至顶网商用办公频道 10月23日 北京消息:在中国,有句古话叫不积跬步无以至千里,阐明了日积月累的细小变化可以引起深远的系统变化,这句话用来说明今天万物互联的发展,再合适不过了。
洞悉微小,成就大不同,这是英特尔物联网的洞察,它相信每一个互联设备都会带来无线潜能,小到用机器视觉观察毫微之差,大到利用深度学习来诊断疾病乃至拯救生命,这都是可以借助创新推动时代前进。
3个战略重要支柱
事实上,在物联网领域,英特尔在下一盘大棋,高性能计算是第一颗、边缘赋能是第二颗、视觉(视频)推理是第三颗,将通用、无缝的软件和开发者体验贯穿其中,不断拓展生态合作,提供行业整体解决方案。
力抓9大细分领域
有了清晰的战略,英特尔还在九大细分领域广泛撒网: 全面发力并聚焦物联网的零售、工业、智慧城市及视觉、交通、公共部门、教育、医疗、汽车、金融。与各行业领军企业通力合作,直面市场挑战,解决各行业在数字化转型过程中面临的突出难题。
硬件实力突出
围绕高性能计算,英特尔自然有一系列技术和产品组合,硬件层面包含从酷睿、凌动到至强的全系列处理器;再说小众,还有以Movidius Myriad X人工智能加速芯片, Mobileye EyeQ系列等专用芯片,英特尔FPGA等先进技术也正为物联网的落地提供强有力的支撑。
软件"杀手锏"
其实这家硬件实力过硬的公司,早在软件普及下足功夫。 英特尔于2018年推出的专注于加速深度学习并将视觉数据转换为业务洞察的OpenVINO工具包,在这基础上,更新OpenVINO R3版本 具备卓越的软件开放性和灵活性,将继续为加快计算机视觉解决方案的开发,以及加快从边缘到云的深度学习推理部署提供支持。
不可忽视的边缘计算
当下,更多的数据、更好的硬件、更智能的算法层出不穷, 由此而激增的视觉应用也正在推动人工智能向边缘普及。到2019年底,45%的数据将在边缘进行存储。 为此,英特尔推出了英特尔边缘人工智能生态智库,旨在以领先的开发者工具和生态系统方案,帮助行业快速规模部署人工智能物联网。
进阶的生态朋友圈
英特尔相信,只有生态的成功,才是真正的成功。英特尔不仅是一家引领技术创新的公司,更是一家不断推动生态发展进化的公司。当前,英特尔已经携手合作伙伴打造了超过150个英特尔物联网行业整体解决方案,并实现了超过2900例的实际部署。
在中国,英特尔的物联网生态合作同样扎实有力。在零售领域,英特尔正在发起开放零售倡议(ORI),以汇集全行业的力量推动智能零售探索;在教育领域,英特尔凭借其领先的智慧教育端到端解决方案和一系列教育计划,与合作伙伴及教育部门一道,推动中国的教育信息化转型进程;在工业领域,英特尔视觉+AI的领先技术正在帮助工厂解决困扰多年的缺陷检测难题;在汽车领域,英特尔正携手越来越多的中国合作伙伴开展智能驾舱乃至软件定义汽车的全新探索。
用技术解决实际问题
在“万物智能互联”的探索中,英特尔认为,计算机视觉与人工智能推理的结合将成为“杀手级应用”,英特尔还与开发者社区紧密合作,聚焦计算机视觉、网络、安全、实时控制和可管理性等领域,为广大开发者提供更好的支持和体验,以此加速物联网应用的开发。
事实上,基于英特尔OpenVINO工具包和英特尔VPU AI推断计算加速卡解决方案,荣旭元器件外观瑕疵检测设备在保证检测精度和速度的同时,极大降低了部署成本;
基于英特尔Movidius和边缘计算技术,云图睿视边缘计算平台内嵌视觉算法,支持各类传感器接入和各类算法运行,是全球首款开放式人工智能边缘计算平台;
希沃智慧课堂端到端解决方案,由云、班云服务器、教师教学终端及交互式白板,和基于英特尔Apollo Lake的学生终端组成,覆盖课前、课中、课后全教学流程,改变传统教学方式,打造全员参与、互动生成的智慧课堂;
基于英特尔Arria10 FPGA 处理器,智微智能FPGA人工智能加速卡可实现可编程专用性,达到更高性能,更低功耗的数据快速分析处理,并可扩展到众多产品中,为传统设备添加人工智能计算能力;
基于英特尔视觉识别、边缘计算和网关技术,深圳吉方科技推出的智慧门店一体化系统开放平台提出了规范的部件接口协议、数据通讯协议,由此形成了新零售智慧门店POS接口标准。
正如今年英特尔物联网峰会的主题 “识微见远(Everything Matters)” 。在迈向以数据为中心的道路上,科技赋能传统行业的每一个微小改变都蕴含着巨大意义,亦是英特尔对物联网的深知与解读。
好文章,需要你的鼓励
阿里巴巴集团正在马来西亚和菲律宾新增数据中心以推动AI驱动增长。该公司云计算部门本周在马来西亚启用第三个数据中心,并计划10月在菲律宾开设第二个数据中心。阿里云还在新加坡设立全球能力中心,帮助超过5000家企业和10万名开发者使用先进AI模型。未来三年内,阿里巴巴将在全球多个地区加速云网络建设,承诺在AI基础设施上投资超过530亿美元。
Unbabel团队开发的TOWER+模型系列实现了翻译专业性与通用AI能力的完美平衡。通过创新的四步训练方法,即使2B参数的小模型也能在翻译质量上匹敌70B大模型,同时具备出色的对话和指令跟随能力。研究还创建了IF-MT基准来评估复杂翻译场景下的综合能力,为AI模型的专业化发展提供了重要参考。
在人工智能与神经科学交叉领域的研究中,科学家正在探索自然发育的生物大脑与人工神经网络之间的异同。如今,实验室培养的生物类器官大脑为这一领域带来了新的复杂性。科学家使用干细胞培养出梨形大脑类器官,这些类器官甚至能够自主生长出眼睛。研究人员通过探索视觉与智能的关系,以及大脑-眼部缩放关系,为人工智能研究提供启发。
莫斯科科学家开发出"听众机制"训练方法,解决AI视觉偏好判断中推理不一致问题。通过让两个AI模型相互"对话"验证推理过程,新方法在ImageReward基准上达到67.4%准确率,并在现代图像数据集上显著提升泛化能力,为开发更可靠可解释的AI系统提供新思路。