我认为，在所有这些人工智能趋势中，现在一个好事是，很多模型都是开源的，这也是我们在 SAM 上所具备的能力。OpenVINO 也是开源的，开发人员可以非常轻松访问此工具套件。每天，我们将多个 AI 趋势放入 OpenVINO Notebooks 存储库中，AI 领域会发生一些事情，两到三天后，那里就有我们的笔记本。对于开发人员来说，有一个好消息：我们已经在 OpenVINO 存储库中为 SAM 提供了优化管道。
我认为，OpenVINO 是降低构建深度学习应用复杂性的好工具。如果您拥有 AI 专业知识，那么这里是一个很好的地方，您可以详细了解 AI 趋势，以及了解 OpenVINO 如何改善您的日常工作。但如果您是新开发人员，或者如果您是开发人员，但并非 AI 专家，这也是一个很好的起点，因为您可以看到我们提供的示例，并且可以跟进 Jupyter Notebooks 中的每个单元格。
对于许多零售商来说，自动化和自助服务技术出现已经迫在眉睫。在员工短缺、客户要求苛刻以及利润空间受通胀挤压的压力下，他们转而向 SI 寻求提高效率的方法， BlueStar, Inc. 的业务 开发经理 David Lester（一家面向零售商、制造商、物流公司和其他行业提供技术解决方案的全球供应商）表示。
该公司开发各种专门技术，以提高零售行业效率并改善客户体验。BlueStar 与 SI 密切合作，为从快餐店到商场、酒店、杂货店和精品店的零售业务提供了 30 种独特的“盒式”（In-a-Box）解决方案。Lester 表示，这些即用型捆绑软件包含有 SI 部署所需的所有硬件、软件和配件，可最大限度减少决策，缩短设置时间。
随着边缘 AI 能力提升，BlueStar 正在扩大其解决方案的应用范围。例如，它目前正在开发与服装技术公司 FIT:MATCH 的集成，后者利用激光雷达和 AI 捕捉顾客体形的 3D 图像，并将其与数据库中的数字孪生相匹配。然后，该系统就可以针对产品和尺寸提出个性化建议。收听我们的播客： 个性化 AI 购物体验：在 insight.tech 上使用 FIT:MATCH。
与英特尔合作，帮助 BlueStar 跟上此类创新应用的步伐。“英特尔在我们的工作中发挥着重要作用，特别是我们的盒式解决方案，” Lester 指出。“英特尔给予我们极大的帮助，让我们得以了解 AI 解决方案，并尽可能以经济高效的方式进行部署。”
虽然某些新的 AI 应用听起来可能极具未来感，Lester 相信它们将不断改进。“我每个月都能发现人工智能的进步。我认为语音 AI 和数字标牌将发展到更直观的状态，从而提高上下文理解，提供更加个性化的体验和更好的客户参与度。”
这样的结果为其他医院提供了重新思考患者监护并实现近乎实时、以患者为中心的 AI 愿景的途径。医疗行业领先者已证明，通过增加虚拟人员来重返以团队为基础的护理工作，有助于扭转人员配备危机。“这并不是要将护士从患者身旁夺走，而是接受某些任务并集中进行处理，” Rusin 表示。“在可预见的未来，护士、医生和呼吸治疗师的数量永远无法满足所有需求。我们需要让床旁团队回归床旁护理。灵活的虚拟护理支持使这一点成为现实。”
制造商面临着巨大的压力，必须利用所有可用的智能功能，如机器视觉和 AI 驱动的视频分析等技术。这些都是实现从缺陷检测和预防到工人安全等一切事项的关键工具。但很少有制造商是 AI 领域的专家，要掌握的东西很多，要处理的事情也很多，更不用说要为未来的重大技术投资做好准备。这些新技术需要具有适应性和互操作性。
虽然在我们的领域，我们一直对产品质量保持特别关注，但正如 Aji 刚才提到的，人不会消失。我认为这恰恰说明了人们对 AI 的一个普遍误解，即 AI 会取代人类，夺走工作岗位。我们在产品质量方面看到的情况实际上恰恰相反：通过将视觉系统和软件工具引入工厂，我们使工厂能够更快地检验零件。现在，他们能够生产更多的产品，这意味着公司能够雇佣更多的员工来生产更多的零件。
但是，面对重新设计和重新认证医疗设备的时间和成本，原始设备制造商在没有极具引人注目的商业案例的情况下，对过渡到支持 AI 的下一代平台犹豫不决。如果无法回答一个系统设计将保持多久的相关性，那么这个商业案例就变得不那么引人注目了。
英特尔新推出的酷睿超移动处理器，是第一个集成 NPU 的 x86 处理器，也是当今市场上能效最高的 SoC 产品家族之一。集成的 NPU 支持高级 AI 工作负载，而不会增加独立加速器的成本和复杂性。结合 SoC 领先的每瓦特性能，医疗设备设计人员可以在资源有限的边缘 AI 部署中更好地管理功耗和热效率。
Congatec 的产品线经理 Maximilian Gerstl 指出：“在移动超声设备和其他电池供电系统中，处理器的每瓦性能也非常有趣。”“英特尔对架构所做的工作令人印象深刻。这些数字从性能来看非常出色，不仅在 CPU 方面，而且在显卡方面也是如此。新处理器还为客户提供了前所未有的灵活性，允许他们在保持相同外形的情况下跨多代升级系统。”
最新的 congatec conga-TC700 COM Express 紧凑型模块将英特尔酷睿超移动处理器的处理性能和应用就绪的 AI 功能集成在即插即用的外形中。医疗设备设计人员可以利用该模块作为构建高效的边缘 AI 系统的捷径，同时显著缩短上市时间并降低总拥有成本 (TCO)。由于 COM Express 是由全球技术联盟 PICMG 管理的开放式硬件标准，TC700 提供了与供应商无关的系统升级路径，通过该路径，可以简单地将遗留模块替换为具有相同接口的性能更高的模块。
在多个行业中执行工作场所安全规程的经历至关重要。“由于 AI 的民主化，几乎任何人都可以访问开源算法并创建视频分析。但将其推广到摄像头不同、照明度不同、期望值也不同的生产环境中，这是最具挑战性的部分，” Anirudhan 指出。“这正是我们的优势所在，我们能够解决不同垂直行业的安全和员工工作效率问题，尤其是在石油天然气、公用事业和制造业。”
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？