Insight Tech

Intel 在 1 月推出了第 13 代 Intel^® Core^™ 處理器的桌上型與筆記型版本，代號為 Raptor Lake。Intel 是智慧邊緣趨勢不斷成長的推手，第 13 代將第 12 代 Intel^® Core^™ 處理器效能混合式架構的優勢發揚光大，豐富的新特色與功能令人驚豔。

Intel Network and Edge Compute Division 副總裁暨總經理 Jeni Barovian Panhorst，為我們娓娓道來第 13 代發行的細節（影片 1）。她將說明這一代處理器的多工作業能力，為什麼非常適合醫療到飯店餐飲業常見的密集型工作負載，同時也是自主機器人這類特定使用案例的絕配。剛剛說過，精益求精及支援夥伴與客戶更上層樓是 Intel 的目標。

這次發行令現今網路與邊緣市場雀躍不已的原因何在？

適用於物聯網邊緣的第 13 代 Intel Core 處理器，是我們極致優化效能、記憶體與 IO 和邊緣部署的首選。另外，我想強調一點，行動版的第 13 代 Intel Core 處理器，側重於利用工業級功能，結合電源效率、效能與彈性，尤其符合網路和物聯網邊緣重要領域的需求，包括 AI、繪圖和強固的邊緣使用案例。

相較於前一代，它大幅提升了效能，同時為不同的電源設計點提供了一系列選項。這樣一來，客戶便能為空間與電源經常受限的部署，提供完全符合需求的效能功耗比。他們獲得的效益包括，單執行緒效能更高、多執行緒效能更高、繪圖與 AI 效能更高，而且能以更彈性的方式，同時執行更多應用程式、更多工作負載，以及更多連線裝置，而且這一切對物聯網邊緣來說非常重要。

我們的效能混合式架構提供高達 14 個核心與 20 條執行緒，另外還有稱為 Intel^® Thread Director 的技術，可讓我們專為客戶工作負載的需求搭配核心。對於自主移動機器人與光學檢查這類使用案例，我們絕佳的繪圖效能是不可或缺的要素。這些結合處理器的功能（利用含 VNNI 指令的 Intel^® DL Boost）以及 Intel OpenVINO^™ 工具組這類開發者工具，全都創造了進一步加強 AI 推論最佳化的機會，有助於減少對外部加速器的依賴。

這也是引進 PCI Express Gen 5 連線能力（第 12 代 Intel Core 處理器曾提供）的第一代筆記型處理器。這可讓客戶專注在更多地方部署要求更嚴苛的工作負載，因為資料傳輸途徑更大，而且能以更快且能力更強的方式連線各種不同的週邊裝置。

最後，最重要的一點是，第 13 代 Intel Core 筆記型處理器全力賦予邊緣彈性、可擴充性與持久性，重新定義了工業智慧的概念。產品組合中的部分 SKU 符合嚴苛環境工業級使用案例的規定，舉例而言，它們提供的溫度範圍更廣，介於 -40 °C 和 100 °C。另外，它們支援頻內 ECC 記憶體，可靠性更高，為機器控制、AMR、航空電子等領域，以及其他物聯網邊緣令人振奮的使用案例安裝，提供嚴苛環境所需要的效能類型與功能。

影片 1. 與 Intel Network & Edge Compute Division 副總裁暨總經理 Jeni Barovian Panhorst，一起深入瞭解第 13 代 Intel^® Core^™ 處理器。（資料來源：insight.tech）

可否請您談談，Intel 正如何利用其混合式微架構？

我們在第 12 代處理器引進效能混合式架構。真正的目的是，在單一 SoC 結合這兩款 Intel 架構的優點：P-core 以及 E-core。主要優勢為，以最佳方式利用 P-core 和 E-core 處理現有的工作負載，擴充多執行緒的效能。

效能擴充取決於特定應用分為多項不同工作的效率，以及可用於平行執行這些工作的 CPU 數量。為符合客戶用途與核心使用方式五花八門的需求，我們側重於設計的 SoC 架構中，用於效能的核心更多，希望達成單執行緒效能與執行緒受限的情境。E-core 可同時協助延伸多執行緒效能的擴充性，超越前幾代處理器。因此，效能混合式架構可在多執行緒工作負載，以及執行緒受限和功率受限的工作負載達到最佳效能。

此外，該效能混合式架構搭配前述的 Intel Thread Director，為 P-core 與 E-core 上同時進行的工作負載將效能最佳化。這個架構會即時監測指令混合，以動態方式為作業系統中的排程器提供指引，讓它針對如何排程執行緒，做出更智慧靈活的資料導向決策。

因此 P-core 會優先處理效能執行緒，提供回應快速的效能，而且在功率需求方面的限制可能也比較少。接著是使用 E-core 處理高度平行的工作負載，以及其他功率受限（系統其他地方可能需要功率，例如平台的圖形引擎或其他加速器）的情況。這個組合於是能提供最佳的使用者體驗。

相較於前幾代，最主要的幾項改善之處是什麼？

效能一向是我們的優先考量。以筆記型產品家族相同功率封包所提升的效能為例，單執行緒效能加速高達 1.08 倍。桌上型處理器的多執行緒效能則是加速高達 1.34 倍。如果具體觀察攸關邊緣的 AI 效能，CPU 分類推論工作負載則是提升高達 1.25 倍。

簡單的升級途徑，則是客戶的另一個重要領域。第 13 代處理器的插槽與第 12 代 Intel Core 處理器相容。我先前提過 PCI Express Gen 5 傳導性。這是我們第一代採用 PCIe Gen 5 的筆記型產品，可提供更快的傳輸途徑，締造更高的資料處理量。醫療影像需要大量視覺資料，是從中受益的絕佳使用案例。

Hellometer 是第 12 代與第 13 代世代比較有所改善的具體客戶案例。這間公司是深入研究世代比較效能提升，同時達到平台彈性的絕佳範例。Hellometer 擁有專精於速食和快餐店餐廳自動化 AI 的 SaaS 解決方案，而第 13 代能夠以更符合成本效益的方式，為目標市場在邊緣提供更高的 AI 效能。

對這類餐廳而言，時間確實是要素；時間會直接轉化為收益，因為若是大排長龍，顧客會直接駛離。因此這些品牌全力投入使用 Hellometer 的電腦視覺型技術，過程持續使用內建 AI 加速的前一代 Intel Core 筆記型處理器。

然而，第 13 代 Intel Core 處理器發行時，Hellometer 執行長曾提及第 13 代如何讓它在解決方案增加額外的視訊串流，為即時推論處理客戶資料的能力更提高 30% 以上，而且不需要獨立 AI 加速器。這樣一來，客戶便能更透徹瞭解顧客體驗，進而贏得業務，而且它提供了真正帶動商業價值的創新技術。

這些處理器在我們趨近邊緣之際，如何提供新的機會？

我們支援的使用案例範圍極為廣泛。以軍事用途為例，有機會支援車輛和飛機的嵌入式運算，或是為情報與安全和偵察支援邊緣裝置。另外還有針對空間受限和嚴格用途情況，有多工作業效能與持久性需求的下一代航空電子學。再來是醫療保健方面的進展，例如帶動超音波影像、內視鏡與臨床裝置，必須處理的視覺資料數量龐大。接著是飯店餐飲業，就如同 Hellometer 的實例。此外還有各式各樣其他的用途，包括電視牆和數位電子看板；AI 驅動的店內廣告互動式平板顯示器。這些用途全部都能利用第 13 代 Core 處理器。

AI 型工業製程控制這類工業用途，可以利用第 13 代 Intel Core 處理器，在空間與功率有限制的情況，融合強大的運算與 AI 工作負載。這個領域的例子是我們的合作夥伴研華。該公司尤其專注於 AMR（自主移動機器人），而且 AMR 確實正成為倉儲、物流與製造環境的新常態。

AMR 和其他電腦視覺應用的挑戰在於，必須在超小的外型規格，提供強大的 AI 與攝影機型輸入。AMR 特別可能必須處理不同攝影機與接近感測器的資料，機器人才能在環境四周安全地行走。這個市場成長速度驚人，因此掌握那個商機，以及支援客戶設法從中獲取那個價值，成了當今的問題所在。

研華有幾項產品選擇利用第 13 代 Intel Core 筆記型處理器，因應運算與圖形處理效能所需，以及電源效率需求。這些採用效能混合式架構的筆記型處理器，可能您獲得適應性效能，而整合式 Intel^® Iris^® Xe 顯示晶片則讓您享有密集的圖形處理效能，加上 DDR5 的記憶體支援，是這些解決方案皆享有的效益。最新一代處理器的電源效率卓越，電池續航力更長，大幅提高機器人在廠房或倉庫作業的持續時間，絕對也令解決方案獲益良多。總體擁有成本因而隨之改善。

今天您最後有任何想法要跟我們分享嗎？

我們的使命是提供硬體與軟體平台，帶動基礎架構業者和所有類型企業採用邊緣原生策略，同時為客戶在正確的功率與設計點提供工作負載專屬的效能與領導效能。這意味著滿足各式各樣的所有設計點，無論對象是裝置本身、邊緣基礎架構、網路基礎架構或雲端。

我們也專注於催化數位轉型和商業價值、帶動及普及 AI，並且讓整個生態系統皆能取得 AI。這個最新版本將提供新一代邊緣就緒的多元處理器，為客戶提供更多運用這個混合式微架構釋放所有可能性的選擇，對此，我們深感自豪。這項承諾將打造建置於 AI 支援邊緣運算的未來。

相關內容

若要進一步瞭解第 13 代 Intel^® Core^™ 處理器的功能與混合式微架構，請收聽深入瞭解第 13 代 Intel^® Core^™ 處理器，以及閱讀 Intel 利用處理器創新技術大幅提高邊緣生產力。若要瞭解 Intel 最新的創新技術，請追蹤 Intel 的 Twitter 和 LinkedIn 帳號。

本文由 Erin Noble 編審。

大家都知道，相較於舊式網路，5G 網路的處理量更高、容量更大，而且延遲更低。然而，這些效益有其代價，對於企業和雲端服務供應商（CSP）而言，代價就是採用監測與保護 5G 資料流量能力更強的網路，升級現有的整合性威脅管理（UTM）防火牆、IPSec 以及其他安全基礎架構。

人人都想要更多頻寬，但頻寬更高意味著，資料流量更大，必須保護的流量更多。為了保持競爭力，企業和 CSP 希望以相同的成本為客戶提供更高的效能，也就是說，他們期望網路安全專家能以跟現有解決方案相同的價位，提高效能更高的安全措施。安全措施供應商別無選擇，只能向安全設備供應商轉達這些需求，期望他們以前代價格提供新一代效能。

為因應這個性價比困境，CASwell 這類安全設備供應商正開發採用第 3 代 Intel^® Xeon^® 可擴充處理器的解決方案，因為這款處理器提供可擴充的 100 Gbps 乙太網路效能，並且符合新一代網路對於線路速率安全性的需求。

利用可重設的 Xeon^® 設備達成線路速率

所謂的線路速率安全措施意味著，安全措施基礎架構能夠在完全沒有延遲或緩衝的情況下，即時檢查串流資料流量是否存在安全威脅。相較於利用較低的頻寬，利用速度可達 20 Gbps 的 5G 速度達成線路速率封包檢查的過程更為複雜。部分難題包括，支援所有不同類型的資料與封包，不讓任何資訊在傳輸過程中遺失，以及將基礎硬體平台最佳化，在不受執行中軟體或應用程式影響的情況下，達到最高的處理量。

由於必須滿足這些需求，因此安全設備設計多半都是「半客製化」，也就是說，每位客戶都可進行某種程度的微調。當然，依照特定客戶或應用程式需求微調硬體平台所需的 ODM 服務所費不貲，而目標卻是以前代成本提供新一代效能。

從頭設計可重新設定的模組系統，是實現這個目標的其中一個方法。舉例來說，CASwell 已經開發出搭載兩個第 3 代 Intel Xeon 處理器的 CAR-5060 機架式設備，而且 16 個 RDIMM 有高達 512 GB 的 DDR4-3200 ECC 記憶體（圖 1）。CAR-5060 內建的第 3 代 Xeon 各包含高達 36 顆核心與 72 條執行緒，負責處理封包和過濾資料，而輔助之 Intel^® C627 Chipset 內建的 Intel^® QuickAssist Technology (Intel^® QAT) 則會卸載密碼編譯工作負載，相較於前代 Xeon，處理器效能提高達 1.5 倍。

然而，除了 Xeon 處理器，CAR-5060 架構還包含八條 PCIe Gen 4 x8 通道，以及一條 PCIe Gen 4 x16 通道，可支援不同的儲存模組組合、GPU/FPGA 加速卡，以及/或者多達八張 CASwell 網路介面卡（NIC），而且每張介面卡各有多達八個高速乙太網路連接埠。

換句話說，網路安全供應商可以用多達 64 個 10 GbE 頻道設定可擴充的 2U 系統，締造 640 Gbps 的總平台頻寬，同時依舊可享有商用現貨（COTS）定價。

CASwell 產品管理部門 AVP Yannic Chou 表示：「CAR-5060 與前代的關鍵差異在於，這個型號的硬體可擴充，而且提供的處理量更高。網路服務供應商可以根據用途選擇頻寬。」「此外，他們還有其他選項可以選擇，例如 AI 運算功能與儲存空間，因為這些系統有時用於雲端儲存。另外，他們還可選擇備援電源模組這項常見的功能。」

利用 DPDK 超越線路速率

儘管 CAR-5060 這類平台的靈活性、可擴充性與成本效益驚人，但若要讓任何安全設備發揮得淋漓盡致，依舊需要調校應用程式。因此，對於希望建置及實作新一代防火牆、UTM、IPSec 或其他類似安全功能的網路安全供應商來說，下一步就是採用 Intel^® Data Plane Development Kit (Intel^® DPDK)。

Intel DPDK 這套網路與資料平面庫套組，可從作業系統卸載封包處理工作。DPDK 在 Intel Xeon 執行時，能夠讓封包處理速度加快高達 10 倍，而且對於希望盡量提高效能及改善上市時間的人來說，DPDK 儼然已經成為開發套件最實際常見的一部分。

此外還有 Intel^® Boot Guard。這個 Xeon 處理器內的硬體機制可防止基本輸入/輸出系統在開機時遭到未經授權修改，從基礎開始確保網路設備的完整性。部署速度則是這個產業的另一個優先考量，因此利用 DPDK 與 Boot Guard 這類工具簡化最佳化和安全措施設計的能力，有助於 OEM 設定 CAR-5060 等平台、將應用程式移植至平台，並且以相當流暢的方式上線運作。

可擴充的網路安全解決方案：新一代效能、前代成本

實際上，網路服務供應商每三至五年左右就必須升級安全平台，屆時很多供應商會設法進一步最佳化軟體堆疊，讓硬體設備的效能餘量發揮得淋漓盡致。既然通常無法確切掌握日後需要哪種效能或功能，因此 CSP 和企業 IT 組織一向將這種升級方式視為防範性價比過時的最佳策略。如果升級失敗，就必須添購新設備。

CAR-5060 具有擴充插槽，而且與各種網路介面模組和介面卡相容，因此升級過程比過去簡單直接。每隔三至五年，客戶直接從前面板就能換上頻寬更高的新 NIC 或加速卡，甚至連機箱都不必打開。

這正是網路安全供應商面對性價比困境的因應之道。

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

資料已驅動業界多時，但過去只在雲端才有重型分析。以製造公司舉例。來自機器的資訊在雲端進行彙總和處理，並規劃後續步驟作為回應。邊緣只是資料彙總工具，將資料路由至雲端，執行所有繁重的任務。

然而，現今將資料中心移至網路邊緣已成為一種趨勢。由於運算能力增強以及 IoT 普遍實施，它正在大顯身手。邊緣解決方案支援近乎即時的資料處理，對必要資訊的掌控也更進一步，這對於企業而言是一大福音。在製造業的例子中，瞬間決策可以實現資產的即時預測性維護。

邊緣運算協調流程

更棒的是，移至邊緣並不表示必須告別雲端提供的協調流程和管理功能。在雲端管理及擴展運算是一個已知實體。沒錯，您有數以萬計的伺服器在執行應用程式，但它們全都位於一個集中式的位置，由 IT 專業人士所組的單一團隊管理。

「論及邊緣，討論的仍時成千上萬個伺服器，但不同於傳統的資料中心，如今它們分散於上百或上千個實體位置，」 Scale Computing 這家邊緣運算、虛擬化與超融合解決方案供應商的執行長 Jeff Ready 指出。

在每個邊緣位置維護 IT 人員不切實際且所費不貲，但協調流程管理軟體解決了這個問題。Scale Computing 在邊緣提供了一個省時省事的雲端體驗。採用 Scale Computing 建構的 Intel^® NUC Enterprise Edge Compute 取代了分散式、內部部署的 IT 人員需求；集中式的小型團隊也可以一樣敏捷。

每個 IT 狀況都適用的邊緣運算

位於明尼亞波里斯的雜貨店 Jerry’s Foods 在全美各地設有 40 家分店，他們合作的對象正是集中式的小型團隊。這家零售商在作業系統上疊加了許多應用程式，包括銷售點軟體、影片分析等。

Jerry 的邊緣 AI 解決方案有助於實現令人刮目相看的個人化與增加營收的策略，根據買家購物車的內容調整店內廣告投放。這種即時分析需要運算可靠且隨時可供使用，而這正是 Scale Computing 所提供的保證。

Jerry 的其中一個分店遭到破壞時，該店便無法再對社群開放。其 IT 團隊可以存取 SC//平台設備，並恢復所有應用程式和基本商店功能，以便在停車場的帳篷中搭建臨時商店。如此一來，本地社群便能持續獲得維生所需的食物和飲品。「這是一個由 IT 人員組成的小型團隊，負責管理全國各地的分店，他們能夠利用現有的 SC//平台產品實現這項目標，」 Ready 解釋道。

Scale Computing 與系統整合商以及經銷商夥伴合作，以此途徑接觸尋求邊緣協調流程解決方案的企業。這些夥伴也可與 Scale Computing 合作，提供移轉服務和災後復元規劃等額外服務。

一站式應用程式的自我修復技術

當 Ready 和他的共同創辦人看到 IT 經常面臨的問題時，對自我修復平台的需求變得顯而易見：雖然基礎架構一開始運作順利，但隨著時間推移，附加元件持續增加，便愈來愈難疑難排解。

Ready 和其團隊瞭解錯誤偵測和緩解需要嵌入基礎架構。對於 IT 團隊，尤其是遠離實體位置的團隊，具備自我修復的技術、自動修正問題會有所幫助。

HyperCore 作業系統安在 Intel^® NUC 上，用於小型、邊緣運算協調流程和管理解決方案。該作業系統使用一種名為自主基礎架構管理引擎（AIME）技術，提供主動錯誤偵測和問題緩解，這種基於模式識別的 AIOP 系統專門尋找表示某些東西遭受損害的模式。

發現問題時，SC//HyperCore 會查看問題和相關解決方案的名片簿，如果發現相符的項目，則會自動執行相應的修復程序。一旦系統偵測到詞彙表中不存在的問題，即會提醒 IT 並解決問題。相同的問題重複出現幾次，修復程序就會嵌入 Scale Computing 平台，經年累月變得更加智慧。

每個站點的 SC//HyperCore 連接至 Scale Computing Fleet Manager，其監測整個部署的健康狀況。SC//Fleet Manager 也有助於現場零接觸部署。這表示首次插入 NUC 時，邊緣運算所需的一切，包括垂直市場特定的應用程式，都會從中央入口自動分派。

「美妙之處在於所有#應用程式的選擇和#設定都可以透過單一入口集中處理，」 Ready 如是說。「這款解決方案具可擴充的功能，因此如果企業想從 10 個或 100 個位置擴展至 1,000 個位置，只要複製貼上即可，全都是一站式處理，管理的方式不用改變。自動修復及部署，就像在現場增設 IT 人員，覆蓋所有的位置。」

分散式運算的未來

未來對額外邊緣的需求只會有增無減。

Ready 提醒我們，運算經常會週期性地經歷集中式和分散式運算的變化。「這不是我們在 IT 領域中第一次經歷這種狀況。我們從最初的大型機時代的集中式運算發展到分散式運算、客户端伺服器類型的架構。後來演變為集中式資料中心和雲端；而如今我們又回到了分散式。」

「邊緣運算有效地完成了雲端願景，」 Ready 表示。「雲端從來不代表西雅圖的大型資料中心，而是代表普遍可用的運算資源。」還有確保這些資源在需要時可用，並在不增加 IT 負擔的情況下達到所需的程度？這就是 Scale Computing 派上用場的地方。「它讓邊緣表現得像是雲端，」他說，允許大規模、無縫管理且始終可用的運算能力。

由 insight.tech 編輯副總監 Georganne Benesch 編輯。

市政府和私營企業或許沒有察覺，但他們可能坐擁了一座寶庫：來自閉路電視（CCTV）攝影機的大量影片圖像。然而，一家專攻安全型產品的公司 Vehant Technologies 的產品經理 Saurabh Pachnanda 表示如此大量的資料需要智慧才能理解影片的箇中資訊。

比方說，舉凡停車場、公寓大樓入口、零售商店、醫院和智慧城市等公共空間都能看見攝影機的蹤影。因此，政府和私營企業淹沒在原始影片和資料的滾滾浪濤中，除非能從其中擷取具有價值的見解，否則這些東資訊一無是處。

影片分析的成長

Pachnanda 解釋，舉個例子，攝影機或許只會發現數十輛汽車在公路上掉頭，但需要智慧才能理解可能發生什麼阻礙。人類作業員當然可以手動篩選錄像資料，但要在成千上萬小時的影片中找到短短幾秒的有用資訊猶如大海撈針。部署人力執行這項任務效率極低、成本高昂。

所幸機器學習電腦視覺演算法的進步，提供了一種更精確的能力，可從圖像中獲取智慧（圖 1）。Pachnanda 發現，這些因素加上邊緣運算能力的增強，加速了人們對可操作影片分析的需求。「愈來愈需要保護其中的一些技術並提高生產力，」他表示。「電腦視覺機器學習演算法可協助提供演算法，讓使用者能夠理解箇中情況。如此一來，他們只需關注特定事件或特定見解，無須時時刻刻鎖定原始影片資料。」

影片分析的許多使用案例

AI 與機器學習也能接受其他感應器的輸入資料，並在資料中發現人類可能錯過的較大趨勢和相關性。印度一家醫院面臨醫務人員使用停車場的效率不彰，它結合現有的貼紙型系統和使用 ML 演算法的自動車牌號碼辨識系統。在現有方法的基礎上堆疊這類智慧，可協助醫院管理單位更精準地將工作人員與其車輛配對，確保員工遵守停車限制、不會超時違停。

這只是現今影片分析的實例之一。Vehant的 AI 影片分析在三大垂直領域發揮功用：智慧城市、企業分析和影片事件偵測。

Vehant 擁有一批針對特定使用案例的預先訓練模型，協助客戶利用現有的作品，不必無謂地從頭做起。如此一來，Vehant 便可為各種需求調整模型，盡量減少客戶的部署時間。該公司利用現成套套件作為進一步現場配置和量身定制的基礎。

取決於使用案例，公司能透過行動應用程式、簡訊或電子郵件提醒客戶任何調查結果。Vehant 也提供網頁介面，可透過單一窗口存取所有見解。Pachnanda 解釋道，通知包括豐富的中繼資料，可提供位置、時間、擷取事件類型的詳情，以及幾秒鐘的相關影片串流。

影片分析所需的基礎結構

Vehant 深知客戶對汰舊換新的解決方案持謹慎態度，因此在設計自訂解決方案時，會考慮現有的基礎結構、攝影機和相關系統。

除了攝影機外，客戶也需要根據處理的資料量而變化的運算能力。「我們開始超越某個點時，就是 GPU （圖形處理器）派上用場的地方，因為它能極有效率地處理影片量，這有助於基礎結構的負載，」Pachnanda 如是說。Vehant 利用 CPU、GPU 和 AI 加速器等硬體技術，無論資料量如何，都能滿足客戶的需求。這些技術有助於在邊緣快速追蹤推斷，並加快提供見解的速度。Vehant 的軟體可以按比例縮放，適應流入的資料量。

Vehant 特別注重將對現有硬體基礎結構的影響降至最低。「這些都是非常通用的運算，而且現成可用；沒什麼非常具體的東西不能套用在其他用途，」Pachnanda 表示。「這是一套我們銘記在心的節省成本措施。」他補充說明，客戶可以選擇從小處做起，逐步擴展。

影片分析的未來

Pachnanda 表示，Vehant 格外重視資料隱私。例如，處理資料是為了提高安全性。「系統內有相當多的制衡原則，確保不會在沒必要的情況下暴露、擷取或使用資料，」Pachnanda 表示。Vehant不會保留對任何客戶站點擷取的任何資料的存取權，無論是在邊緣站點還是遠距站點皆然。

Vehant 使用 Intel^® 處理器和晶片組，以及OpenVINO^™ 工具組進行 AI 邊緣推斷。「Intel 與我們密切合作，開發解決方案。他們在解決方案結構、最終部署方面協助我們，有時甚至幫助我們為使用者提供端對端的整體性解決方案，」Pachnanda 表示。

他補充說，這只是影片分析使用案例突飛猛進的開端。「我們看到許多客戶想要瞭解影片資料的見解，並且正在進行有限的試驗及嘗試各種可能性，」Pachnanda 如是說。「多虧演算法的進步，我們會看到愈來愈多產業張開雙臂迎接 AI 影片分析。」

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。