分类： 教育

人工智能是许多不同技术的总称。生成式 AI 是我们经常听到的一个话题，尤其是 ChatGPT。ChatGPT 得到了广泛报道，但绝不是生成式 AI 行列中唯一一员。英特尔的 AI 软件架构师兼生成式 AI 推广者 Ria Cheruvu 最近一直感兴趣的一个问题是音频领域生成式 AI（视频 1）。

视频 1。英特尔生成式 AI 传播者 Ria Cheruvu 探索基于音频的生成式 AI 的商业和发展机遇。（来源：insight.tech）

但无论何种类型的生成式 AI 都令人震惊，开发人员并非始终确切知道从哪里开始，或者开始之后，如何优化模型。与英特尔合作，可以真正简化流程。例如，初学者开发人员可以使用英特尔^® OpenVINO^™ 笔记本电脑，利用教程和代码示例，帮助他们开始使用 GenAI 。然后，当他们准备好提升到一个新水平或准备扩展时，英特尔将随时帮助他们。

Ria Cheruvu 与我们讨论 OpenVINO 笔记本电脑存储库，以及生成式 AI 用于音频的现实应用，以及适用于呼叫中心的方面与适用于音乐家方面之间的差异。

生成式 AI 的不同领域有哪些？

就生成式人工智能的类型而言，这一领域无疑正在不断发展。ChatGPT 并非唯一！当然，文本生成是一种非常重要的生成式 AI，但也有图像生成，例如，使用 Stable Diffusion 等模型来生成艺术、原型以及不同类型的图像。还有音频领域，您可以开始制作音乐，或者制作合成化身的音频，以及许多其他类型的用例。

在音频领域，快速运行时尤为重要，这是常见的痛点之一。您希望模型超级强大，能够快速生成高质量输出的结果，那就需要大量计算。因此，我想说，优化生成式 AI 模型的技术堆栈绝对至关重要，这也是我在英特尔日常工作中研究的东西。

音频生成式 AI 的具体商机是什么？

使用语音人工智能或对话式人工智能来读取和处理音频，这确实非常有趣，这就是您使用语音代理（例如手机上的语音助手）所做的事情。将其与音频生成式 AI 比较，您实际上是在创建内容，例如，能够生成合成化身或声音，以便打电话和交谈。首先想到的商业应用肯定是呼叫中心，或者是具有使用这种所创建音频的模拟环境的元宇宙应用。

但创意领域、内容创作领域也有一些非传统商业用例，我们开始看到一些应用与音乐生成式 AI 相关。对我来说，这非常令人兴奋。英特尔开始研究生成式 AI 如何补充艺术家的工作流程：例如，创建作品，使用生成式 AI 来采样节奏。音乐家和音乐制作人如何利用生成式人工智能，将其纳入内容创作工作流程之中，这也有一个非常有趣的文化元素。

虽然它不是一个传统的商业用例，比如呼叫中心或使用音频进行零售的交互式自助服务终端，但我认为，音乐生成式 AI 在内容创作方面有着巨大的应用。最终，它还可以进入需要生成声音的其他类型领域，例如，创建用于 AI 系统训练的合成数据。

音频生成式 AI 的开发流程是什么？

生成式 AI 领域目前正在采用几种不同的方式。其中一种肯定是改造已有的模型架构，以用于其他类型的生成式 AI 模型。例如，Riffusion 基于图像生成模型 Stable Diffusion 的架构；它只是生成波形，而不是图像。

我最近与从事音乐领域研究的人交谈，我们讨论的一件事是，您可以为这些音频领域模型提供的输入数据多种多样。可以是音符，也许是钢琴作曲的一部分，一直到波形或特定类型的输入，专门用于 MIDI 格式等的用例。有多种多样的数据。

训练和部署这些模型需要哪些技术？

我们一直在调查许多有趣的生成式 AI 工作负载，这些工作负载是英特尔 OpenVINO 工具套件和 OpenVINO Notebook 存储库的一部分。我们将许多音频生成的关键示例当作非常有用的用例，用于提示和测试生成式 AI 功能。我们曾经与英特尔的其他团队合作，使用 Riffusion 模型，创作 Taylor Swift 类型的流行节奏，一直到更高级的模型，生成与某人说话的内容相匹配的音频。

我看到 OpenVINO 的一件事是，能够优化所有这些模型，特别是在内存和模型大小方面，而且能够在边缘、云和客户端之间实现灵活性。

OpenVINO 实际上针对该优化部分。有一个基本概念，即生成式 AI 模型的大小和内存占用面积很大；而所有这些模型的基础，无论是音频、图像还是文本生成，其中某些元素非常大。我们使用压缩和量化相关技术，将模型占用面积减半，不仅能够大幅减少模型尺寸，而且确保性能相差无几。

所有这些都源于一个非常有趣的本地开发概念。音乐创作者或音频创作者希望在创作内容时使用电脑，在从事密集型工作时，在云端工作，例如收集音频数据、录音、注释，以及与不同专家合作创建数据集。然后他们可以在电脑上执行其他工作负载，然后说：“好吧，现在让我在系统上本地生成一些有趣的流行节奏，然后在房间里制作原型。”

开发人员开始使用生成式 AI 有哪些示例？

我真正喜欢讨论的一个例子是，您如何正确地使用我们在笔记本存储库中展示的 OpenVINO 教程和工作负载，然后投入实际运用。在英特尔，我们与 Audacity 合作，后者是一个基本上实现开源音频相关编辑创作的工具。它是一种用于音频编辑的一站式 Photoshop 类型的工具。我们所做的一件事是通过我们提供的插件，将 OpenVINO 与其集成在一起。我们的工程团队从 Python 获取 OpenVINO Notebook 存储库中的代码，将其转换为 C++，然后将其部署到 Audacity 之中。

这样就能实现我之前提到的性能和内存改进，但它也直接集成到相同的工作流程中，许多编辑和操作音频的人也在利用此工作流程。您只需挑选一段声音，然后说 “生成”，OpenVINO 就会生成其余部分。

这是一个工作流程集成的例子，可用于艺术家工作流程；用于电影行业为语音制作生成合成音频；或用于零售行业中的交互式自助服务终端；或用于医疗保健领域的患者与医疗人员对话。工作流程的无缝集成是英特尔非常期待推动和帮助协作的下一步。

生成式 AI 还有哪些，特别是音频生成式 AI？

说到音频生成式人工智能，我认为在这个领域的任何一个特定时刻都是 “眨眼即失”。看到添加了如此众多工作负载，真是太神奇了。但是，展望不久的将来，也许是今年年底或明年，我能看到的一些发展肯定是围绕我之前提到的那些工作流程，以及确定您到底想在哪里运行，是在本地系统上，还是在云上，还是在两者的混合体上？这绝对是我真正感兴趣的事情。

我们正在尝试采用英特尔^® 酷睿^™ Ultra 和类似类型的平台，在 AI 电脑上生成音频，当您坐在房间里与一群音乐家一起制作原型并玩音乐时，理想情况下，您不必访问云端。相反，您可以在本地这样做，将其导出到云端，然后在本地和云端之间往返移动您的工作负载。关键在于，我们如何将利益相关者纳入该流程，即我们如何准确创建生成式 AI 解决方案，将其实例化，然后随时维护？

最后，您能给我们留下一点关于生成式人工智能的启示吗？

现在，生成式人工智能这个领域光鲜亮丽，但几乎人人都能看到当中的价值，而前提是有一个面向未来的战略。英特尔对这个行业的价值主张，是能够携手开发人员，向他们展示他们能够利用这项技术做什么，以及在他们实现目标的每一步上给予帮助。

用于音频的生成式 AI （通用生成式 AI）的发展如此之快。因此，请密切关注工作负载、评估、测试和原型设计；在我们迈进音频生成、合成生成等众多领域的新时代之际，这些都绝对是关键。

相关内容

要详细了解生成式 AI ，请阅读生成式 AI 解决方案：从炒作到现实，并收听生成式 AI 在音频创作中构成新机遇。有关英特尔的最新创新，请在 X @IntelAI 和 LinkedIn 上关注他们。

 

本文由文案编辑 Erin Noble 编辑。

人工智能正在改变世界，每天都在不同行业中不断发展。这在一定程度上是因为开发人员正在构建新的解决方案，并努力跟上新一代人工智能的发展。英特尔帮助使这一切成为可能，为开发人员提供所需的技术和工具，例如 OpenVINO^™ 和英特尔^® Geti^™。此外，OpenVINO 和 Geti 旨在将开发人员和业务领域用户连接在一起，进一步促进下一代人工智能解决方案和使用案例的发展。

为了了解有关下一代人工智能开发的更多信息，我们与英特尔人工智能传道者 Paula Ramos 做了探讨。她讨论了人工智能解决的现实问题、所涉及的英特尔功能以及人工智能的民主化和传播（视频 1）。因为这不仅关系到向开发人员提供工具和技术，同样重要的是提供教育和资源，让更多人率先进入这一领域。

视频 1。英特尔公司人工智能传道者 Paula Ramos 探讨了使下一代人工智能成为可能的趋势和技术。（资料来源：insight.tech）

您认为如今人工智能将如何推动并解决现实世界中的问题？

人工智能发展迅速，日新月异。现在，人们对它的认识比以往更加深刻，因为这些现实世界中的问题已经变成了令人惊叹的解决方案。初创公司正在利用硅能和人工智能的能力来解决这些问题。

例如，人工智能运用翻译帮助人们交流，在百种语言之间翻译文本。另一个很好的例子是一些汽车品牌正在使用的自动驾驶汽车系统，该系统可以控制汽车转向、加速和制动，并有可能减少交通死亡和交通事故。人工智能可以帮助医生诊断癌症，制定个性化治疗方案，或加快新药和新疗法的应用。人工智能正在帮助农民少用农药和除草剂。人工智能正在帮助人类更快解决问题。

让人工智能更容易为开发人员所用有什么重要意义？

对此我有三个想法。首先，为开发人员创建更易访问的信息，可以加快人工智能创新的速度。能够使用人工智能工具的开发人员越多，使用起来越容易，技术的发展就会越快，从而加快创新的速度。获得最新的硬件改进也很重要。人工智能实际上是另一种工具，因为它使开发人员能够更高效构建和部署应用程序。

第二点是人工智能的民主化。我们需要确保人工智能适合每一个人，每一个开发人员都有机会从这项技术中受益。我们改善获取人工智能的方式，可以弥合人工智能采用的差距。

第三点是解决人工智能人才短缺问题。目前，世界上对人工智能开发人员的需求量很大，但开发人员的数量却不足。我们降低学习和使用人工智能的难度，可以帮助训练更多开发人员，缩小人工智能人才的短缺。

已经出现了哪些工具和硬件可以解决人工智能民主化的问题？

我对英特尔发布全新人工智能电脑感到激动不已。这款电脑搭载英特尔^® 酷睿^™ Ultra 处理器，整合了 GPU 和称为 NPU（神经处理单元）的新元件。九月，我在英特尔^® 创新大会的生成式人工智能展位上展示了该款电脑，其性能卓越。英特尔公司首席执行官 Pat Gelsinger 演示了在一台人工智能电脑（本地 Windows 计算机）上运行 Llama 2 聊天机器人（LLM 模型）的情况。在没有互联网连接的情况下使用人工智能，不把数据发送到云端，肯定会更安全。

众所周知，很多人认为英特尔只是一家硬件公司，但我们正在努力向开发人员展示如何使用 OpenVINO（英特尔拥有的推理和部署框架）等框架或系统，轻松改进他们的解决方案。人工智能电脑还能够运行 OpenVINO。OpenVINO 向我们展示了英特尔利用人工智能的潜力。OpenVINO 现在无处不在：智慧城市、制造业、零售、医疗保健和农业。在过去一年中，它的下载量增加了90%。

您能否更详细介绍一下 OpenVINO^™ 与人工智能之间的关系？

OpenVINO 是英特尔在客户端和边缘平台上为开发人员提供的一个工具套件；它支持 AI at the edge（边缘人工智能），使人工智能——生成式人工智能更容易获得，在多个硬件平台上优化神经网络推理。不过，OpenVINO 的主要目标是优化和量化模型，从而缩小模型的大小。我们可以减少内存占用，还能在各种硬件（英特尔和非英特尔硬件）中更快运行模型。我们正在利用 OpenVINO 解决开发人员的真正痛点。

另一件重要的事情是，只要拥有了中间表示格式（即 OpenVINO 格式）的模型，就可以在各处部署。这是英特尔与部分竞争对手之间的其中一个差别。

开发人员如何利用英特尔^® Geti^™？

英特尔 Geti 是一个帮助企业快速开发计算机视觉模型的平台。简而言之，它将所有必要的工作整合在一起，例如注释、训练、优化、测试。您可以创建项目、上传注释、上传新的生产数据或以前的数据。您可以修改可训练的功能，测试服务器上运行的部署，也可以下载部署到本地运行。

因此，使用该技术有很多好处。数据科学家、机器学习专家、系统集成商和领域专家可以使用同一个平台协同工作。这是因为它易于使用，而且可以控制训练和优化过程的多个方面。它还可以提供不同格式的建模，其中一种格式就是中间表示格式–OpenVINO，这是 Geti 平台的后台优化和量化工具。

英特尔 Geti 平台还提供 SDK，帮助用户利用易于使用的功能。该平台利用 OpenVINO 构建部署管道，并在包含 CPU 和 GPU 在内的各种英特尔硬件平台上加速推理，而无需计算机视觉专业知识。这就是这个平台的魅力所在。

使用英特尔 Geti SDK 进行部署对开发人员来说非常简单，因为该 SDK 与计算机视觉任务无关，也与模型架构无关。开发人员不需要为模型输入准备数据，也不需要为显示结果准备模型输出。

女性进入人工智能领域会面临哪些挑战？

我非常热衷这个话题。就我个人而言，我代表了全球科技工作者中的两个少数群体。首先是科技界的女性，其次是科技界的拉丁裔女性。你可以把 “科技”理解为人工智能或一般意义上的工程学。全球科技人员中有 50% 是女性，但拉丁裔女性仅占 2%。因此，这是一个代表性严重不足的问题，我希望为减少拉丁国家，尤其是拉丁美洲国家缺乏教育和培训机会的现象做出贡献。

但我也希望激励更多女性从事人工智能工作。我想减少歧视和偏见。无论男女，每个人都应该有机会在科技领域取得成功。妇女也可以坐在桌边，认真讨论技术问题。女性对于如何解决问题具有独特的视角；我们拥有独特技能，能够创造出满足所有用户需求的产品和服务。

而且我们已经为人工智能领域做出了重大贡献。人工智能研究员、斯坦福以人为本人工智能研究院联合创始人李飞飞博士就是一个例子。她为深度学习的诞生做出了贡献。她开发了 ImageNet 计划，该计划在深度学习的部署中发挥了重要作用。这是一位女性对人工智能产生的非凡影响，因此我可以想象，其他女性也能为这一领域做出或多或少的贡献。

关于人工智能发展的未来，您还有什么想补充的吗？

有一个重要问题，我想与开发人员分享：你的梦想在哪里？你可以实现这些目标，因为人工智能是一种强大的工具，有潜力让世界变得更美好。

所以，去尝试新技术、新模型和算法吧。尝试参与开源项目，并成为开源项目的积极贡献者。随时了解使人工智能更实用的最新趋势。我们需要构建一个包容、公平、有益于所有人的人工智能。动力就来自你的想像力。

相关内容

如要了解人工智能趋势的更多信息，请阅读《人工智能传道：加速开发人员成功的关键 (Evangelizing AI: The Key to Accelerating Developers’ Success)》 并收听《与英特尔一道探索下一代人工智能 (Exploring the Next Generation of Artificial Intelligence: With Intel)》。有关英特尔的最新创新，请在 Twitter 上关注 @IntelIoT，在 LinkedIn 上关注 Intel Internet of Things。

 

本文由文案编辑 Erin Noble 编辑。

从安全摄像头到车载备份助手，跟踪和监控环境（或位置情报）在我们如今的生活中无处不在。但企业才开始了解到将位置情报与人工智能和数字孪生等技术匹配的固有优势。如果数字孪生模型的想法仍然显得有些神奇，请系好安全带。我们将把它带到下一个维度：时间。因为在特定时刻了解特定资产时，监控和空间感知不只是会影响安全性或缺陷检测。

当然，伟大的技术进步通常会伴随伟大技术的诞生。因此， 英特尔联邦和航空航天市场总经理兼高级总监 Tony Franklin能够解释清楚位置情报的整体概念：它在当前和未来可以解决的挑战，以及旨在帮助实现这一切的技术，包括英特尔的 SceneScape 平台（视频 1）。

视频 1。英特尔联邦和航空航天市场总经理兼高级总监 Tony Franklin 解释位置和情报以及使用人工智能和数字孪生的重要性。 

您如何看待数字孪生和位置情报的概念？

我认为我们都已经习惯了位置情报，甚至感觉不到它的存在。每个人的手机上都有 Google Maps 地图应用。任何有孩子的人都了解 Life360 应用：您可以确切知道某人在哪里、在那里呆了多久、移动速度如何。

但在业务方面，我们刚刚开始了解到从财务角度来看的位置情报的影响力有多么大。因此，对于类似 UPS 的运输公司，如果他们从 A 点到 B 点的定位不准确，则可能会造成数百万美元的损失。这对于可持续发展等事项也很重要。我最近了解到，在美国，27% 的气体排放量来自运输业。

而且除了位置情报之外，我认为我们开始真正了解的是基于时间的空间情报。这不仅仅与位置有关，还关系到我们在特定时刻是否真正了解周围发生的事情，或者是否了解资产、物品或人员的情况。数字孪生可让您可以重新创建空间，然后了解包括实时时间在内的特定时间，但如果您需要按下回放按钮进行分析，也可以这样做。

数字孪生的价值还在于，它有一个自然生成的抽象。我们知道它是现实世界的数字复制品，因此分析是在复制品上完成的，而不是对实际输入的数据进行分析。然后，数字复制品还可以将数据提供给多个应用。

当存在多种应用和不同类型的人工智能时，您的确有必要使用基于标准的技术，因为您可能需要一种 AI 来识别某些动物、人或资产，以及另一种 AI 来识别不同的汽车、天气或更多类似物理的模型。

位置情报可以解决企业面临的哪些挑战？

我认为最大的挑战之一是来自不同应用的数据孤岛化。例如，我们在手机上有大量的应用程序可以协同工作，但并不意味着这些应用上的数据也可以协同工作。

在商业领域，可能会有一种应用用于监控物理安全，但还有另一种应用用于监控工厂中的机器人等。它们都有摄像头、传感数据，但不会连接 —— 所有数据都位于不同的筒仓中。那么，如何将这些数据联系起来，以增强情景感知并做出更好的决策？理想情况下，更好的决策意味着要么省钱、要么有机会赚钱，要么创造其他价值，例如更安全的环境。

另一项挑战则只是需要思想上的转变。我们已经在使用的许多技术都来自游戏。如今，电子游戏非常真实，在游戏中，您可以看到 3D 环境中的所有内容。您了解位置；您还会收到多种感官数据，包括声音或环境数据。所有这些都与体验融合。因此，我们开始越来越多地将其融入我们的日常生活和业务中。

英特尔如何帮助企业部署数字孪生和人工智能？

总会有大量数据需要标注才能提供使用，而我们有很多工具可以将其联系起来。如果要实时接收流式数据，我们提供了英特尔^® 发行版 OpenVINO^™ 工具套件。您可以使用该套件应用推理，还可以为输入的特定数据选择最好的计算技术。

因此，您可以输入这些数据，应用推理，继续循环。然后，英特尔^®Geti^™平台允许您训练数据。它可以让您快速完成这项工作，而不需要成千上万张图像 —— 如果是用于计算机视觉的图像，则需要。并且任何人都不需要拥有数据科学博士学位。这就是 Geti 的用处。

中间有一个名为英特尔^® SceneScape 的东西。类似于 Geti，SceneScape 也面向最终用户。将其视为位于 OpenVINO 和 Geti 中间的一个软件框架，可以真正简化数字孪生创建，使您所拥有的数据具有意义，并以影响深远的方式提供和使用这些数据。它允许最终用户以开放、标准的方式轻松部署人工智能技术，并利用其附属的最佳计算技术。

因此，输入传感器数据。然后，OpenVINO 将应用推理进行目标检测或分类等。您可以使用 Open Model Zoo——来自我们合作的所有合作伙伴的一系列模型，并通过 SceneScape 部署该模型。然后使用 Geti 训练数据。

SceneScape 还允许您在任何应用中使用任何传感器来监控和跟踪任何空间。我们已经习惯了视频，但也还有其他传感器可以让您增强环境情景感知。您可以使用激光雷达，所有电动和自动驾驶汽车都配备激光雷达，或者是环境、温度、辐射或声音传感器以及文本数据。

是否可以分享任何有关英特尔^® SceneScape 正在实施的案例研究？

一直使用 SceneScape 的客户的一个共同点是需要更多地了解他们的环境（无论是他们所在的环境还是正在监控的环境），将传感器和数据连接起来并提供数据。他们希望增加这些数据的使用，并从中获得更多的情景感知。

因此，不妨想想机场。我们需要跟踪跟踪人们聚集的地点、跟踪队列时间等。在新冠疫情早期阶段时，我们有必要使用前额传感器跟踪身体测量数据。机场空间已受到监控，但现在需要连接数据。用于观察前额的传感器通常不会连接到正在查看队列的摄像头。现在，他们需要这样做。

它在数据点之间建立联系：您可以看到这个人已经排了 30 分钟的队，但您也会看到他们体温很高，并且没有采取社交隔离措施。或者您会看到这个人拿着袋子，正在跟袋子一起移动，现在袋子静止不动，但该人一直在移动。

如果愿意，您不仅可以查看航站楼 A 的 2 号门，还需要所有的航站楼和所有的门，你需要在单一虚拟管理平台上看到它们。这是 SceneScape 所能够带来的好处之一。

英特尔^® SceneScape 如何解决隐私问题？

隐私绝对重要。但我们只是观察探测的实际物体 — 它是人，是物品，还是汽车？我们要确定它是什么，确定实际距离，确定运动方式。我们实际上不会进行面部识别或类似的任何操作。我们推理数据，但随后也允许客户实施他们针对特定应用所作的选择。

您认为这一领域下一步的发展方向是什么？

我期待的其中一个用例是患者数字孪生。现在，您会在不同地方有着不同的医疗记录。历史数据并没有与被实时数据一起使用，也不会被用于与可能适用于许多患者的大量病史数据进行比较。因此，我很希望能看到一个不断更新的病人数字孪生系统，那将是最理想的情况。

但是如果只跟踪医疗器械会怎样？手术前有 10 件医疗器械，您要确保手术结束后仍然有 10 件医疗器械，不会被无意中遗落在不应该遗落的地方。

因此，正如我刚才已提到的那样，有一些即时应用可以帮助当今的企业运营。然后是我认为我们都在期待的未来状态，我希望患者能拥有数字孪生。

我认为当企业开始意识到他们可以消除数据孤岛，并在各种应用中建立数据和系统之间的关系或联系——不仅是在一个房间，也不在同一个楼层，或者同一栋建筑，甚至可能跨越整个园区。他们可以开始获得实际价值，从而影响到利润 — 他们可以赚更多的钱，也可以节省更多的钱。

您最后还有什么重要的想法要和我们分享？

将交通状况视为一个用例；位置情报可以帮助拯救生命。我们发现客户会将 SceneScape 与这个应用结合起来看待。如今，许多汽车都配备了摄像头传感器（倒车传感器或前置摄像头），并且大多数十字路口都装有摄像头。但现在他们不再相互交谈。

那么，如果有一辆汽车正在快速行驶，并且还有一台摄像头可以看到行人靠近盲点，该怎么做呢。我希望汽车知道这一点，并开始自动减速。现在，大多数汽车在遭遇 另一辆骑车 时，如果行驶速度过快，将会自动开始减速。但如果不知道某个人正在拐角处，他们就无法做到这一点，因为他们看不到。或者说，即使摄像头可以看到，他们并不一定知道人离车有多远或车速有多快。

作为人类，我们进入汽车后，就知道它的速度有多快，知道是否有人走过来了。我们认为自己的大脑会将此视为理所当然。但摄像头并不理解这一点。因此，这是一种可以应用于当今的应用，一些城市实际上正在研究这些类型的应用。

这就是为何人工智能与这些技术以及传感器数据的集成如此重要。它使这些系统更加智能，并真正了解环境。同样，基于时间的空间情报：距离、时间、速度、物体之间的关系。

而这正是我们正在努力的目标 —— 与英特尔所拥有的庞大生态系统合作，让企业能够轻松实施这项技术。这是一个激动人心的时刻，我们期待帮助企业有所作为。

相关内容

要进一步了解位置情报的重要性，请收听 利用人工智能和数字孪生获取位置情报 并阅读 利用英特尔^® SceneScape监控、跟踪和分析任何空间。如需了解英特尔的最新创新技术，请在 Twitter 上 @intel 并在 LinkedIn 上关注 英特尔公司。

 

本文由文案编辑 Erin Noble 编辑。

在数字经济中开展业务需要应对重大风险，潜藏的网络攻击者和数据窃贼可谓无处不在。鉴于网络攻击随时可能出现，组织越来越多地寻求通过零信任架构来加强防御。

零信任的概念代表着业界对网络安全的重新思考：在无法验证安全无虞的 IT 环境中，该如何做到安全运营？即便入侵者成功侵入网络，在网络内部，他们也会在每一个环节遇到障碍，必须应对多重验证要求。零信任在用户、系统和设备每次尝试访问资产时都要求其经过验证过程。

“它的基本理念是不信任任何东西，核实一切，不作假设。根据需要，频繁进行重新验证，”零信任安全解决方案供应商 Zscaler 的 5G 全球副总裁 Ken Urquhart 指出。

网络安全团队的传统运营方式背后是一种“围攻心态”，即用一个或多个防火墙将“我们的 IT 设备”与网络攻击者隔开，Urquhart 表示，但是本地设备、云、边缘和物联网系统的激增扩大并模糊了简单周界的概念，给数据安全管理带来越来越大的挑战。

当攻击者成功侵入时，他们通常会潜伏在组织的网络中，平均长达 9 个月之久，不断窃取数据、制造干扰，却能做到不被发现。公司无法确切知道入侵者在他们的系统中潜伏了多久，也不清楚他们窃取了多少数据。Urquhart 指出，“当今的组织必须 100% 成功化解所有攻击，才能保证安全；而攻击者只需要成功侵入一次就够了。”“我们从上世纪 80 年代就开始使用防火墙，这背后的基本假设是，只要你进入防火墙内部，基本上就会被视为受信任的用户。”

Zscaler 提供持续数据保护，利用加密通信、监控和分析来防止攻击者窥探组织的行动，甚至让它们根本看不到组织。在 Zscaler 技术的保护下，设备和应用程序无法被网络上的其他设备检测到。Urquhart 说，“你无法攻击看不见的东西。”

该公司的理念是在整个网络环境中提供无缝体验，无论要跨越多遥远的地理距离。借助 Zscaler 的力量，客户得以专注于自己的核心业务，无需为抵御威胁而展开持久战。

零信任解决网络安全挑战

多年来，联邦快递 (FedEx)、英国石油 (British Petroleum)、西门子和通用电气等全球性组织一直依靠 Zscaler 来保护他们庞大的全球网络。例如，西门子将基础设施成本降低了 70%；而通用电气 80% 的员工在一项调研中表示，有了 Zscaler，他们工作起来更觉轻松。采用 Zscaler 技术后，一家长期为续勒索软件问题所苦的油气领域客户遭受的攻击惊人地减少了 3500%。

Zscaler 成立于 2008 年，正是零信任运动肇始之初。Urquhart 表示：“我们运营着一个安全的全球通信网络，每天扫描超过 18 拍字节的数据，处理 3200 多亿笔交易，相当于谷歌单日搜索次数的 20 多倍，同时每天还要处理超过 90 亿起突发事件和政策违规事件，每天运用 AI/机器学习解释超过 500 太字节的元数据和信号。”

在千变万化的威胁面前，组织往往需要艰苦捍卫他们的环境免受破坏。当新威胁层出不穷、而旧威胁像病毒变异般改头换面时，网络安全团队只能通过不断添加工具和协议来与之对抗。他们还必须保护组织为利用新功能而添加的新应用程序和系统。

“随着时间的推移，就产生了一大堆解决方案，它们需要不同的配置、不同的补丁级别、不同的补丁频率、不同的管理界面。” Urquhart 指出。要不了多久，这套程序就会变得过于复杂，从而可能会制造出更多漏洞。

雪上加霜的是，组织十分依赖这些他们无法（或没能力）控制的系统，Urquhart 补充道，“我们必须在不属于我们的远程通信系统上运营。我们必须通过不属于我们的网络运营。我们把数据放进不属于我们的公有云中。我们得到了安全性的许诺，但却鲜少有人邀请你进行完整的安全审计，并逐行检查每个漏洞的每段代码 — 即便受邀，也没有一个组织能够真正完整地执行这项任务。你必须信任别人的说法。”

而有了零信任，无论何时，当用户、设备、网络、应用程序和数据试图建立连接，它们都要经受多级持续验证，例如多因素认证、生物特征识别和硬件密钥。当用户试图从不同的设备、不同的地点、在不符合规律的时间登录时，也会被该程序识别出来，从而触发额外的验证步骤。

合作伙伴关系对数据安全管理具有至关重要的意义

Zscaler 的零信任架构依赖自动化和编排来实现实时监控和流量分析。数据在跨越多个国家/地区和大洲、穿越多云和网络时被加密和监控。为了实现这一切，Zscaler 与美超微 (Supermicro)、CrowdStrike 和英特尔等多个合作伙伴合作，采用它们提供的诸多技术解决方案。Zscaler 还从 40 个合作伙伴那里收集、共享和接收威胁情报，以便隔离、分析和创建阻断规则。

采用英特尔^® 至强^® 可扩展处理器的美超微硬件为 ZScaler 的边缘到云安全服务边缘 (SSE) 技术提供支持，该技术会先对所有边缘和远程工作人员^的流量进行检查，然后再将其路由到目的地。

为减少攻击面，Zscaler 与 CrowdStrike 集成，通过多种方式最大限度地阻拦威胁的横向移动，确保只有受信任和受保护的设备能访问经授权的应用程序和数据。  Zscaler 会在未知和恶意文件到达最终用户之前将其拦截，并通过 CrowdStrike 触发跨平台控制操作。

借助 CrowdStrike 设备姿势评分，Zscaler 管理员可以通过配置策略，阻止来自低信任评分设备的访问，或只允许通过远程浏览器隔离访问，在提高用户办公效率的同时防止数据泄露。这有助于防止宝贵的知识产权和个人身份信息泄露，同时也可阻止勒索软件和其他恶意载荷进入。

此外，还有一个额外的好处：Zscaler 的方法减少了网络和通信基础设施，他说：“客户只需将他们的办公室、远程工作人员或数据中心连接到本地互联网。从那里开始，就由 Zscaler 来接手。”

对于 Zscaler 的零信任方法而言，来自英特尔等合作伙伴的技术是关键。随着英特尔对硬件进行优化，Zscaler 通常会率先将该技术应用于当前项目，因为它“无时不刻地致力于提高效率，” Urquhart 表示。

零信任是目前最高效也最有效的网络安全方法。它的概念并不那么好理解，因为与更简单的“我们在里面，攻击者在外面”的防火墙相比，它属于深层防御的范式。Zscaler 在这一领域已深耕 15 年，而且我们始终通过采用新技术和吸收客户反馈来不断改进我们的方法，” Urquhart 指出，“我们试图告诉世界，处理网络安全的方式不止一种。”

 

由 insight.tech 的副主编 Georganne Benesch 编辑。

我们不再使用传真机发送商务消息的理由很充分。当然，它可以完成发送工作，但却无法跟上当今商业往来的惊人速度。

Christian Eder 面对当今的计算环境也提出了类似的论点，Christian Eder 是嵌入式计算机主板和模块供应商 congatec 的联合创始人之一兼市场营销总监，同时也是 PICMG COM-HPC 的主席。

数据的生成速度达到了前所未有的地步，传输和存储数据的能力正成为我们在数据利用方面面临的主要瓶颈。通常，数据将传输到云端或数据中心进行分析，但这种类型的基础设施有时无法应对我们随手可得的大量数据。

边缘计算和嵌入式设备的增加

为克服大量数据往返于云端所带来的延迟和成本，AI 推理越来越多地在边缘进行。因此，曾经单靠受温度控制的数据中心内的服务器实现的计算能力现在预计会通过小很多且坚固的外形规格实现，以便能在更广泛的温度范围内承托高数据吞吐量。

直到最近，这些嵌入式边缘设备还利用 COM Express 模块化计算机标准在零售、交通和机器人等领域提供中端边缘处理和网络功能。但随着技术的日新月异，该标准开始无法满足边缘计算量和数据吞吐量增加的需求。

Eder 说：“在 COM Express 标准下，我们已经触及天花板；已没有提升空间。我们需要在坚固型边缘中提高数据吞吐量、提高带宽、降低延迟并提升计算能力，因此迫切需要定义一个无需担心向后兼容问题的新标准。我们需要新的连接器和新的尺寸，以提供前所未有的强大性能和功能。”

面向坚固型边缘的 COM-HPC 标准

为了满足对新标准的需求，PCI Industrial Computer Manufacturing Group (PICMG) 将工业嵌入式市场中的行业领导者聚集在一起，共同创建了 COM-HPC 标准。Eder 解释道，新标准旨在满足当今嵌入式系统的更高需求，并且可以承受高温，交付闪电般的计算速度。他补充道：“随着技术的进步，COM-HPC 将成为未来 10 到 15 年内的稳定标准。”

此外，COM-HPC 的一个更新的迭代版本（其迷你等效版本）正在为目前最小的高性能标准化模块提供服务，此类模块的大小几乎与信用卡相当。该标准非常适用于小外形 (SFF) 设计，可满足功耗和空间限制，同时仍能交付出色的 IO 和计算能力。

congatec 最近推出了其首个 COM-HPC Mini 模块，可让客户的空间受限型解决方案实现大幅性能提升。Eder 说：“我们的目的是让它成为使用低功耗范围的第 13 代英特尔^® 酷睿^™ 处理器的合适平台。该模块可以节省成本和空间，且仅限于低功耗 CPU 使用，但计算能力却非常强大。”

坚固型边缘合作伙伴关系

congatec 与英特尔等公司的合作伙伴关系对于采用最新的模块化计算机标准开发解决方案至关重要，可以让这些公司更好地了解技术领域的最新进展。

Eder 说：“通过参与早期访问计划，我们能够在英特尔发布新技术之前获得已经设计好的产品，这样，我们的客户能够快速访问最新技术，并缩短上市时间。”

了解 congatec 可利用哪些即将推出的产品，采用更加坚固的标准开发模块。利用第 13 代英特尔酷睿处理器，congatec 的 COM-HPC 模块可提高性能和 AI 推理能力、改进 GPU，并能承受从零下 40 摄氏度到 85 摄氏度之间的严苛温度。这些处理器还满足了视频流和分析应用程序可能需要的高图形要求。

迁移到 COM-HPC

鉴于 COM-HPC 标准的诸多优势，Eder 认为是时候将性能低下的系统从 COM Express 迁移到 COM-HPC 了。他说：“模块化概念的亮点在于您可以在不弃用整体解决方案的情况下，将现有应用程序升级到其他功率范围。您只需更换模块即可。”从 COM Express 切换到 COM-HPC 时，必须修改载板。但仅升级到未来的 CPU 技术就像仅更改计算模块一样简单。

Eder 指出，利用模块化概念，无需更改整个系统，因而有助于防止浪费，更加环保。散热器或冷却接口也是模块生态系统标准的一部分，进一步增加了可持续性。

尽管实际的更换可能比较轻松，但其他组件可能需要进行调整，以充分利用新性能和更快的接口。

用 Eder 的话来说，congatec 提供了参考载板，“更便于大家上手，并检查各个应用程序所需的所有专属功能”，促进了采用。congatec 还开设有一个学院，向载板开发人员教授有关 COM-HPC 标准及其生态系统中的最佳设计实践。Eder 表示，培训的重点在于符合标准的载板设计，这对于构建可互操作、可扩展且耐用的定制嵌入式计算平台至关重要。

此外，congatec 还与合作伙伴网络开展合作，特别是那些可能在交通运输、通信和医疗保健等不同领域拥有标准实施要求专业知识的合作伙伴。Eder 表示：“在铁路等某些行业获得预认证可加快产品的广泛采用。鉴于 congatec 的模块化计算机产品可以承受冲击和振动，选定的 SKU 甚至获得了列车系统的使用认证”。预认证对于寻求兼容且全面的技术堆栈解决方案的系统集成商来说尤其有用。

随着未来计算向边缘的迁移，嵌入式边缘设备必须能够应对恶劣环境中繁重的工作负载。但 COM-HPC 已随时准备好应对挑战。毕竟，Eder 指出，“它由嵌入式专家打造，旨在简化最新嵌入式技术的使用。”

 

本文由 insight.tech 的副主编 Christina Cardoza 编辑。

物联网领域的任何人都应该不会对数据是业务成功的关键感到惊讶。计算机视觉为业务运营开辟了一个全新的视角，这导致了收集、管理和分析所有这些数据的需求，这反过来又为人工智能打开了一扇大门，因为人工智能提供了洞察力，并可以带来有价值的变化。现在，我们称之为数据驱动型文化的元素已经存在，这种文化不仅适用于一个行业，也适用于许多行业，范围从制造业到智能城市再到餐饮。

但是“数据驱动型文化”究竟意味着什么？它是否只是为试图实施数据驱动型文化的企业和组织带来更复杂和更新的挑战？我们采访了两位非常了解如何充分利用数据驱动型文化的人：人工智能和自动化零售解决方案提供商 Vistry 的创始人 Atif Kureishy 和视频人工智能操作系统和市场公司 Awiros 的工程主管 Saransh Karira（视频 1）。他们讨论了它的好处和挑战，以及数据驱动型文化如何将企业的不同方面连接起来，以创造真正的价值。

视频 1. Awiros 和 Vistry 解释了创建数据驱动型文化的价值以及成功实施这些文化的战略。（资料来源：insight.tech）

当我们谈论数据驱动型文化时，这到底意味着什么？

Atif Kureishy：数据驱动型文化实际上是关于做出基于证据的决策的，即基于对来自您的企业数据的理解的决策，并能够信任该数据、分析数据并从中获得关键理解。然后最终做出决策，推动战略进步和战略计划。

第一代数据驱动型文化实际上是关于数据采集和数据理解的。该旅程的第二阶段持续了大约十年，然后开始在此基础上进行预测，这为机器学习领域引入了许多概念。现在我认为我们已经进入了第三代，引入了大型语言模型，LLM。

现在，我们不再拥有非常人性化的数据科学或数据工程密集型活动，而是转向采用人工智能系统，这些系统往往比我们更聪明。那么我们如何以值得信赖的方式与这些 LLM 共享大量的企业数据，以做出企业知情的决策。

Saransh Karira：在早期，数据策略就像任何类型数据的总称。但在过去 3 到 4 年中，我们看到整个环境发生了巨大变化，现在人们逐渐意识到您向系统提供的数据量就是您从系统获得的精度。

计算机视觉人工智能应用如何使数据更有价值？

Saransh Karira：正是数据政策方面的这些变化使数据更加容易访问。原始数据是第一步，然后一旦您有了此原始数据，就对其应用智能。但现在假设您有数千小时的数据，即使您可以访问这些数据，也无法真正访问这些数据；因为您无法筛选它。因此，这就是系统的用武之地，用于智能系统、机器学习系统。这一切都在迅速发生变化。

正因为如此，许多基础设施正在构建中，以集成大量数据。我认为数据的价值在于您可以连接许多不同类型的数据。因此，如果您将每个数据视为一个点，然后将它们连接在一起，则总和将超过各个部分。我们的许多客户都在他们不同的基础设施或不同的部门中连接数据。

我们可以通过一个用例（但它可以扩展到许多不同的组织）与政府广泛合作，例如，我们目前看到的是，他们将车辆预登记与摄像头连接起来，然后与护照连接起来。这些相互关联的数据变得比一个孤岛中的系统更有价值。

您与之合作的企业面临哪些挑战？

Atif Kureishy：在 Vistry，我们专注于餐厅-酒店领域。这是一个以人为本的企业，速度快，而且相对不复杂。这些企业开始进行更多的技术投资，但从历史上看，情况并非如此。因此，在大量位置部署和扩展的任何类型的功能都必须非常经济高效。

我们正在跟踪的许多东西都是厨房中的物品，这有助于形成一个独特的环境。当然，我们的训练基础设施的功能必须非常强大，才能检测、跟踪和理解在该环境中发生的活动。

这就是我认为英特尔特别带来了独特的价值主张的地方，从某种意义上说，您可以在餐厅里的商品计算上运行。或者可能部署下一代计算，并具有可以在边缘有效运行的机器学习和深度学习模型。英特尔集团提供的围绕 OpenVINO^™ 和深度学习工具的一些技术提供了巨大的帮助。因此，我们可以非常轻松地在英特尔凌动^® 平板电脑、i7 Tiger Lakes 和新的 Alder Lakes 上运行推理工作负载，并且可以有效地优化运行时。这对我们和我们的客户来说都非常有帮助。

您如何为这些企业创建数据驱动型文化和战略？

Atif Kureishy：让我们以生产控制为例，一家餐厅基本上是一个小型生产基地。从制造业意义上讲，您有库存计量，并且有工作产品的质量保证和监督。因此，如果您将其应用于餐厅空间，则可以想象一下您有订单通过数字、汽车餐厅、堂食进入。这些订单被收到后，它们就会整合到一个厨房，需要根据订单正确制作。

现在，人工智能和 ML 发挥作用的领域之一是，您可以在快餐店中创建生产计划，其中某些产品是预先制作的，然后保存起来。这是理想的场景，因为这样食品可以尽快配送。因此，您可以通过预测将获得多少和哪种类型的入站订单来最有效地构建和制造这些菜单项。这也使厨房不仅从劳动力的角度来看，而且从食物浪费的角度来看都更高效。

我们使用计算机视觉的另一个方面是库存管理——拥有可以查看碗或平底锅的摄像头，通过它对平底锅中的产品数量进行体积估计，以帮助告知生产计划。从精益制造的角度来看，这有点像即时概念。因此，先对需求进行建模，然后使用人工智能来确保供应充足。这就是餐厅的优化越来越通过数据来驱动的原因。

我们回想一下 20 年前餐厅的文化，它确实依赖于人，经理们利用他们的直觉预计：“我预计今天午餐时间会很忙。通常，将有一个实地考察，我将通过实地考察来安置人员。”顺便说一下，现在仍然有大量的餐厅（特别是小型餐馆和本地餐馆）以这种方式运营。但是，当您查看大型品牌时，它们绝对会转向这种数据驱动型文化。

我想强调餐厅的历史文化，因为我认为了解这一点非常重要，然后理解我们现在使用数据更有效地为顾客服务的意义。

Saransh，您在 Awiros 遇到过哪些用例？

Saransh Karira：其中一个用例在多个不同园区部署，并且每个园区都有多个不同的接入点。最初的实现只是为了查看有多少人进来，其中有多少是访客——基本上可以了解到，他们中有多少人曾经进来过，有多少人是第一次进来。这是最初的用例。

但是，客户随后使用这些信息根据人们的位置来更改其安全人员的配置——在人群较多的地方，他们增加了那里的安全性，并降低了其他接入点的安全性。因此，这非常有趣。

我们还看到了许多可以称之为元分析的用例，特别是在零售业。例如，我们的顾客可以通过观察客流量模式来改善商店布局和运营。元分析学的用武之地基本上是生成热图，以可视化地了解客流量多和少的地方，根据这些数据，我们的客户可以更改产品的配置和放置。

与英特尔等合作伙伴合作推广数据驱动型文化有什么价值？

Atif Kureishy：我们非常感谢与英特尔的合作伙伴关系。它需要一个村庄或广泛的生态系统来使这一切发挥作用。我想说的是，提供英特尔基础计算的 ODM 和 OEM 也与系统集成团队合作，这些团队最终需要在这些位置放置边缘设备和传感器，以便能够进行这种处理。

当然，由于我们拥有基于云的基础设施，我们与 AWS 密切合作。因此，英特尔是促进与更大社区对话和互动的关键部分。

然后，当然，围绕 OpenVINO 提供了一套强大的工具和基础设施。这对我们来说太好了。它允许我们优化在 CPU 上或 iGPU（集成式 GPU）上运行的处理类型。在与开源社区和各种深度学习框架合作方面也提供了很好的支持。这太好了。

Saransh Karira：利用 Awiros 的平台，我们试图创建视频智能应用生态系统。基本上，它从硬件开始，进入用例，然后进入市场。硬件是英特尔的先驱。除此之外，最重要的是不同的研究人员或任何第三方开发人员正在开发不同的用例。最重要的是，还有一层市场，这是最终客户可以看到的。

我认为在边缘英特尔对于我们来说非常经济高效。其库在优化方面为我们提供了很多帮助，无论是用于推理（人工智能运行的实际部分）还是视频的解码部分，以及许多其他功能。此外，在很多方面为我们提供支持。

最终想法？数据驱动型文化的未来对于企业来说是什么样子的？

Atif Kureishy：我们和其他所有人一样，已经加入 GenAI 的潮流，并且在过去的几个月里，我们确实与 GPT-4 这样的模型进行了广泛的合作。在最初的几年里，我们重点关注生成，我们将其称为暗数据。我们如何在边缘应用计算机视觉工作负载来创建物理观察数据流？

然后，这些数据需要被纳入来自销售点、库存管理系统、时间报告系统的更大的数据基准或基础中。因此，我们一直在寻找 LLM 来真正与更大的、更广泛的数据集进行交互，并理解它。能够非常快速地做到这一点真的很迷人和惊人。

因此，如果我要给受众留下一些东西，那就是除了ChatGPT、获取食谱、寻找旅行路线和创作诗歌之外，我和我的孩子一起做过的事，我们做这些事情很有趣，这种新的人工智能浪潮确实对企业产生了重大影响，我们很高兴能成为这一旅程的一部分。

相关内容

要了解有关创建数据驱动型文化的更多信息，请收听通过数据驱动型决策来改变您的组织。

要了解 Awiros 和 Vistry 的最新创新，请关注：

• Twitter 通过 @awirosweb 和 @vistryai
• 和 LinkedIn：Awiros 和 Vistry

 

本文由文案编辑 Erin Noble 编辑。