據(jù)介紹，從2010年至2020年，英特爾 酷睿 產(chǎn)品線的能效比提升了14倍。2020年到2030年，英特爾的目標(biāo)是在原有基礎(chǔ)上將旗下產(chǎn)品線的平均能效比再提升10倍。為此，第12代英特爾 酷睿 處理器中引入了“大小核”概念，包括性能核和功效核，利用不同的內(nèi)核匹配運(yùn)算需求，實(shí)現(xiàn)最佳負(fù)載，以降低整體功耗。

異構(gòu)計(jì)算也是應(yīng)對(duì)差異化需求、提升處理器能耗比的重要技術(shù)方向。很多負(fù)載是有典型性的，不管是視頻會(huì)議場(chǎng)景、智能零售場(chǎng)景，還是云游戲場(chǎng)景，其背后的技術(shù)都涉及視頻的編碼、解碼和轉(zhuǎn)碼。對(duì)于這些相對(duì)固定的負(fù)載，如果采用專(zhuān)有硬件進(jìn)行處理，效率更高、功耗更低。因此，在英特爾酷睿 產(chǎn)品線中，英特爾很早就整合了集成顯卡，形成硬件單元，專(zhuān)門(mén)進(jìn)行視頻的編解碼和轉(zhuǎn)碼工作。當(dāng)然，對(duì)于性能要求更高的用戶，英特爾也可以提供獨(dú)立顯卡的解決方案。整體思路就是通過(guò)異構(gòu)架構(gòu)的方式提高能效比。

如何調(diào)用這些硬件產(chǎn)品則離不開(kāi)軟件的支撐。張宇強(qiáng)調(diào)，一款好的軟件工具能使開(kāi)發(fā)者更加充分地發(fā)揮硬件性能。英特爾一直在與合作伙伴做著這方面的工作，包括推出 oneAPI 通過(guò)底層 DPC++ 開(kāi)放接口，實(shí)現(xiàn)對(duì)異構(gòu)硬件資源的訪問(wèn)。對(duì)開(kāi)發(fā)者而言，利用 oneAPI 就可以對(duì)不同硬件實(shí)現(xiàn)統(tǒng)一編程。

英特爾還推出了OpenVINO 工具套件，加速邊緣側(cè)的AI推理。OpenVINO能夠使開(kāi)發(fā)者在不同人工智能框里做訓(xùn)練。在一些 AI 模型場(chǎng)景中，OpenVINO能夠提供高達(dá)7倍的推理加速，有效提升工作效能，增加平臺(tái)競(jìng)爭(zhēng)力。

工業(yè)+零售邊緣智能加速落地

隨著智能邊緣計(jì)算的發(fā)展，它在一些領(lǐng)域的應(yīng)用成功落地。

工業(yè)制造是智能邊緣計(jì)算滲透發(fā)展的重點(diǎn)領(lǐng)域之一。MarketsandMarkets 發(fā)布的最新研究報(bào)告顯示，2021年全球智能制造市場(chǎng)規(guī)模為887億美元，預(yù)計(jì)到2027年將達(dá)到2282億美元，年復(fù)合增長(zhǎng)率達(dá)18.5%。對(duì)此，張宇表示：“機(jī)器視覺(jué)作為制造業(yè)智能轉(zhuǎn)型的重要技術(shù)，正隨著人工智能的高速發(fā)展而演進(jìn)，其市場(chǎng)規(guī)模迅速增長(zhǎng)。事實(shí)上，本輪人工智能的爆發(fā)正是基于以圖片圖像識(shí)別為基礎(chǔ)的深度學(xué)習(xí)。目前在物聯(lián)網(wǎng)領(lǐng)域采集到的數(shù)據(jù)，80%左右都與圖形圖像相關(guān)?！?/p>

基于此，英特爾日前攜手信步科技，推出一系列機(jī)器視覺(jué)開(kāi)發(fā)套件。開(kāi)發(fā)套件以工業(yè)邊緣洞見(jiàn)平臺(tái)（EII）和視覺(jué)軟件優(yōu)化包為框架，集成了OpenVINO、DPC++/C++編譯器、oneAPI 數(shù)學(xué)核心函數(shù)庫(kù)（oneMKL）、Vtune Profiler、IPP、OpenMP 和 TBB 等軟件工具和程序庫(kù)，預(yù)置典型工業(yè)應(yīng)用場(chǎng)景的參考案例和算法優(yōu)化參考方法，為用戶開(kāi)發(fā)機(jī)器視覺(jué)應(yīng)用提供端到端的一站式軟件框架。目前，開(kāi)發(fā)套件已在汽車(chē)制造、3C/半導(dǎo)體、食品包裝、物流倉(cāng)儲(chǔ)等行業(yè)實(shí)現(xiàn)落地應(yīng)用，有效助力制造業(yè)朝著智能化和信息化的方向演進(jìn)。

零售市場(chǎng)的競(jìng)爭(zhēng)日趨激烈，人工智能展現(xiàn)出來(lái)的重要價(jià)值正在得到全球零售商的普遍關(guān)注。通過(guò)人工智能技術(shù)的應(yīng)用，零售商能夠更加有效地了解消費(fèi)者的偏好，為消費(fèi)者提供個(gè)性化、獨(dú)特的服務(wù)，增強(qiáng)零售服務(wù)吸引力。同時(shí)，人工智能也幫助零售商將更多流程轉(zhuǎn)為自動(dòng)化流程，實(shí)現(xiàn)更多收益。數(shù)據(jù)顯示，到2035年，人工智能將使零售和批發(fā)業(yè)務(wù)的利潤(rùn)率提高近60%。

面對(duì)這一新興應(yīng)用市場(chǎng)，英特爾攜同漢朔科技及微軟，共同推出針對(duì)零售行業(yè)的智能邊緣解決方案，主要應(yīng)用在智慧貨架管理和自助收銀防損兩個(gè)方面?！叭?、貨、場(chǎng)”是傳統(tǒng)零售的主要環(huán)節(jié)，該方案融合了英特爾從軟件到硬件的全棧技術(shù)，能夠幫助零售客戶構(gòu)建高性能且易于實(shí)施管理的智慧零售管理系統(tǒng)。

點(diǎn)此了解方案詳情

除此之外，邊緣智能在智慧醫(yī)療、智慧交通，以及加速企業(yè)數(shù)字化轉(zhuǎn)型等方面都有著廣泛的應(yīng)用潛力。“人工智能在邊緣網(wǎng)絡(luò)的發(fā)展空間巨大，市場(chǎng)需求也很明確。以前人們總認(rèn)為人工智能是一種很高大上的東西，門(mén)檻很高，部署起來(lái)也十分困難。然而，現(xiàn)實(shí)的情況是有越來(lái)越多公司已經(jīng)開(kāi)始部署和使用人工智能技術(shù)，并且取得成功。這種情況恰恰說(shuō)明人工智能的使用門(mén)檻正在降低，同時(shí)也是人工智能無(wú)處不在的一個(gè)典型例證。”張宇指出。在此過(guò)程中，英特爾的技術(shù)，包括 OpenVINO 工具套件以及一系列硬件產(chǎn)品也發(fā)揮了關(guān)鍵作用。

做好本地化適配突破

“最后一公里”

在智能邊緣計(jì)算加速落地的過(guò)程中，如何使其與本地需求更好地進(jìn)行適配，突破“最后一公里”瓶頸，也是非常關(guān)鍵的一個(gè)環(huán)節(jié)。采訪中，張宇特別指出：“技術(shù)在數(shù)據(jù)中心落地和在邊緣側(cè)落地，其落地的方式是不一樣的?！碑吘蛊脚_(tái)不一樣、算力不一樣、條件不一樣，落地方式也不會(huì)一樣。也就是說(shuō)，人工智能在邊緣側(cè)進(jìn)行落地的時(shí)候，就必須解決好一些在邊緣側(cè)才會(huì)出現(xiàn)的特定問(wèn)題。

舉例而言，人工智能一般分為兩大階段——訓(xùn)練階段和推理階段。訓(xùn)練階段需要利用大量數(shù)據(jù)進(jìn)行訓(xùn)練，同時(shí)在訓(xùn)練之前要對(duì)數(shù)據(jù)做標(biāo)注，把數(shù)據(jù)當(dāng)中需要關(guān)注的物體標(biāo)注出來(lái)，再把標(biāo)注之后的圖片傳輸?shù)接?xùn)練平臺(tái)之上做訓(xùn)練，最后才能生成一個(gè)可以進(jìn)行推理的人工智能網(wǎng)絡(luò)模型。

但是在邊緣側(cè)，這種模式卻有可能遇到挑戰(zhàn)。因?yàn)樵诂F(xiàn)實(shí)當(dāng)中，邊緣側(cè)往往沒(méi)有那么多數(shù)據(jù)可以用作訓(xùn)練。比如瑕疵檢測(cè)是人工智能在智能工廠中最常見(jiàn)的應(yīng)用之一。但是在工廠中，正常的生產(chǎn)線上出現(xiàn)瑕疵的概率并沒(méi)有那么大。這也就意味著可以用來(lái)做訓(xùn)練的樣本數(shù)據(jù)比較有限。如何在小樣本的情況下訓(xùn)練出一個(gè)可用模型，就是智能邊緣計(jì)算需要解決的問(wèn)題。

再比如訓(xùn)練的時(shí)候需要做標(biāo)注，可在邊緣應(yīng)用的時(shí)候，真正操作人工智能的人員往往就是產(chǎn)線上的生產(chǎn)人員。這些人很難再有額外的精力去做這個(gè)標(biāo)注工作。因此，如何開(kāi)發(fā)一些自動(dòng)化的標(biāo)注工具，減少操作人員的負(fù)擔(dān)，使從訓(xùn)練、標(biāo)注到推理的這個(gè)閉環(huán)可以真正運(yùn)轉(zhuǎn)起來(lái)，也是英特爾在邊緣做人工智能時(shí)需要解決的問(wèn)題。

“實(shí)際上，在邊緣有很多問(wèn)題都要以某種特定化的方式進(jìn)行解決?！睆堄顝?qiáng)調(diào)。

打造產(chǎn)業(yè)生態(tài)

解決碎片化挑戰(zhàn)