至顶网个人商用频道 04月13日 北京消息(文/陶婧婕)一年一度的InfoComm China(第13届专业视听和集成体验展览会)又在北京拉开帷幕,英特尔在开幕式中分享了创新技术如何不断驱动物联网的持续演进,并展示了多款与合作伙伴共同推出的解决方案和技术。
英特尔物联网事业部零售解决方案部门亚洲市场总监金哲也表示,随着技术的发展、随着物联网技术、IoT技还有整个AI行业的发展,视觉行业从以前的被动应用模式,也在向智能化的趋势做转型。很多的应用模式在音视频里面不仅仅是输出的概念,更是一个互动的概念,更多地是数据的获取以及后端数据分析,然后再反过来告诉相关的业主或者客户,到底里面发生了什么事情,就是这样一个智能化的数据处理过程。
英特尔积极布局视觉零售新生态
据PQ Media的研究表明,到2021年,全球将有7000万台显示器,2400万台媒体播放器,2017年到2021年的复合增长率预计达到26%。物联网带来的变革不仅高频出现在行业调查报告中,也正在潜移默化地改变着人们的日常生活。如今,在地铁站、大型商超、楼宇、学校等场景已随处可见视觉传播的身影。这种新型的信息传播方式,因为具有实时更新、方便维护等特点。
如今,英特尔 Smart Display Module(英特尔 SDM)已经拥有74家合作伙伴,包括28家显示器供应商,不断扩大的生态圈正在让行业走向标准化发展的快车道。通过以标准化方式整合软硬件和传感器,从而开发高度灵活、可扩展的创新解决方案,英特尔将零售带入高效个性化购物的新时代。
英特尔表示,之所以预见到这个市场未来五到六年的高速发展,正是看到市场上对视频解决方案的众多需求量。我们认为它的表现形式是视觉解决方案将会与其他更多丰富的功能相结合,例如传感器、视频方面等方面的功能。
看英特尔的“物联网”
从数字标牌,到教学及办公场景中使用的交互式白板,再到公共信息亭,英特尔正利用自身技术实力在视觉零售的十余个重点场景中全线布局。金哲也表示,第一,英特尔将持续推动边缘计算方面的视觉解决方案性能的提升。第二,我们将使客户更好地以一站式的以及多合一式的消费来实现硬件设计方面的消费体验。第三,我们希望能够助力设备的自主式计算。为了实现以上三点我们会开发各种技术,不懈地提升我们的产品性能,以更好地提高视觉解决方案。
在技术及解决方案层面,当显示屏变得越来越薄,高能效性能越来越重要时,英特尔提供了能够集成到一体机的英特尔 SDM规范和参考设计。该设计采用轻薄的小型外观,可以提供与开放式可插拔规范水平相当的智能和可互操作性。除此之外,英特尔还向业界推出 OPS+(开放式可插拔规范),来满足视觉零售领域不断提升的新需求。英特尔补充道,对于OPS而言,有必要要提高它的性能,但同时保持它的体积的不变。所以我们OPS的路线图会持续做下去。
英特尔表示,英特尔给整个行业提供各类技术,或者说“积木”。英特尔不同的团队会跟不同的客户紧密地合作,这些客户会把英特尔的这些“积木”取过来搭成他们理想的解决方案去针对安防、交通、医疗、零售。
不仅着眼当下 还要思考未来
如何平衡功耗和计算力是物联网各领域都在面临的重大挑战之一。英特尔凭借Movidius和FPGA在不同应用场景中的表现,英特尔可以为业界提供低功耗、高性能并且价格合理的视觉解决方案加速器。英特尔补充道,目前,FPGA主要能够做两件事——因为FPGA是可编程的,可以把它根据需求做功能的定义。提到案例,一个是把它当做视频输入的通道,能够支持比较高带宽、高清晰度的视频输入,输入到X86平台上,第二个是FPGA本身做视频处理加速。
另外,随着物联网不断地发展,会带来对视觉或者是显示方面更多的需求。英特尔表示,未来显屏的成本会进一步的下降,这就意味着会有更多的显屏被应用到这些物联网的设备上,目的是为用户或者消费者提供更好的体验。
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。