2024年6月11日,上海——今天,英特尔与震坤行共同推出英特尔®智能物联聚合馆。这不仅是英特尔在物联网领域深度开拓市场的战略举措,也是其携手生态合作伙伴共同拓宽发展、优化解决方案的具体实践。

在持续服务和满足蓬勃发展的物联网应用场景需求的道路上,英特尔从未停止。早在2022年,英特尔便创建了聚合商的商业模式,并携手广泛的中国物联网解决方案聚合商合作伙伴,针对包括智慧交通、智慧办公、智能制造、智慧零售、智慧园区、智慧教育和智慧医疗在内的七大行业,实现对市场需求的快速响应。而今,英特尔®智能物联聚合馆的推出,则标志着英特尔与领先行业合作伙伴在智能制造领域的进一步深耕。
英特尔公司市场营销集团副总裁、英特尔中国网络与边缘及渠道数据中心事业部总经理郭威表示:“通过与聚合商的紧密合作,英特尔将持续提升对市场动态的敏锐洞察,并拓宽在中国市场的服务版图。与此同时,我们也将不断推动技术创新,以充分满足中国市场的多元化需求。此次与震坤行的携手,无疑使英特尔实现了对于生态覆盖的进一步扩展和完善。”
作为领先的数字化的工业用品服务平台,震坤行在今年正式成为英特尔物联网解决方案聚合商。震坤行长期立足工业领域,累计合作客户10万+,为客户提供一站式的工业用品采购与管理服务,实现工业用品供应链的透明、高效、降成本。
震坤行副总裁杨昌湘表示:“更好地协同打造产业生态、服务智能制造是我们一直以来的目标。我们愿携手英特尔及硬件设备商、软件合作伙伴,以数字化为引领,以成就客户为导向,在助力中国品牌‘出海’的同时,构建一个更大规模的中国制造业体系。”
双方此次发布的英特尔智能物联聚合馆聚焦于工业领域,英特尔作为核心模块,联动合作伙伴共建智能制造的物联生态圈。可通过线下线上多入口引流,打造一个高效交易阵地,进而为客户提供一站式智能物联网解决方案。在这一创新合作模式下,英特尔将通过聚合生态系统,与OEM/ODM伙伴紧密协作,在提供渠道赋能的同时,支撑底层服务并制定技术路线;震坤行则专注于链接用户,在积极推进平台营销运营的同时,持续提供服务交付;其他软硬件合作商将深耕产品方案,持续优化解决方案、提供技术支撑。

英特尔公司网络与边缘事业部工业解决方案中国区高级总监李岩表示:“英特尔长期深耕智能制造领域,并以高可靠性与高稳定性的软硬件组合和强大的计算能力,为客户提供全面的技术解决方案和支持。我们会和生态伙伴一起持续聚合产品与方案,从而助力中小企业降低开发成本,满足不同行业、不同场景下的数字化和万物互联需求。”
在此过程中,英特尔将持续以满足严苛工业环境要求的计算平台、边缘节点参考架构、英特尔®工业边缘洞见平台(EIS)、英特尔®工业边缘控制平台(ECI)等软硬件为基础,辅以全方位的产业链支持,打造针对机器视觉、工业数字化、工业控制及机器人领域的工业解决方案,帮助客户实现实时检测及高精度结果,并在降低系统生产周期的同时,满足不同应用的性能需求。
英特尔与震坤行的此次合作充分彰显了双方的共同愿景:通过生态聚合,为广泛制造业客户带来卓越的产品和服务,同时为中国企业带来更多海内外市场机遇。通过此次合作,英特尔也将借助震坤行面向制造业用户的广泛影响力与大数据整合能力,更全面、更及时地感知用户需求变化与趋势,从而以用户需求为导向进行技术路线和行业标准的设计与制定。
技术的迅猛发展为各行各业带来了前所未有的机遇与挑战。展望未来,英特尔将与包括震坤行在内的更多生态伙伴一起以创新的商业模式洞察市场需求,提供更加丰富的优化解决方案和优质服务,持续助力智能制造产业升级与中国数智化转型。
好文章,需要你的鼓励
由贝索斯共同领导的普罗米修斯项目已收购AI初创公司General Agents。该公司开发了名为Ace的AI智能体,可自主执行视频编辑、数据复制等计算机任务。General Agents基于视频语言行为架构开发模型,这与普罗米修斯项目专注制造业AI系统的目标高度契合。收购完成后,普罗米修斯团队已超过100人,预计将推进工业机器人领域的AI应用发展。
斯科尔科技学院联合俄罗斯多家研究机构开发出革命性的多语言AI虚假信息检测技术。该研究构建了覆盖14种语言的大型数据集PsiloQA,通过"诱导AI说谎"的创新方法自动生成训练样本,成本仅为传统人工标注的数十分之一。实验证明多语言训练的检测模型性能显著优于单语言模型,为全球AI可信度监督提供了实用解决方案。
Kagi公司发布Orion浏览器1.0版本,这是一款专为苹果平台设计的全新浏览器。该浏览器主打极速浏览体验和用户隐私保护,完全免费使用并附赠200次Kagi搜索。Orion还提供月费5美元的付费订阅服务,解锁更多高级功能。未来计划包括更深度的自定义选项和性能优化。
NVIDIA研究团队发现,训练机器人最有效的方法竟然是最简单的:直接用普通文字告诉机器人该做什么,而不需要复杂的编码系统。他们开发的VLA-0系统在标准测试中超越了所有复杂方法,平均成功率达94.7%,在真实机器人测试中也比预训练系统高出12.5个百分点。这项发现挑战了"越复杂越好"的传统观念,可能加速智能家用机器人的普及。