利用低代码平台更快地构建 AI 应用

Posted on by Micah Kaplan

无论目标是加快办公任务还是利用聊天机器人给客户留下深刻印象，当今的企业越来越渴望部署 AI 应用。

AI 应用一旦启动，就会极大地提升生产力。但创建这些应用可能会耗费大量时间，特别是生成式 AI 解决方案，由大型语言模型和图像识别系统驱动，需要进行大量的微调和测试。

现在，有更好的方法来实现 AI 解决方案。利用低代码平台，企业可以更快地开发定制 AI 应用。低代码应用更易于维护和定制，以适应未来的使用场景。

简化 AI 解决方案开发

在竞争激烈的 AI 应用领域，时间是一个关键因素，低代码 AI 平台开发商 Iterate.ai 的联合创始人、首席数字官兼首席技术官 Brian Sathianathan 这样表示。“许多公司都希望以创新的解决方案抢占市场先机。但这很难实现，因为他们的 IT 和科技团队已经非常忙碌”，他说。

Sathianathan 和他的同事创立了 Iterate，旨在简化 AI 应用构建流程，将开发时间从几个月缩短至几周。“平均来说，一个 AI 创意从概念变为现实的速度要快上八九倍”，Sathianathan 表示。“不复杂的 AI 解决方案的创建速度可以提升高达 17 倍。”

Iterate 通过为各种 AI 功能（例如聊天机器人、支付系统或图像识别）创建预先编写的代码块来节省时间。利用该公司的 Interplay 平台，开发人员可以将代码块拖放到自己的解决方案中。

“就像用卡车运来的零件建造一座豪宅一样”，Anton 说。“我们将整套厨房、卧室和浴室发给你，你可以非常快地将它们组装在一起。”代码块被组合成面向金融与保险、零售和汽车等行业的定制解决方案。

利用低代码平台节省时间

Interplay 的企业办公解决方案 GenPilot 使组织能够根据内部数据和文档构建自己的生成式 AI 大型语言模型 (LLM)。许多 LLM 专注于财务规划或物流管理等任务，GenPilot 允许公司选择其偏好的模型。虽然 ChatGPT 和 Microsoft Copilot 等公共 LLM 解决方案也可以用于生成式 AI 解决方案，但一些公司对将信息上传到这些平台仍犹豫不决。

“公共模型在多租户云环境中共享。我们提供一个安全的私有环境，各公司可以在本地运行其模型”，Sathianathan 表示。银行、保险公司和其他组织还可以制定符合不同地区数据管理规定的合规规则。

对于员工而言，GenPilot 可以跨数据库收集和解释文档，从而节省数小时的时间。例如，如果一名保险客户通过电子邮件向公司代表提出问题，但忘记提供保单号码，GenPilot 不仅会找到保单号码，还会确定保单如何适用于问题、客户为服务支付的金额以及变更是否会改变费用。然后，它会撰写回复给客户的电子邮件。

“它会用简明易懂的英语进行智能回复”，Sathianathan 说。公司可以设置规则来控制回复的语气和技术水平。

对于非结构化文档（如 PDF），员工可以使用另一个解决方案，Interplay OCR Reader。该应用程序可以将图像转换为机器可读的文本并启动工作流程。例如，当银行员工将客户的扫描文件上传到 OCR Reader 后，它会提取相关信息，并将其输入到贷款申请表中。

简化零售业 AI 管理

Iterate 最新的解决方案之一是 Interplay Drive-Thru，它可以构建语音聊天机器人，用于在繁忙的快餐店 (QSR) 接收客户订单和提供追加销售建议。

长期劳动力短缺问题往往使 QSR 员工身兼数职，不仅要包装食品、收款，还要为店内顾客以及得来速顾客提供服务。“聊天机器人能给他们多一些的喘息空间”，Sathianathan 说。订单处理速度更快，顾客的排队时间缩短，餐厅的吞吐量提升。

得来速餐厅和其他零售商可以通过 Interplay 的 LPR（车牌识别）解决方案加快支付速度。顾客需提供其车牌和信用卡的照片，这样只要他们到达参与的商家，就会被计算机视觉摄像头识别。Interplay LPR 符合 GDPR 和其他隐私法规，目前已部署在欧洲 1,000 多家加油站和便利店。

“它会自动为顾客打开油泵并收取油费。这些操作在 30 毫秒内完成”，Sathianathan 说。

Interplay 的 LLM 解决方案部署在英特尔® 处理器上。对于企业来说，在高性能 CPU 上运行的应用程序要比那些还需要 GPU 的应用程序（许多 LLM 解决方案就是如此）更具成本效益。

“只使用 CPU 的系统每台机器的成本为 2,500 至 4,000 美元。同等的 GPU/CPU 组合为 8,000 至 12,000 美元”，Sathianathan 表示。零售 IT 团队也更熟悉标准操作系统，从而减少了培训时间。

部署低代码解决方案后，开发人员可以轻松地将相同的 Interplay 代码块移至新的解决方案，而无需整理数百万行代码来进行更改。此外，Interplay 的代码块使用英特尔® OpenVINO™ 工具套件，使开发人员能够更高效地优化其 AI 应用。“利用 OpenVINO，最多可以节省 350% 的计算能力。这是一个巨大的优势”，Sathianathan 说。

低代码 AI 解决方案的光明未来

当今的 AI 应用使各公司能以几年前无法想象的方式实现流程自动化，Sathianathan 表示。“AI 解决方案可以进行电话销售。它们可以生成法律文件，而传统上制作这些文件的成本非常高。”

利用低代码构建块，小型企业和大型企业都可以快速且经济地开发出类似的解决方案。这将有助于扩大 AI 应用的覆盖范围，并创造公平的竞争环境，Sathianathan 表示：“很快，你就会看到许多新的自动化功能被开发出来。初创公司将能够发挥出超越自身的实力，并且所有人的成本都将持续下降。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

内置功能安全加速机器人开发

Posted on by Micah Kaplan

在当今的工厂和仓库中，机器人不再与人类各行其事。两者经常并肩工作，机器人承担运输重物等艰巨的任务，或者承担喷漆或码垛货物等重复的事务。

这些协作性的机器人或称为“协作机器人”不仅提高了效率，还降低了员工肌肉紧张或受伤的风险。但要确保它们与人安全地交互并不是一件容易的事情。机器人开发人员可能需要花费数年时间来构建、测试和复测安全功能，这些功能必须满足严格的认证要求。这会延误他们发布具有最新和最强功能的产品型号，并导致创收时间变长。

但现在机器制造商有一种方法可以更快地将他们的机器人推向市场。使用预先认证的处理器、控制板和电子设备构建它们可以节省数月或数年的开发时间。

更快的机器人开发

像与人类协作的机器人这样的关键系统必须包括强大的功能安全 (FuSa) 控制。FuSa 是一种国际标准方法，用于自动检测和缓解关键系统中的电子系统故障（这是指可能对人员造成伤害的故障）。例如，机器人的 FuSa 系统表明它偏离路线或行驶速度太快，它将发送信号以停止所有移动部件。

为了让他们的协作机器人获得批准，开发人员必须为他们执行的每一个可能影响人类的动作建立 FuSa 控制。它们的行进速度、从人手中抓住物体所用的力量、旋转时施加的扭矩 — 这些以及许多其他变量必须满足严格的 ISO 标准，有时还要满足特定国家/地区的标准。与功能安全相关的硬件和软件都必须获得认证。

对于硬件，机器人嵌入式计算机中的数千个电子组件都必须通过合格机构获得认证。如果开发人员从头开始构建机器人，这个过程可能需要几年时间。“这就是我们创建使用预先认证的 CPU 的安全控制器的原因，” NexCOBOT 的机器人产品经理 Weihan Wang 说道，NexCOBOT 是新汉国际有限公司旗下的公司，也是智能机器人控制和运动控制解决方案的开发商。

NexCOBOT SCB 100 安全控制板包含经过预认证的英特尔凌动® x6000 系列处理器，为 NexCOBOT 及其开发人员客户节省了时间。“我们不需要证明 CPU 是安全的，因为英特尔已经做到了，” Wang 说。此外，整个 SCB 100 主板本身也经过 FuSa 认证。

除了芯片和软件外，英特尔还提供安全手册、安全分析和用户指南等技术文档，这也使认证流程更快、更简单。

所有硬件均经过预先认证后，使用 SCB 100 板的机器人制造商便可以立即开发其应用程序，而无需先等待硬件获批。它们可以使用内置的英特尔软件库进一步加速软件开发，从而能够轻松导入现有应用，并开发定制安全协议，以满足特定客户需求。

确保面向关键系统的 FuSa

SCB 100 控制板通过集成到英特尔处理器中的英特尔® 安全岛（英特尔® SI）来保护机器人的操作。安全岛支持功能安全、协调英特尔片上诊断、报告错误并监控客户安全应用程序。当机器人运行时，安全岛会不断实时检查其方向、速度、力和其他因素的计算，以确保其正确运行。“有一百多个不同的问题可能会导致错误，包括电源偏差或内存故障，” Wang 说。

如果发生安全错误，系统会立即停止机器人，并将有关问题的反馈发送给操作员的系统集成商。

这些处理器具有运行多个人工智能和计算机视觉工作负载的性能，将非安全运动控制与安全应用相结合。这允许开发人员构建更多功能，同时节省空间和资金。其结果是机器人变得更轻量、更紧凑，客户更容易在狭小的空间内安装和部署。

未来：机器人是我们的合作伙伴

随着机器人学会做更多事情，它们与人类的互动开始不再像命令和控制，而更像团队合作。例如，开发人员可以不用手持安全挂件进行机器人训练，而是直接将一个未完成的零件交给机器人，然后引导它将零件放到数控机床上进行轮廓加工。

“未来，人类与机器人之间的协作将会越来越多，” Wang 说。在未来五到十年内，他预计将看到“人形”机器人（配有人造手臂和腿）在工厂、商店和仓库中与人们一起工作。

机器人在与人类合作时承担的职责越多，它们需要的内置安全性就越高。Wang 表示，监管机构曾经要求开发商提供两到三个 FuSa 控件，现在要求的数量已超过 30 个。随着功能更强大的机器人进入工厂和仓库车间，发布具有先进功能的模型的压力将会增加。使用预认证的安全控制板将帮助开发人员更快地将高度复杂的模型推向市场。

Wang 表示，使用高性能芯片也会有所帮助，并补充道，“高端计算性能使机器人能够执行大量安全功能，而且无需使用多个 CPU 即可完成。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

医疗保健领域利用人工智能提高诊断准确性和速度

Posted on by Pete Berta

医疗保健领域中的人工智能正在改变诊断医学面貌，帮助医生更准确地确定病因，改善患者治疗效果。

在内窥镜检查过程中使用边缘人工智能即为一个典型示例。内窥镜检查是将一根带有摄像头（内窥镜）的管子插入体内，以获取患者器官和组织的图像或视频。内窥镜检查有多种用途，但除其他方法外，该检查也是帮助胃肠道 (GI) 内科专家筛查癌症的重要诊断工具。通过内窥镜检查，医生可以发现息肉（良性但有潜在问题的生长物），尤其是腺瘤（医生认为是癌前病变的息肉）。

但即使是最有经验的医生也可能很难可靠地解读内窥镜检查的图像。

“医学文献告诉我们，医生在结肠镜检查中未能发现息肉的比例高达 22% 至 28%”，Sabrina Liu 表示，他是全球多元化计算产品开发商 ASUStek Computer Incorporation 的产品工程师。“这本身就是一项困难的工作：有些腺瘤非常小，很难看到，而息肉形态各异，在视频画面中很容易被忽略。”

除了内窥镜技术上的挑战，还存在人类的基本限制。例如，医生在漫长的轮班结束时，可能会比一天开始时更疲劳，更容易出错。在解读医学图像方面，初级临床医生不可能像经验丰富的同事那样精通。

当今的创新解决方案利用边缘人工智能和计算机视觉来增强传统的内窥镜设备。这些系统已经在真实临床环境中应用，并取得了良好的效果。

临床应用显示准确性提高

目前在台湾多家医院使用的华硕内窥镜人工智能解决方案 EndoAim 就是一个很好的例子。

该系统每秒分析多达 60 张图像，实时在屏幕上突出显示人工智能检测到的息肉，提醒医生注意可能遗漏的任何事项。如果他们想更仔细地检查感兴趣的区域，可以切换到窄带成像（NBI），系统会自动将选定的息肉分类为腺瘤或非腺瘤。医生还可以使用该系统对息肉进行一键测量，而此前则通常借助肉眼判断来确定息肉大小，准确率相对较低，约为 62.5%。

该解决方案在临床环境中取得的成果令人印象深刻。“医生们发现腺瘤检出率平均提高了 15% 至 20%，” Liu 指出。“在小息肉检测方面也有明显改善，同时还节省了时间，因为医生现在可以通过内窥镜检查更快速、更准确地测量息肉。”

AI 工具套件、边缘硬件和协作加速产品上市

利用边缘人工智能提高内窥镜检查的准确性和诊断一致性可能会对许多医生产生吸引力——这些系统的物理特性也进一步推动了采用。

EndoAim 基于微型边缘 PC，外形小巧，仅为 12 厘米 x 13 厘米 x 5.5 厘米——这对于空间有限的医院检查室来说是一个重要考虑因素。此外，该系统可以连接到现有的内窥镜设备，无需专门的医疗硬件，使临床医生可以更轻松、更经济地立即开始使用人工智能。

华硕与英特尔的合作对于开发出适销对路的产品至关重要。“集成显卡处理功能的英特尔 CPU 帮助我们缩小了解决方案的整体尺寸，并实现了 60 FPS 的图像分析速率，这是目前医生所能获得的最高速率，” Liu 表示。“利用英特尔® OpenVINO™ 工具套件，我们还优化了计算机视觉模型，使其能够更流畅、更高效地运行。”

两家公司的合作展示了如何通过技术合作为医疗器械买家提供强大的解决方案——并且速度比以往任何时候都更快。

“我们于 2019 年开始 EndoAiM 研发，并在 2020 年底拥有早期模型，这时我们向英特尔寻求工程支持，” Liu 表示。“到 2021 年，我们已经有了想要推向市场的产品版本。”

人工智能在医疗保健领域的未来：消化内科及其他方面

事实上，解决方案提供商可以更快、更有效地创新边缘人工智能系统。这对医生、患者和医疗保健系统集成商来说是个好消息，因为这无疑会在未来几年中促成其他用例。

华硕目前的内窥镜检查系统已经在研究其中的一些新用例。Liu 指出，公司计划将计算机视觉解决方案扩展到消化内科的其他方面，例如分析上消化道和胃的图像。此外，华硕的工程师们还在研究如何利用人工智能打造超越检测和诊断支持的解决方案，实现疾病预测，帮助医生更早地发现潜在问题，使患者可以更快地开始治疗。

除消化内科外，EndoAiM 背后的计算机视觉算法最终还可应用于其他类型的医学成像。“我们认为这项技术有潜力扩展到分析超声波、X 射线、核磁共振成像等图像，” Liu 表示。“这里蕴藏着帮助人们的巨大机会，我们很高兴能听取不同医疗领域临床医生的意见，了解如何能开发出满足他们需求的解决方案。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

边缘 AI 为海运港口管理铺平道路

Posted on by Pete Berta

国际贸易货物大多数通过海运运输，因此港口是商业和经济增长的重要引擎。但随着人口的激增、新兴经济体的发展以及全球贸易量的增加，海港面临着严峻的挑战。

“如今，港口当局正在努力管理港口内外导致效率低下和延误的车辆交通情况，” Sim Tiong Yan 表示，他目前担任 智慧城市解决方案提供商 Gamma Solution SDN BHD 的业务开发经理。“工人安全和港口安全也是主要关注的问题。”

具有讽刺意味的是，最重大的港口交通挑战并不是船舶，而是运输货物的陆地车辆。这可能让人感到意外，但港区地面交通问题如此严重有以下几个原因。

每辆抵达港口的卡车都必须首先向港口当局报到。登记流程通常由人工操作，可能相当缓慢——导致等待登记的车辆排成长队，造成交通瓶颈。此外，驾驶员有时还不遵守港口交通规则：在禁止停车区停车、超速行驶、在单行线上逆向行驶或停留时间超过规定时间。这可能会干扰运营，进一步减缓进出港口的交通流量。

此外，不断出现的港口堵塞问题也引发了对环境的关注，因此必须提出创新的港口管理解决方案。

港口交通管理的挑战和解决方案

好消息是，基于边缘 AI 和计算机视觉的智慧城市解决方案有助于更有效地管理港口交通，同时改善港口安全和安保。这些解决方案基于灵活的模块化边缘硬件，可部署到世界各地的港口，并根据当地需求进行定制。

例如，Gamma TITANUS EYEoT 解决方案采用光学字符识别 (OCR) 在车辆进入时自动登记每辆车的车牌，并捕捉卡车司机需要的货物集装箱代码，从而简化车辆登记手续。计算机视觉技术可帮助检测非法停车和交通违规行为，并记录每辆车在港口停留的总时间。检测到问题时，官员会收到警报，以采取纠正措施。

边缘 AI 提供安全、安保和设备监控功能

Gamma 的解决方案有助于解决港口管理者面临的关键安全挑战，例如检测防护帽和反光背心，帮助确保工人遵循正确的程序。该系统的人工智能物体识别算法还可以区分人和车辆，如果有人闯入车辆专用区，或者卡车通过行人区，系统就会向港口经营者发出警告。

此外，该系统还包含针对敏感和潜在危险机械的设备监控功能。例如，港口通常有化学设施，此处的储罐将处于严格监控下，以确保其温度不超过安全范围，因为过热的储罐可能会引发火灾或爆炸。TITANUS 系统使用热敏摄像头和人工智能分析测量罐体温度，一旦发现危险，就会向安全人员发出警报。

摄像头与人工智能结合还能提供更有效的港口安全保障。基于 Gamma 计算机视觉的入侵检测模块可以识别试图潜入港口的未经授权人员，但不会在物体落在周围的围栏上时发出错误警报。生物识别技术允许分级进入港口内的子区域。例如，IT 技术人员可被允许进入办公区，但不能进入工业区。

东盟案例研究凸显定制潜力

智慧城市解决方案的一个很好的示例来自 Gamma 在南亚港口的自定义部署。港口经营者希望解决多个安全和效率问题。Gamma 的工程师提出了三种可能的实施方法：

  • 在边缘人工智能盒子和人工智能摄像头上运行系统，所有处理和自动化都在边缘执行。
  • 将标准 IP 摄像头连接到后端服务器，在服务器上进行人工智能分析和决策。
  • 采用混合方法，使用带有边缘人工智能盒子的 IP 摄像头，在边缘执行部分人工智能分析工作负载，同时通过后端服务器确定自动响应操作。

最终，混合方案被选定为成本和性能达到最佳平衡的方案。港口经营者发现，车辆登记处的交通流量有了显著改善。他们还解决了码头工人反复进入潜在危险区域这一长期存在的安全问题。在实施该解决方案的前一年，港口曾发生过 50 多起工人违规进入限制区域的事件。解决方案实施后，事故数量已降至零。

Gamma 与英特尔的技术合作有助于将该解决方案推向市场，并使其更容易提供灵活的部署选项。“英特尔工程师帮助我们优化人工智能模型并提供基准测试工具，使我们能够选择部署所需的确切硬件规格，” Yan 表示。“硬件性能基准测试支持的确有助于赢得客户，因为我们可帮助客户控制成本并根据他们的需求量身定制解决方案。”

城市更加智慧、可持续性更高

未来几年，世界面临的环境和航运挑战将变得更加严峻。港口当局、城市管理者和系统集成商 (SI) 可能会对提高港口效率的可扩展、可定制解决方案非常感兴趣。

这些解决方案的灵活性为政府和系统集成商带来了另一个好处，因为它们所基于的技术可以很容易在调整后用于其他智慧城市用例。

“智能港口管理解决方案与智能城市、制造业和物流业的用例有很多重叠之处，” Yan 表示。“这些系统还可用于确保仓库安全、改善工厂工人安全或管理社区交通流量，使我们的城市更智能、更安全、更可持续。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

人工智能监考助力考试公平透明

Posted on by Micah Kaplan

传统的课堂考试需要教育工作者或监考人员监督，以确保考试公正性。如为在线教育，远程监考软件可满足这一需求。它的工作原理是通过网络摄像头记录考生行为，并使用远程人工监考或人工智能算法监控他们的活动。安全的远程监考为教育工作者和学生提供了维护学术诚信所需的监督——即使他们不在同一个房间中。

在线考试尤其容易受到安全问题和学术不诚信行为的影响。为了应对这些挑战，教育工作者需要能够实现虚拟监考的数字工具，以帮助在保持诚信的同时评估学生的学习成果。在线监考可以使用人工智能、软件、真人监考或任何组合。

“监考可确保考试以公平、透明的方式进行，” Deepak MK 指出。他目前担任 人工智能教育技术公司 ExamRoom.AI 的数据科学副总裁。“通过监督考生，监考工作有助于维护教育和专业证书的诚信。”

人工智能监考流程

ExamRoom.AI 为学校和其他机构提供了一个流畅且高度安全的综合平台，可在全球范围内监考。教育工作者可以通过学习管理系统 (LMS) 和基于网络的监考平台开展考试并跟进学生的学习成果。

考生通过网络摄像头登录并参与考试，而同时人工监考员将指引他们完成身份验证过程。该平台限制考生篡改网络摄像头、复制和粘贴文本以及共享屏幕。“除了这些基础功能，我们还开发了控制硬件和软件内核的安全算法，以及指纹识别、面部扫描和语音识别等生物识别监控，以进一步防止作弊，” MK 表示。

由于许多学校和企业使用其他教育技术工具，该平台可与 Blackboard 和 Canvas 等流行的 LMS 平台集成。ExamRoom.AI 还与客户合作定制 API 和平台的用户界面，为客户品牌贴上白标——例如调整字体大小和徽标等细节。

个人隐私：平台基础知识

个人隐私当然是学生和教育机构都非常关心的问题。ExamRoom.AI 遵循相关数据保护法规，如 GDPR、COPA、FERPA、ISO27001、ISO 9001 和 SOC II，具体取决于司法管辖区和所处理数据的性质。除了遵守法规，该平台还通过多种方式保护个人信息：

  • 通过 ExamRoom.AI 传输的所有数据都经过加密，以确保敏感信息在传输过程中的安全。
  • 在收集或处理任何数据之前，会告知用户有关数据收集的做法并征得用户明确同意。
  • 尽可能对个人数据进行匿名处理，以防止直接识别个人身份。
  • 严格的控制措施仅限出于有效用途的授权人员访问个人数据。
  • 平台仅收集和处理提供服务所需的最低数量的个人数据。
  • 作为一家获得 ISO 认证的公司，它定期接受审计和评估，以发现并解决任何潜在的漏洞或与数据隐私相关的合规问题。
  • 向用户提供关于如何使用其数据的明确信息，包括用途、接收者和保留期，从而提高透明度和信任度。

实现无障碍和个性化学习

当今教育环境面临的最大挑战之一是，既要适应不断变化的技术和方法，又要确保所有学习者都能使用教材。ExamRoom.AI 通过为学生提供友好的用户体验，并使教育工作者能够提供多模态内容和自适应学习路径来解决这一障碍。例如，在线考试可能会根据不同学生对前一个问题的回答情况，向他们提出不同的问题。“我们的工具可以帮助教育工作者适应不同的学习风格和能力，” MK 表示。“他们还可以利用该系统收集数据，帮助克服学习差距。”

随着技术在社会中占据主导地位，学生、教育工作者和企业都面临着为学生和员工做好准备以适应快速变化的就业市场的压力。“ExamRoom.AI 具有技能评估、职业指导和专业发展所需的工具，” MK 指出。“我们让教育工作者能够调整他们的教学方法，以培养批判性思维、解决问题、创造力和协作能力——这些都是在 21 世纪取得成功的必备技能。”

面向未来而打造

英特尔技术在 ExamRoom.AI 解决方案中发挥着至关重要的作用，其中包括可提高人工智能模型训练和推理过程速度和效率的最先进的 GPU 硬件。该公司与英特尔合作优化各种机器学习模型，包括用于物体检测、语义搜索、标签生成和翻译的模型。与英特尔公司合作有助于对这些模型进行微调，以提高性能、效率和准确性。

随着教育领域不断采用量身定制反馈和自适应学习路径等人工智能驱动工具，MK 期待继续与英特尔合作：“虚拟监考和远程考试解决方案将持续进步，以保障在线考试环境的诚信。在英特尔的支持下，我们将继续利用大量数据集来重新训练和完善人工智能模型，确保其保持有效性和相关性。”

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

人工智能无处不在——从网络边缘到云

Posted on by Pete Berta

在最近的一次发布会上，英特尔首席执行官 Pat Gelsinger 不仅介绍了新产品，还提出“人工智能无处不在”的概念。在介绍第五代英特尔®至强® 处理器和英特尔®酷睿™ Ultra 处理器时，Gelsinger 谈到了英特尔如何努力将人工智能工作负载引入数据中心、云和边缘。

现在，在与英特尔® 以太网产品北美渠道销售支持经理 Gary Gumanow的对话中，我们将进一步了解人工智能无处不在的概念和网络边缘的作用。Gary 的职业生涯一直专注网络领域，这可能也是 他被称为“Gary Gigabit”的原因所在。Gary 曾在纽约市的一些顶级律师事务所从事系统集成工作，与英特尔分销商和解决方案提供商密切配合。Gary 表示，了解技术、客户需求以及产品如何通过渠道流通是他最关心的问题。

当英特尔谈到人工智能无处不在（从数据中心到边缘设备）时，这对网络边缘意味着什么？

人工智能无处不在意味着从边缘到网络核心，再到数据中心。我们所说的边缘是指端点：传感器、摄像头、服务器、个人电脑、适配器——连接到网络的设备。而内核是指为边缘提供服务的组件。数据中心中的人工智能并不是什么新鲜事物，它拥有处理大型人工智能负载的能力和存储。但在边缘进行推理却是新事物。从紧凑型/坚固型电脑的处理能力到数据来回传输所需的时效性网络和连接，都面临着诸多挑战。

若干领域会影响网络，而网络对这些领域也很重要。人工智能对边缘设备意味着什么？人工智能模型的好坏取决于它所能获得的数据，但数据如何到达边缘设备，反之，数据又如何返回数据中心？

重要的是，您需要在那里放置合适的智能设备——合理调整架构，以免给数据中心之间的网络造成负担。这意味着使用合适的 CPU 实现人工智能无处不在，在提高性能的同时降低成本。

我们一直在努力提高网络设备的带宽、数据安全性和机密计算能力，这样当网络设备向下延伸到边缘时，它就能保证安全、低延迟，并具备连接数据中心和边缘所需的性能。在每瓦特性价比和优化功率方面做到低功耗和可持续。

让我们将这一想法扩展到工厂，在那里我们有人工智能和计算机视觉——可利用所有这些数据并在边缘进行推理。这里的网络边缘是什么样的？

无论你是否相信，有些工厂车间确实非常大，它们有自己的天气模式。目前，制造业和自动化领域最热门的话题之一是机器人设备之间的距离。当这些设备彼此隔开足球场那么大的距离时，它们如何进行通信呢？如何将实时数据传输到对装配线非常重要的边缘设备？

这也是制造商在工厂部署专用 5G 网络的原因——这样他们就可以从本地服务器或数据中心一直到这些端点进行通信。但这种类型的通信需要时间精确、低延迟和高性能。

因此，5G 虚拟化无线接入网络 (vRAN) 的基石之一是精确授时技术。而全球卫星定位 (GPS) 设备则是精确授时网络的关键要素。从本质上讲，网络具有原子钟，通常是一种网络设备，你的所有设备都与该设备同步。但这种方法既昂贵又只能专用。

对于 5G 而言，前向纠错（FEC）也很重要，它可以在数据流中进行前向纠错，这样就可以在传输过程中消除任何错误——既能精确授时，又能进行前向纠错。所有这些都会变得复杂。

例如，英特尔如何降低在工厂部署专用 5G 的复杂性？

我们已将这些功能直接内置到以太网产品中。以基于设备的原子钟技术为例，它现在已集成到我们的一些网络适配器中。您可以省去网络中的这些设备，并具有内置 5G 网络所需的授时精度。这样既省电、省钱，又简化了网络设计，因为不需要所有这些设备都回到原子钟上。它可以出现在节点上需要的地方。GPS 时间同步和 FEC 也是我们的网络适配器和设备内置的其他技术。

我们正在逐步将独立组件的要求缩小到更小的范围内。现在，英特尔® vRAN Boost 通过第四代英特尔®至强® 处理器的加速器完成大量工作。这是与 vRAN Boost 完全集成的大容量加速，可提高通过 vRAN 运行以太网所需的性能和计算。同样，这也降低了组件要求、功耗和整个系统的复杂性。

它如同英特尔公司的发展历程。将其整合到处理器或更少的组件中，并加以简化，使其更易于部署。另一个示例是以太网如何嵌入英特尔至强 D 处理器。片上系统 (SoC) 处理器具有以太网控制器逻辑，可在实际芯片中支持 100 千兆位。

它的大小适合网络设备或边缘设备，而不是云数据中心，因此内核较少，所需的功率也较低。它还专门用于处理网络流量和网络安全问题。英特尔至强 D 处理器“大小适中”，非常适合应销售和嵌入的位置。您可以将其部署在医疗传感器、网关、工业 PC 和工厂车间等所有需要近实时可操作洞察力的位置。

最后，您还有什么要补充的吗？

我们非常重视与多个供应商的互操作性。事实上，在人工智能领域，我们正在基于开放式 API 和开放式软件开发 HPN，即高性能网络堆栈。我们正在与 Broadcom、Arista、Cisco 等多家供应商合作。超以太网联盟向希望参与开放式生态系统并支持数据中心人工智能的组织开放。

我的客户告诉我，他们喜欢英特尔与业界合作的开放方式。这个即将在开放环境中实现数据中心以太网的联盟对于整个行业来说至关重要，因为人工智能可以真正延伸到尽可能大的范围。

显然，以太网经受住了时间的考验，因为它具有五大原则：向后兼容性、对带宽的无限需求、互操作性、开放软件和不断发展的用例。无论是 802.11、千兆位以太网还是 100 千兆位以太网，网络都是与 5G 相辅相成的结构，它将整个故事串联在一起，实现了从边缘到云端——人工智能无所不在。

 

本文由 insight.tech 的编辑副主管 Christina Cardoza 编辑。

医疗保健 AI 解决方案减轻护理工作负担

Posted on by Pete Berta

最近，我前往一家医疗机构进行例行的医疗检查，可能无意中给随访护士造成了过多的工作负担：由于冻得瑟瑟发抖，我三次要求提供一条温暖的毯子。我不是唯一一个发现床头呼叫按钮太过诱人的患者。

尽管护士的工作是为患者提供优质护理，但通常情况下她们往往处在满足患者 所有 需求的第一线，无论是要求多加一条毯子、一个枕头还是需要一杯水。这样的要求并不是对护士时间的最佳利用。“按下护理呼叫铃后，护士需要走到您的床前，处理您的请求，返回护理站，然后与营养或维护部门协调，” Paulo Pinheiro 指出 ， 他目前担任医疗优化解决方案开发商 HOOBOX Robotics 的首席执行官兼联合创始人。

鉴于护士职业倦怠和人手短缺率高，医疗机构正在尽最大努力优化护理资源。HOOBOX Neonpass 是一种基于智能手机应用程序的解决方案，可以解决效率低下的问题。为了寻找将人工智能应用于医疗保健领域的方法，HOOBOX 开发了 Neonpass，以满足患者需求，同时又不给护士造成过重的负担。该应用程序可识别请求并将其转发给医疗机构中合适的部门，必要时可绕过护理站。这种应用驱动的需求和交付方式为 Neonpass 赢得了“医院 DoorDash”的美誉。

医疗保健行业的 AI 优化工作负担

使用 Neonpass 不仅可以实现患者与专业人员的交流，还能以数字形式在护士和其他相关部门之间传递信息。过去，严格的规程要求护士呼叫医院的其他部门，而现在，医疗机构可依托数字平台发送信息。例如，护士可将饮食调整直接输入 Neonpass 解决方案，而无需通知营养部门（这样做有可能造成沟通不畅）。“Neonpass 可将所有信息数字化，营养部门会收到提醒；这比打电话更高效，也更不容易出错，” Pinheiro 指出。

Neonpass 包含三个 AI 模块。第一个模块用于检测患者的异常行为，假设患者的信息可作为潜在医疗需求的窗口。例如，频繁要求喝水可能预示着身体出现了问题，因此 Neonpass 可以提醒护士及早检查患者，以便进行有效干预。

“AI 将分析最后一次服药、手术、检查情况并给出风险评分，以便护士评估严重程度并确定就诊的优先次序，” Pinheiro 指出。AI 足够先进，能理解不同的药物或程序会引发可能被定性为异常的事件，并将这些参数纳入风险评分。

另一个 AI 模块用于评估患者使用 Neonpass 中嵌入的聊天机器人来应对心理健康挑战的情况。该模块可以检测用户是否感到孤独或有自杀倾向，并向工作人员发出相应的警报。

最后一个模块提供在各个医院的大型语言模型上训练的生成式 AI。例如，专业人士可使用 Neonpass 验证安全和预跌倒规程。该解决方案是对现有医疗专业人员培训计划的补充，他们可以使用 Neonpass 学习来认证课程。

AI 赋能的优化还可以通过通用平台提供业务洞察，这样管理层可利用有关信息来根据周期需求优化人员配置，甚至可将护士安排到更需要的楼层。

定制 AI 模型效果非凡

HOOBOX 团队熟知保护敏感患者健康信息 (PHI) 的严格法规。Neonpass 符合美国 HIPAA 和国际协定。除了使用英特尔硬件加密数据外，HOOBOX 还提供广泛的员工培训。“将每个人都变成人肉防火墙，” Pinheiro 表示。

巴西所有使用 Neonpass 的医院都从该解决方案中获得了惊人的投资回报。例如，圣保罗 Albert Einstein Israelite 医院的护理需求减少了 54%，每 10 张病床每月可节省 100 小时。圣保罗的 Santa Paula 医院则通过使用 Neonpass 节省了 75% 的护理时间。

HOOBOX 为每家医院量身定制 AI 模型。在巴西开展这项工作时，工程师们遇到了一个有趣的问题：由于该国不同地区有不同的方言和俚语，因此需要对模型进行相关训练，以确保 AI 解决方案能够理解来自不同背景的患者。英特尔® OpenVINO™ 工具套件有助于减少训练此类重量级模型所需的推理时间。Pinheiro 表示，该解决方案在带有集成加速器的英特尔®至强® 处理器上运行，有助于快速处理和提供洞察。

该公司与医疗机构合作，为其特定用例全程定制和部署 Neonpass，从确定参与解决方案的部门，到在床边安装二维码板，再到训练医院特定的 AI 模型。大多数医院先从护理、营养和维护部门开始，然后再将解决方案扩展到其他垂直部门。

医疗保健 AI 的未来

使用 Neonpass 可帮助患者快速获取有关程序、检查和化验的信息，使他们能够更多地参与自己的治疗。“我们认为这是未来的趋势，在合适的时间提供最相关的患者信息是患者所面临的巨大挑战，” Pinheiro 表示。

他还希望 Neonpass 能够不断进化，可在医疗机构之外提供持续性护理。Pinheiro 指出，对患者的随访电话能降低再入院率，但这种措施的扩展性不强。虽然护理方法仍然可通过应用程序来实现，但迁移到可穿戴设备也是可能的。通过向其他通信平台提供 API 接口，Neonpass 可以找到新的途径，在减轻医疗专业人员负担的同时，优先考虑患者护理。

Neonpass 希望将其影响力扩大到巴西以外，并进军北美市场。因此，或许下次我在医院需要一条温暖的毯子时，就不用再麻烦随访护士了，而是使用 Neonpass 应用程序。

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

无代码 AI 平台推动采矿安全

Posted on by Pete Berta

防止采矿环境中发生事故涉及许多活动部件。首先是感官超载：钻探和矿石运输作业声音很大，地下作业往往灯光昏暗。不同类型的车辆以不同的速度行驶，没有红绿灯，很难全面了解周围环境。加上长时间不停地换班，工人安全受到威胁的条件已经成熟。

幸运的是，采矿业可以利用计算机视觉 AI 解决方案应对危险环境（无论是地上还是地下）的挑战。机器学习和计算机视觉解决方案的无代码平台 LabelFuse 的首席执行官兼创始人Kelvin Aongola 表示，事故预防是采矿行业的首要任务，但没有应对挑战的标准化方式。

“企业正在寻求经济高效方法来解决这一问题，” Aongola 表示。我们的高级驾驶辅助系统 (ADAS) 专为采矿和长途卡车运输行业而设计，基本上充当事故预防平台，利用现有的闭路电视摄像头来捕获驾驶员疲劳和地面工作状况的准确图像。

计算机视觉 AI 检测疲劳

在采矿用例中，大型车辆被小型车辆包围，环境非常嘈杂。“如果您是驾驶员，则视线可能会被完全挡住，” Aongola 表示。事故预防涉及许多传统方法，以使驾驶员保持清醒。

计算机视觉解决方案能够捕捉疲劳的视觉线索——眼睛下垂、眨眼——这些可能很容易被人类忽略，并向司机发送提示。该计划还将驾驶员置于不同的环境中，了解车辆周围环境的情况，以更好地预测出现不良后果的可能性。“我们还将这些活动传输到控制中心，因此，如果驾驶员忽略了所有警报，控制中心就可以进行控制，” Aongola 表示。这些数据还可以在发生事故时帮助核实保险理赔。

鉴于 AI 算法可以扫描人脸，寻找疲劳和分心的迹象，那么隐私问题自然会浮出水面。Aongola 表示，但 LabelFuse 遵循数据隐私立法，不会将个人数据存储在云端，因为那里泄露的几率可能更高。该公司还仅在本地存储时间不超过几个月的元数据。

Aongola 表示，虽然事故预防是采矿业的当前用例，但 LabelFuse 解决方案配备了承受更大负荷的设备。该系统可以与 ADAS 配合使用，并在未来扩展到自动驾驶用例。“有可能超越我们所提供的具有我们现有设置的产品，” Aongola 表示。

渴望无代码解决方案

没有合适的 AI 专业知识的公司难以实施。“如果您了解计算机视觉是如何部署的，特别是在边缘，大多数公司都会进行小型概念验证，但他们面临的挑战是将其扩展为生产就绪的解决方案，” Aongola 表示。“他们要么难以微调模型，要么难以弄清楚如何使用合适的边缘设备来部署他们的想法。”

希望部署 AI 驱动的解决方案的企业渴望使用无代码解决方案，这样它们就可以专注于其主要价值主张，而不会成为 AI 优先的公司。无代码解决方案使软件访问变得普遍化，因为它们甚至使那些没有专业编程技能的人也能开发出可行的问题解决方案。预构建的组件和拖放功能使专业人员能够构建功能，而无需深入了解编程基础知识。

LabelFuse 通过其无代码平台满足了这一需求，该平台允许领域专家只需登录并选择特定于企业运营需求的模型。

英特尔边缘计算的优势

LabelFuse 依赖英特尔技术的原因有很多，包括成本合理。“在与客户交谈时，更容易完成交易，因为价格点不需要经过复杂的批准流程；他们可以随时做出决定，” Aongola 表示。

在云端存储数据是一项挑战，因此高性能边缘处理有助于降低成本和延迟。搭载第 13 代英特尔® 酷睿™ 处理器的英特尔® NUC ，可提供所需的所有性能计算。该设备外形小巧，安装方便，非常适合空间狭窄的车辆。NUC 可以放置在坚固耐用的外壳中，以适应采矿的恶劣环境。Aongola 表示，广为人知的品牌名称是另一个重要的有利因素，因为“技术已经经过验证，您不会使用没有名称的设备来帮助解决问题。”

计算机视觉 AI 的更广泛的采用

尽管 LabelFuse 已经发现它可就绪实施于采矿业中的事件预防平台，但用例已扩展到行业以外。任何因制造、现场服务或零售业等繁忙环境而引起员工注意力可能会下降的行业都可以从这些计算机视觉 AI 解决方案中受益。

Aongola 表示，计算机视觉的工作方式正在发生变化。人们想要可以与之交谈的解决方案，例如用于视觉数据的 ChatGPT 等效解决方案。LabelFuse 将此类生成式 AI 集成到边缘产品中，并已经看到了在该领域的巨大吸引力。

 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。

将数字体验引入现实世界

Posted on by Micah Kaplan

现实世界的工作空间曾经由静态布局、固定设备和有限的适应性所定义，而现在正经历一场变革性的转变。随着远程办公集成度提高，工作场所的概念正超越现实世界中的办公室墙壁，扩展到线上工作模式，在混合环境中打造流畅的数字体验。

这种包容和灵活的转变需要重新规划传统的工作流程和沟通渠道。位于这一范式转变前沿的是 Q-SYS，即先进音频、视频和控制系统提供商 QSC 的分支机构。该公司正在引领“高影响力空间”的概念，其设计不仅要考虑物理特性，还要考虑其提高协作能力和工作效率的潜力。

Q-SYS 软件技术高级副总裁 Christopher Jaynes 解释道：“这一切都聚焦于空间的结果。此前，我们谈及空间的物理维度，比如小型或大型会议室。如今，更重要的是这些协作空间的预期影响。高影响力空间的设计正是以此为目标，旨在改变我们在工作环境中的互动和协作方式。”（视频 1）

视频 1。来自 Q-SYS 的 Christopher Jaynes 解释了高影响力空间在协作和混合环境中的重要性。（资料来源：insight.tech）

重新定义混合环境

Q-SYS 开发了一整套先进的技术，包括 Q-SYS VisionSuite，以打造高影响力空间，改变会议室和协作空间。该套件集成了基于模板的配置、生物识别和动觉感知器等先进工具，可显著提高用户在这些空间内的交互和参与。

利用 AI 计算机视觉技术的力量，Q-SYS VisionSuite 为高影响力空间提供了能够预测和适应参与者需求的先进控制系统。这种自适应技术可根据每次会议的动态提供个性化的更新和交互。

Jaynes 指出：“这些领域的 AI 包括计算机视觉、实时音频处理、复杂的控制和执行系统，甚至是动觉感知和机器人。”

一直以来，视听行业都认为这种先进的交互方式过于复杂，成本过高。利用这些技术装备空间可能会增加多达 50 万美元的开支。如今，AI 颠覆了成本计算。“借助 AI 控制系统和生成模型，我们实现了这些功能的平民化，大大降低了成本，让更多用户可以使用先进的混合会议环境，” Jaynes 表示。

技术赋能协作空间

音频 AI 在高影响力协作空间中起着至关重要的作用。AI 不仅可以识别发言者并自动转录对话内容，还能根据会议类型调整会议室的声学效果。

Q-SYS 的一个突出功能是多区域音频。这样可确保每位参与者都能听到清晰、明快的声音，无论是在物理还是混合环境中。

该系统还能增强会议的动态效果，确保远程与会者从特定方向发言时，声音也能从房间内的同一位置发出。这种定向音频功能可营造身临其境的体验，模拟出面对面会议的自然流程，并将注意力集中在发言者身上。

此外，顾名思义，VisionSuite 利用了先进的计算机视觉技术。它提供了多摄像头导向体验，可自动控制摄像头和其他感官输入，丰富协作环境。这样可确保智能地处理视频分发，通过在发言人和演示文稿之间平稳切换聚焦来保持互动。

在装有多个摄像头的会议场所，该系统利用近距离传感器检测与会者何时准备发言。然后，摄像头自动对准活跃的发言人，以提高其发言的清晰度和影响。

该系统还延伸出直观的视觉提示。例如，当麦克风处于静音状态时，室内环境灯会变为红色，而当麦克风处于激活状态时，则会切换到绿色。

为了增强安全性和私密性，摄像头会在视频关闭时自动离开参与者，转而面向墙壁。这样可保证隐私得到维护，无需人工干预即可加强安全性。

另一个要素是会议室自动化，它可以显著增强工作空间的功能性和适应性。AI 系统可以智能调节照明和温度设置，使这些空间能够毫不费力地转换，以适应从私密的头脑风暴会议到大范围演示等各种场景。

会议室自动化 AI 甚至可以帮助员工管理繁忙的日程安排。“想象一下，你开会迟到了，” Jaynes 指出。“AI 已经知道你会迟到，它会在门口迎接你，告诉你会议已经进行了 10 分钟，并引导你到空位就座。为了能让你更好地融入会议，它会在你到达之前自动发送一封总结会议进展的电子邮件，让你能够快速参与并有效做出贡献。”

标准化硬件推动数字化体验

为了实现这一切，Q-SYS 利用英特尔® 处理器的强大功能。“Q-SYS 依赖于英特尔强大的处理能力，因而我们能够构建灵活的视听系统并利用先进的 AI 算法，” Jaynes 解释道。

英特尔处理器的这种策略性使用规避了传统视听设备相关的专用硬件的限制。Q-SYS 主要由软件驱动，让标准化硬件能够灵活适应各种功能，从而延长了硬件生命周期。

“对我们来说，这无疑令人兴奋；这是一次伟大的合作。我们调整路线图，以确保在这些平台上高效地提供合适的软件更新，” Jaynes 补充道。

在我们走向协作空间和混合环境日益由其适应性和响应性定义的未来时，Jaynes 相信人工智能将重塑我们在专业环境中的互动和沟通方式。有了 Q-SYS 等解决方案，这些交互将更具包容性、参与性和有效性，而且很可能更加令人愉快。

 

本文由 insight.tech 的编务总监 Christina Cardoza 编辑。

利用工作负载整合释放面向客户的边缘人工智能

Posted on by Pete Berta

如今，消费者与企业的互动方式已发生变化。“在后流行病时代，重点在于尽量减少身体接触和简化客户服务，” DFI 产品中心总经理 Jarry Chang 解释道。 DFI 是嵌入式主板和工业计算机领域的全球领先企业。

因此，在零售领域，集成边缘人工智能应用的需求日益增长。例如，人工智能提供支持的自助服务终端和签到解决方案可以让顾客自行完成交易，从而减少物理交互和等待时间。这些解决方案还可以实时分析顾客的行为和偏好，使零售商能够提供个性化体验，在改善顾客满意度和忠诚度的同时提高销量。

“这些需求推动了向边缘人工智能的转变，在更靠近数据源的地方进行处理，从而减少延迟并增强隐私，” Chang 表示。“这种变化是由实时决策的需求和边缘生成的数据量不断增加所推动的。”

推动边缘人工智能的发展

但问题是，企业往往难以找到在现有基础设施和流程周围部署边缘人工智能应用的最佳方法。

虽然边缘人工智能可以大大减轻网络和数据中心的负担，但它也可能在资源本已紧张的本地造成新的负担。问题来了：如何在不增加成本和复杂性的情况下部署边缘人工智能？

工作负载整合是应对这些挑战的一种方法——使单一硬件平台能够将人工智能与其他功能结合。结果是，多功能边缘设备“能够通过资源分配、隔离和远程管理等功能，以有限的资源运行多个并发工作负载，” Chang 解释道。

DFI 最近在 2024 年嵌入式世界展览会上展示了工作负载整合的可能，并演示了电动汽车充电器与信息自助服务终端的结合 （视频 1）。自助服务终端使用生物识别、语音识别和集成聊天机器人推荐附近的购物和餐饮场所，让司机可以在车辆充电时享用。在司机准备离开时，屏幕会启动数字标牌模式，显示附近商家的诱人广告。

视频 1。DFI 在 2024 年嵌入式世界展览会上展示了工作负载整合的可能。（来源： insight.tech）

此 DFI RPS630 工业主板 利用第 13th 代英特尔® 酷睿™ 处理器的硬件虚拟化支持，将人工智能功能与内容管理系统、电动汽车充电器控制和支付处理无缝整合。同时，英特尔® 锐炫™ GPU 可为 AI 组件提供高能效、低成本的加速。

DFI 还使用英特尔® OpenVINO™ 工具套件进行 GPU 优化，以减少 AI 的内存占用，使其能够在不到 6 GB 的内存中运行复杂的大型语言模型。此外，通过将边缘的复杂人工智能任务分载到英特尔锐炫 GPU 上，DFI 能够支持多个 AI 工作负载，同时将响应时间缩短 66%。

为智能系统的未来增添动力

DFI 的工作负载整合技术远不止于电动汽车充电应用。该平台将其工业级产品与合作伙伴提供的软件和人工智能解决方案集成，面向全球自助服务行业的零售、医疗、交通、智能工厂、酒店等应用。

通过集成管理程序虚拟机，DFI 将所有客户端工作负载整合到单台工业电脑上。此系统支持多样化的资源配置，使各种操作系统平台能够同时运行。

“这些边缘人工智能用例都需要工作负载整合平台，以实现客户数据的实时处理和高效运营，” Chang 表示。“随着越来越多的行业和组织采用这项技术，我们预计还会看到新的发展。”

“边缘人工智能与工作负载整合平台的集成对于边缘计算的深入发展至关重要，”他继续指出。“无疑，随着围绕边缘人工智能的硬件、软件和其他技术的不断发展，工作负载整合将变得更加主流，最终释放出下一代智能边缘计算应用。”

边缘协作的价值

边缘人工智能为许多行业带来了巨大的机遇。Chang 解释道，到目前为止，我们才刚刚开始触及它的表面。通过将高效加速与合适的工作负载整合平台结合，我们可以开始探索这项技术真正能够实现的目标。

DFI 与英特尔的合作让我们了解到支持这一持续进步所需的条件：协作。现代边缘人工智能应用需要结合硬件、软件、人工智能和行业专业知识的多学科方法。

“嵌入式虚拟化需要在硬件和软件方面建立强大的合作伙伴关系，” Chang 解释道。“开发和部署工作负载整合技术需要大量的研发资源。通过与虚拟集成软件供应商等其他公司合作，我们可以大大缩短开发和上市时间。”

“借助于 DFI 与英特尔的强大合作伙伴关系，我们能够探索和开发帮助定义边缘计算未来的新技术，” 他总结道。“我们为迄今为止的合作成果感到自豪。我们对与英特尔在工作负载整合、人工智能以及更多领域开展进一步合作的前景充满热情。”

 

本文由 insight.tech 编务总监 Christina Cardoza 编辑.