然很多厂商业在自己的PC平台推出安卓商店,但是更多是局限于自己的品牌产品。英特尔与腾讯应用宝合作之后,腾讯应用宝电脑版在所有的品牌和平台都是通用的,打破了原来分隔的状态,拓展到整个生态之下的融合。
目前,腾讯应用宝电脑版已经达到千万以上的活跃用户,除了OEM预装之外绝大部分是PC用户自己下载。英特尔和腾讯正在推出OEM厂商新机合作的预装合作计划,通过这个计划在OEM厂商出厂新机里面预装应用宝产品,让买到新机的用户立刻能够体验到Android在PC上的价值,同时OEM也能够得到一定的分成。
随着越来越多的合作伙伴加入安卓x86生态圈,可以预见的是于x86的安卓平台能提供更友好的开发环境、更广阔的应用领域,以及更人性化的使用场景,促进开放创新和生态建设与完善。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。