Insight Tech

工业电脑 (IPC) 在推动工业 4.0 的过程中发挥了重要作用。它们帮助制造商告别难以管理的专用可编程逻辑控制器 (PLC)，转向在 Windows 和 Linux 等开放式系统上运行的软件定义工业控制应用。

这样做带来了巨大的优势。但制造商仍在寻找更好的方法来收集和分析工厂车间的数据，统一技术堆栈以提高效率，并促进 IT/OT 融合。

IPC 是智能工厂之路上的第一步，但早期版本缺乏灵活性，无法充分利用虚拟化技术带来的各种可能。

这些强大的边缘计算系统实现了敏捷、丰富的数据采集，同时比过去的专有系统更易于管理、更经济高效、更灵活。

全新 IPC 平台 — 新的边缘优势

多用途 IPC 平台（如 IPC 系统制造商深圳大唐计算机有限公司设计的平台）提供了传统工业计算系统的优势：高性能、低功耗处理、高可用性、坚固型设计，以及出色的实时分析平台。

但这些平台真正的强大之处在于，它们提供了高性能计算，可运行现代软件虚拟化技术，使多个工作负载能够在单个系统上运行。此外还有整合和安全优势，因为软件开发人员可以轻松地将现有工业应用移植到最新 IPC 技术上，充分发挥硬件和软件堆栈提升的优势。

这也降低了复杂性和成本，使工厂人员能够更轻松地维护和监控整个工厂的系统。此外，根据底层平台的不同，多用途 IPC 可以通过一套统一的软件工具带来附加值，这些工具能够提供更好的工厂数据洞察，优化性能并加快开发工作。

例如，大唐的平台采用特定的英特尔工业软件技术：

• 英特尔^® 工业边缘控制平台（英特尔^® ECI），它是一个模块化软件参考平台，使多用途 ICS 可以在通用硬件上运行。英特尔 ECI 显著降低了制造商的升级和更新难度。该平台还支持实时分析功能、工作负载集成虚拟化以及可配置软件模块，可满足工业计算的性能需求，降低成本并提高灵活性。
• 英特尔^® 工业边缘洞见平台（英特尔^® EII），它是一个面向工业物联网应用的开源软件平台，提供数据收集、存储、分析、可视化模块和容器化部署。英特尔 EII 针对英特尔硬件进行了优化，并与英特尔^® OpenVINO^™ 工具套件集成，加速了边缘 AI 解决方案的开发，提供更好的数据洞察，并帮助企业加快上市速度。

对大唐来说，英特尔技术的运用至关重要。英特尔拥有无与伦比的面向工业边缘计算的高性能稳定硬件平台。在缩短开发时间并将解决方案推向市场方面，其软件工具同样重要。

虚拟化 — 软件定义的 ICS 平台

除了帮助制造商转向开放式系统并整合硬件/软件堆栈以外，多用途 IPC 还提供了另一项显著优势：内置虚拟化技术，可在易于管理的统一平台上运行。

工业计算虚拟化的优势已经显而易见，例如，可以在不中断运营的情况下升级基础设施。

首先，虚拟化是将计算机资源与底层硬件分离的有效方式。它还提高了网络安全，因为可以更轻松地将计算系统细分为独立的安全环境。但虚拟化的最大优势是工作负载整合，即利用闲置计算资源，从而提高效率并降低成本。

多用途 IPC 和工业控制的未来

在未来几年，采用虚拟化技术的灵活工业计算系统将在制造业领域引起越来越多的关注。

部分原因是工业计算领域的进步。例如，大唐正在考虑将 Type 1 管理程序集成到他们的产品中。Type 1 管理程序也被称为裸机管理程序，可直接在底层硬件上运行，无需主机操作系统。这样可以实现更高效的资源分配、更高的性能以及更好的安全性。这对制造业带来的优势不言而喻，但随着工业物联网的发展，更有吸引力的 Type 1 管理程序和虚拟化技术即将到来。

一种鼓舞人心的可能是 ACRN 参考管理程序，这是一种专为嵌入式物联网开发而打造的开源虚拟化工具。ACRN 管理程序解决了制造商认为特别繁琐的数据中心问题：较长的引导时间、高昂的成本和巨大的开发开销。ACRN 有助于推动工业 4.0 向软件定义的开放式平台工业计算发展。

但多用途 IPC 平台的主要优势在于它们能够为多方利益相关者解决问题。

对原始设备制造商/原始设计制造商来说，现代 IPC 平台提供的开发便利性意味着他们可以专注于满足制造商的需求，而不必担心高昂的研发成本。对经常处理小批量订单的构建商和运营技术系统集成商来说，由于这些平台具有灵活性和可定制性，开发成本也会下降。

毫无疑问，对制造商来说，优势非常明显。多用途 IPC 平台提供更简单、更易于管理的访问方式，可实现最初推动数字化转型的所有优势：实时控制、更高的产品质量、更低的成本以及更快的创新路线。

由 insight.tech 的副主编 Georganne Benesch 编辑。

零售商正重新定义购物：将物质和数字元素结合，为客户提供“物质数字化”体验。这一趋势已持续了一段时间，过去几年发生的事件也加速了这一趋势。但是当下零售业数字化转型浪潮的最大驱动力来自消费者自身。

“我们观察到零售业迎来了新一批的高需求顾客，” Econocom Products and Solutions 的数字化总监 Javier Lima 说道。这是一家为时尚零售商提供数字化转型套件的制造商。“他们希望一切都能实时发生，也希望品牌能够真正将每个人视为独立个体。”

为在商店内实现高度的便捷性与定制化，许多零售商已开始使用数字标牌解决方案，它们也是提升销量、简化运营的最佳方式。但是对于时尚行业的零售商来说，实施起来并不容易。涉及到风格和品味时，要实现高效的信息传递，必须实现高度个性化。而鉴于时尚的本质，数字标牌在这个行业的零售商店中特别依赖其所处背景，且随时可能发生变化。

应对时尚零售商所面临挑战的答案：一体化数字标牌套件。这些强大、灵活的解决方案帮助品牌在物质数字化体验方面提升竞争力。最重要的是，这些解决方案易于配置，意味着可以轻松扩展，甚至可适用于最大规模的企业。

零售销售和运营受益于可扩展的交互式多媒体

案例分析：Econocom 与西班牙跨国服饰零售商 Pull&Bear 的成功合作。

Pull&Bear 希望在所有实体店中部署数字标牌。但这是一项艰巨的任务。该品牌在 40 个国家拥有 800 多间实体店，分布在欧盟、拉丁美洲、中东和亚洲。任何数字标牌解决方案都要易于规模化设置和维护，并且必须能够轻松策划和管理本地化内容。

Econocom 的时尚零售数字化转型套件正是 Pull&Bear 需要的。该解决方案基于集成的硬件、软件和云技术。数字营销内容在后台内容管理系统上传、配置和调度，可对多媒体内容的发布方式与时间进行精细化调整。特定内容从云端部署到各个商店的多媒体播放器中，播放器再将这些内容传送到整个客户区域的所有显示屏上。店内系统还可让智能手机集成选项，帮助店员更灵活地管理和配置展示内容。如果需要更方便互动的解决方案，该套件还允许在显示终端连接附加式智能设备。

Pull&Bear 与 Econocom 合作，成功在全球 800 多家门店部署了数字标牌套件，在不同地点实现高度本地化、个性化的信息传递。这样，零售商便可利用其强大的数字营销团队为任意地点的购物者定制内容。

不过，这些令人印象深刻的实体店体验只是数字标牌解决方案为时尚零售商提供的一部分服务。“如果只是想要惊艳的效果，那也可以，” Lima 说。“但是在这个案例中，我们想要在庞大数量的门店中部署我们的解决方案，从而充分发挥数字标牌的潜力。因为这样才能开始实现规模经济，优化零售商运营，并提升利润。”

Econocom 与英特尔的技术合作伙伴关系是其提供优质的规模化解决方案的重要因素。Lima 说，“在 40 多个市场的几百家门店布置我们的套件，显然是一项巨大的挑战。英特尔的运营支持是关键。我们之间是协同互惠的关系，也期待我们的合作伙伴关系能在未来能取得更大的成就。”

物质数字化世界的未来

关于未来的发展，还有很多激动人心的可能在涌现。

边缘计算机视觉的蓬勃发展意味着店内的数字标牌不再只是被动响应，可以达到高度互动性。屏幕上显示的内容可以根据顾客的行为实时变化，例如，当他们从货架上拿起某件衣服时，即显示相关的多媒体内容。

除了时尚和零售，数字标牌解决方案在其他部门和行业中也有用例。举例而言，Econocom 已经在寻找能够将其时尚零售套件应用到金融服务企业的方法。其他用例也会陆续出现 —— Lima 说这是未来更普遍现象的一部分：

“零售业我们称呼人们为‘顾客’，酒店行业称呼为‘贵宾’，医药或智慧城市则称呼为‘患者’或‘市民’。但是归根结底，本质是相同的：运用技术提供更好的服务，满足人们需求，创造人们期待的价值。”

当人们在某些生活领域开始期待物质数字化体验时，很快他们在其他领域也会有这样的需求。Lima 表示，最终我们将看到一个更具互动性、更加“物质数字化”的世界。届时，那个世界不仅能够满足其居民的期待，也会为企业和组织带来丰富的收益。

Lima 表示，“未来可期，因为当我们结合物质与数字，便可以有无数种优化的可能。”

由 insight.tech 的副主编 Georganne Benesch 编辑。

铁路是连接世界基础设施的大动脉。尽管铁路在全球运输和供应链中发挥着至关重要的作用，但大多数铁路养护工作都是从人工巡检员开始的。

为了找出损坏的枕木和铁轨，巡检员每天沿铁路线步行或驱车数英里，探查隐患。手动检查美国 160,000 英里的铁轨所需的总时间和成本是无法量化的，而且由于检查是由人工进行，因此本质上也很容易出错。

计算机视觉 (CV) 的最新技术成果为自动化铁路巡检带来了新的机遇，在整个流程中显著降低了成本并提高了准确性。但铁路系统从部署环境的高度差异性，到安全关键行业对可信赖解决方案的优先考虑，对计算机视觉系统提出了独特的挑战。

这就是为什么像 Ignitarium（一家产品工程公司）这样的组织正在使用人工智能技术重塑计算机视觉，以解决痛点并减少对人工巡检的需要。

利用基于人工智能的计算机视觉克服基础设施检查的挑战

计算机视觉系统在受控的室内环境下表现出色，铁路系统则与之不同，存在各种照明条件、天气变化和其他不可预测的因素。这些变数可能显著影响计算机视觉系统的性能和准确性。

计算机视觉技术在户外铁路应用中的另一场艰苦战斗正在改变 Ignitarium 首席技术官 Sujeeth Joseph 所说的“行业中非常传统的思维模式”，即铁路专业人士希望使用经过试验和测试的方法，而不是新颖的方法。

这些挑战促成了 Ignitarium TYQ-i 平台的开发，该平台旨在将最出色的经典计算机视觉技术与高级自定义神经网络相结合。最终制定出有效的解决方案，可以检测数英里铁轨上的各种异常情况。

TYQ-i 的运行可分为 4 个阶段：

• 数据摄取：该平台支持许多视觉传感器，包括 RGB、3D、激光和多光谱接口。Joseph 表示，在铁路行业，2D 摄像头和激光扫描仪是首选传感器。
• 预处理：Ignitarium 开发了一个图像处理组件库，用于准备数据进行分析。其中包括缩放和旋转等基本操作以及拼接、追踪和降噪等更复杂的任务。
• 深度学习：TYQ-i 的核心是面向特定用例的自定义人工智能模型。这些模型经过预训练，可以检测各种异常类别，以最少的客户投入提供高水平的准确性和效率。
• 提供结果：数据经过处理之后，通过人类和机器可读的仪表板和文件提供给用户。这使得该平台能够与现有流程无缝集成，有助于克服采用新技术的阻力。

Joseph 表示，如何利用这些功能的一个例子是铁路道砟——铺设枕木的道床。安装在火车头底部的挂载无人机或摄像头可以使用 TYQ-i 来检测需要补充道砟的区域，以及由于安全或其他操作问题而应避免的区域。然后，该信息将传送至道砟铺设和捣固机，以便其可以仅在适当的区域自动开展维护。

通过 TYQ-i 实现扩展性和灵活性

为了获得 Ignitarium TYQ-i 平台的准确性和可靠性，它最初使用 TensorFlow 和 PyTorch（两种最流行的机器学习和神经网络开源框架）进行了训练。该训练最初是在功能强大的英特尔^® CPU 和 GPU 目标上进行的，为平台的人工智能功能提供了坚实的基础。

但为了真正在各种用例中扩展性能，Ignitarium 认识到需要更通用的处理解决方案。这促使我们决定将 TYQ-i 迁移到英特尔^® 酷睿^™ 和至强^® 处理器。虽然不是常见目标，但英特尔^® Arria^® 家族高性能 FPGA 上甚至有一个端口。

这些处理器的互操作性有助于公司控制成本。Joseph 解释说，“如果工作负载比较繁重，我们会选择服务器级机器”。但对于较轻的工作负载，该公司使用第 12 代英特尔^® 酷睿^™ 处理器等解决方案，该处理器可以通过其内置的英特尔^® 核芯显卡的集成显卡处理器 (IGP) 加速人工智能。

迁移到英特尔^® 处理器还带来了额外的优势。例如，它使 Ignitarium 能够利用英特尔生态系统强大的软件基础设施，该基础设施提供了广泛的工具和资源来优化性能和效率。

OpenVINO^™ 人工智能工具套件就是这样的工具之一，Ignitarium 使用它来进一步优化 TYQ-i。OpenVINO 旨在促进人工智能应用在边缘的部署，为各种神经网络架构提供支持，并提供一整套用于优化性能的工具。

由于该工具套件支持多种英特尔处理器，Ignitarium 可以选用一个处理器，并且 Joseph 解释说，“代码只需编译并运行即可”。同时，OpenVINO 提供各种工具，帮助开发人员充分利用他们选择的处理器。Joseph 说，“我们利用工具套件可以提供的一切进行优化”。

所有这些功能使 TYQ-i 能够在从边缘设备到基于云的系统的各种环境中运行。在边缘，TYQ-i 可以实时处理数据，提供即时洞察并可实现快速决策。这在低延迟至关重要的情况下尤为实用，例如检测高速铁路线上的缺陷。

对于更大规模的应用，TYQ-i 还可以部署在云端，以支持大量数据并执行更复杂的分析——这是监控大范围铁路网络的实用功能。

这种灵活性使其能够部署在广泛的场景中，使其成为适应性强的基础设施监控解决方案。

基础设施检查的未来就在眼前

铁路巡检行业面临巨大的挑战。从一望无际的铁轨到高度多样化的环境，该行业迫切需要创新的解决方案。Ignitarium 的 TYQ-i 平台融合了人工智能和计算机视觉技术，为这些挑战提供了强有力的应对之策。

TYQ-I 的自定义人工智能模型经过磨练，以最少的客户数据集实现了高性能，提供了一种可以轻松融入现有工作流程的解决方案，消除了对新方案用于老问题的偏见。最终的解决方案赢得了美国各地轨道维护人员的青睐。

展望未来，我们清楚地看到，像 TYQ-i 这样基于人工智能的计算机视觉解决方案，将在基础设施巡检行业转型中发挥至关重要的作用，为所有人提供更出色的准确性、效率和安全性。

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

图形处理器 (GPU) 已成为工业物联网 (IIoT) 的重要资源。嵌入式解决方案提供商 DFI 的解决方案产品经理 Waterball Liu 表示，任何需要高度密集计算的应用（例如，机器视觉处理、数据分析或机器学习应用）都可以从 GPU 受益。

但是，对于将上述严苛的工作负载整合到单个系统中的多功能平台来说，对性能的需求尤其强烈。添加图形显示到组合中（这些整合系统中的常见功能），而 GPU 变得更加重要。

接下来的挑战就变成了如何共享 GPU。

现代工业物联网系统通常使用虚拟化或容器来整合工作负载，但这两种技术都会在 GPU 级形成性能限制瓶颈。这一切都归结为复杂性。随着时间的推移，虚拟化技术逐渐扩展至包括内存、I/O 设备、网络和存储，但并非所有硬件组件都可以轻松虚拟化。

显卡技术就是最好的例子：现代 3D 渲染管道的高度复杂性、不同厂商的 GPU 之间缺乏统一的指令集标准，以及高度可编程的 3D 应用程序编程接口，使得 GPU 驱动程序变得类似于高级语言编译器，这也提高了 GPU 虚拟化的技术要求。

对于工业物联网平台开发人员来说，他们的主要目标是以最低的成本和资源利用率更充分地利用单个系统，而这些障碍通常会使围绕 GPU 技术构建工作负载整合系统变得费力不讨好。

SR-IOV 在 GPU 虚拟化中的作用

但如果出现某个问题没有相应的解决方案，那么从技术角度一定会找到解决办法。

例如，PCIe 标准单根 I/O 虚拟化 (SR-IOV) 定义了一种通过将物理设备划分出多个虚拟功能来共享物理设备的方法。SR-IOV 已广泛用于虚拟化网络适配器，这意味着它提供了一种易于理解且经过彻底现场测试的编程模型。

但当该技术应用于 GPU 的新环境时，每个虚拟机 (VM) 或容器都可以获取具有接近本机性能的显卡功能。

Liu 解释说，“SR-IOV 降低了虚拟化环境的开销。它使近 100% 的 GPU 功能可用于虚拟化应用程序。”

SR-IOV 的实际应用：性能游戏规则的变革者

过去，工业工作负载整合所需的高性能 GPU 只能以昂贵的独立芯片的形式提供，这给工业系统带来了不必要的成本。但当今的主流处理器，如第 12 代英特尔^® 酷睿^™ 嵌入式处理器，在其集成显卡引擎中提供具有相当高性能的 SR-IOV。Liu 指出，“英特尔^® 处理器中的集成 GPU 为工业计算提供了经济高效且可靠的解决方案，并且无需额外的独立 GPU”。

这种简化的 GPU 加速方法为优化工业工作负载开辟了新的可能性。Liu 以检测系统为例。他表示，“这些系统需要大量的计算能力来执行与 AI 相关的任务，例如缺陷检测和图像识别。借助集成显卡和 SR-IOV，这些系统能够以最小的系统复杂性高效地执行这些应用程序”。

例如，采用 SR-IOV 的第 12 代酷睿处理器至多可支持 4 个独立显示器和 7 个虚拟化功能。图 1 说明了多达 7 个虚拟机如何独立访问这些功能。

Liu 解释说，在实际应用中，SR-IOV 的影响是非常显著的。作为第一家在搭载集成显卡的英特尔处理器上验证 SR-IOV 的公司，DFI 通过在其 ADS310 microATX 主板上运行两个虚拟化 Windows 10 操作系统（一个采用 SR-IOV，另一个不采用 SR-IOV）来展示性能的提升。

在概念验证中，将一个视频文件通过两个操作系统从本地存储进行流式传输，并通过 Wi-Fi 和 100 Mbps HDBaseT 以太网传输到远程显示器。未采用 SR-IOV 的设备的显卡吞吐量约为 28 fps，而采用 SR-IOV 的设备的显卡吞吐量为 60 fps（这是实现流畅显卡渲染的常见目标）。

当然，SR-IOV 带来的性能提升不仅仅局限于视频流；该技术可应用于工业环境中的大量人工智能物联网 (AIoT) 工作负载。例如，该技术是 DFI 虚拟化工业自动化和零售业解决方案的核心。

Liu 解释说，“您现在只需要一台计算机即可输出到多个屏幕。想象一下工业产品线，其中每个制造阶段都有自己的显示器。每个阶段的显示器可能只是暂时运行。”

他继续说道，“过去，此类应用需要许多台计算机，或一台搭载功能更强大且昂贵的独立显卡适配器卡的计算机。但现在，使用一个英特尔嵌入式处理器即可。”

高效人工智能物联网充满前景的未来

英特尔^® 显卡 SR-IOV 正在成为工业自动化和人工智能物联网应用领域潜在的游戏规则改变者。通过使高性能应用程序能够在集成 GPU 上高效运行，它为提升效率和功能开辟了新途径。

AI 的潜在优势尤其引人关注。Liu 表示，“越来越多的 AI 应用需要强大的计算能力，应用越来越复杂，功能也各不相同。因此，新一代处理器和显卡将为 AI 和其他应用需求提供更灵活、功能更强大的解决方案。”

他总结说，“通过 SR-IOV，我们将开启工业物联网发展的新篇章。”

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

世界各地的学校都在想方设法提高学生参与度，改进教学质量并改善学习成果。智能课堂（联网数字设备套件、协作工具和学习软件）是实现这些目标的强大工具。

但尽管其十分有效，智能课堂技术实施起来仍面临挑战。硬件设计和制造商 Elitegroup Computer Systems 营销经理 Amanda Lin 表示：“对许多学校来说，现有的数字学习系统不但价格极其昂贵，而且异常复杂，意味着教师需要花费大量精力才能掌握这种技术。在互联网连接能力有限的区域，维持运行此类解决方案所需的稳定网络也非常困难。”

但新一轮的智能课堂技术可以帮助克服这些障碍。搭载高性能、低功耗处理器并采用基于边缘的设计原则，简单、经济高效的智能课堂套件可在几乎任何环境中实现数字学习的优势。

运行中的智能课堂解决方案

Elitegroup 在肯尼亚的部署就是一个范例。

肯尼亚政府正在推进一项数字素养计划，旨在为全国的每所公立小学部署信息和通信技术 (ICT)。这是一个浩大的工程，但由于肯尼亚的许多学校都位于乡村地区，网络连接能力有限且缺乏 IT 资源，这让情况变得更加复杂。

肯尼亚之所以选择 Elitegroup 作为技术合作伙伴，帮助对大量学校的课堂进行数字化改造，部分是由于该公司的 ECS 智能课堂套件提供了无论是否具有互联网连接均可运行的一站式解决方案。

Elitegroup 解决方案的核心为一台称为“内容管理接入点”(CMAP) 的硬件设备，该设备将充当无线接入点和文件服务器，用于存储教学内容并连接课堂的数字设备。由于能够联网多达 50 台设备，CMAP 可用于共享无线互联网连接，或在连接不可用时设置本地课堂内联网（视频 1）。

视频 1。智能课堂解决方案实现了交互式学习体验，改进了课堂管理。（资料来源：COE GP）

通过与肯尼亚政府和当地合作伙伴合作，Elitegroup 帮助为 13,500 个课堂装配了智能课堂技术，培训了 30,000 位教师，并使 695,000 名学生从中受益。在项目的主要实施阶段，Elitegroup 及其合作伙伴平均每周设置 500 个课堂。

这显然是团队努力的结果，但该套件的技术堆栈 — 旨在启用即插即用设置并提供稳定、顺畅的课堂网络 — 也帮助简化了实施工作。Lin 认为，Elitegroup 与英特尔的技术合作是使该套件非常便于用户使用的一个重要因素：“英特尔处理器和 Wi-Fi 模块提供了经济高效的计算能力和稳定连接。CMAP 中的英特尔 CPU 提供了高效、低功耗处理能力，可满足整个学校的日常教学需求。”

弥合数字与经济鸿沟

低成本、易于部署的智能课堂套件最明显的优势是促进教学。学生可熟练掌握所需技术，在 21 世纪的全球化经济中展开竞争。教师可利用富于吸引力的教学软件和数字课堂管理工具帮助改进课程质量。在任何学校教育体系中，这些都算是重要的成果。在发展中国家，它们的影响尤其深远，因为它们帮助弥合了当地学生与发达经济体中的同龄人之间的数字鸿沟。

但是，智能课堂给社区带来的社会经济效益也远远超出了教育层面。例如，在肯尼亚部署中，Elitegroup 与其技术合作伙伴和其他利益相关方合作，在肯尼亚莫伊大学设立了本地硬件装配厂以及一家服务呼叫中心。

Lin 说：“智能课堂技术为建立真正的变革式合作伙伴关系创造了机会。我们在肯尼亚的目标不仅是在技术培训方面与教师和学生进行密切合作，而且还旨在帮助当地经济体增加业务并提供就业机会。”

智能课堂解决方案与教育的未来

未来，预计会有更多的学校系统 — 而不仅仅是在新兴市场 — 开始利用一体式智能课堂套件带来的机会。尽管在偏远和服务水平低下的地区，采用这种技术具有巨大的优势，但它在旧金山、伦敦和东京也同样具有吸引力。经济高效、易于管理的智能教学功能 — 由丰富的教学软件生态系统提供支持 — 应引起关注预算、学生参与度和教育工作者赋权的教师及管理人员的关注。

长期来看，随着教师利用技术进步来提供更优质的教学体验，智能课堂的潜力会进一步增强。Lin 说：“我们已经在考虑如何通过整合 AI 功能并支持混合学习来增强智能课堂解决方案。未来，AR/VR 技术和 5G 连接的广泛应用将催生新的智能学习功能。”

对学校、家长和学生来说，这是一种 A+ 技术趋势，因为智能课堂将有助于使所有人都能够承担并接受优质教育。

由 insight.tech 的副主编 Georganne Benesch 编辑。