应对AI开发三大挑战，英特尔揭秘软硬件大招( 二 ) 智东西（公众号：zhidxcom）作者

因此，在数字化转型需求爆发的当下，我们可以看到有三大趋势，分别是云边端的协同、基于软件定义的数字基础设施以及无处不在的智能。

文章图片
首先在云边端协同方面，行业数字化转型推动了边缘智能的发展。根据国际数据调研机构IDC预测，目前全球智能边缘芯片市场规模已经达到350亿美元。
但边缘计算的发展并不意味着云计算的消亡，边缘设备只能处理局部所产生的数据，无法形成全局认知，因此需要借助云计算平台来实现信息融合。
因此，张宇说：“我们认为，今后的物联网系统一定是一个云边端协同的系统。 ”
谈及物联网产业中，设备丰富多样的特点，张宇告诉智东西，物联网行业有很多个人开发者，他们的需求十分碎片化，但同时他们只希望将精力放在围绕着切实行业实际痛点的应用开发上。英特尔为他们提供了水平化、通用化的软硬件开发工具，帮助个人开发者团队快速落地。
其次，人工智能无处不在方面，他称，本次人工智能浪潮的起点就是， 2012年的深度卷积神经网络AlexNet 。在这之后，以深度卷积神经网络为代表的深度学习技术被广泛运用到交通、支付等领域。其中，利用深度学习来进行图像处理，就是当下最为广泛的人工智能应用。因此，人工智能技术的普及也已经是当下一个非常明显的趋势。
最后是软件定义，也就是利用软件来灵活部署和配置系统的功能。其中，新冠疫情带来的混合办公模式，就是一种新的模式。这一模式对分布式接入、网络安全等提出了新需求，而这些新的需求对数字基础设施的灵活性、可配置性提出更高要求，张宇说：“基于此，只有通过软件定义才能时间最佳办法。 ”
通过软件定义的方式，边缘服务提供商可以灵活调整边缘设备所运行的负载，进而构建“边缘即服务”的新模式。
他补充道，在这三大趋势下，又呈现出四大新的机会点，分别是东数西算、智能边缘、5G和绿色计算，都在推动人工智能的应用和普及。

文章图片
目前，边缘人工智能的应用更多集中在人工智能的推理阶段，人工智能模型的训练还是依赖于数据中心的训练服务器来完成。但现有的一些工业互联网领域对模型的快速更新有需求，因此，张宇说：“我们认为边缘训练将是边缘人工智能发展的第二个阶段。 ”
边缘训练目前的挑战则在于，需要更自动化的标注工具、边缘端可供训练的样本数量有限等等。
“未来，解决了边缘训练，也并不意味着人工智能发展到了最高阶段。 ”张宇补充道。下一个阶段就是人工智能技术能自主定义网络模型架构、自主选择相应数据来进行训练。

文章图片
因此，为了达到这一目标，英特尔不断通过软硬件技术创新迭代，和合作伙伴共同推动行业发展。
三、从AI到软硬件，为开发者提供全流程工具英特尔发布了最新的OpenVINO2022.2版本，支持英特尔数据中心GPU以及英特尔最新独立显卡第四代至强可扩展处理器，能自动整合多个加速器推理性能。这一模型已经应用在工业、医疗、制造、公共安全等领域。
为了让开发者在开发物联网的网络与边缘产品时更加便利，英特尔推出Geti平台让企业团队的开发者、使用者、部署者和平常的工作人员，都能快速构建、使用、调优一个计算机视觉AI模型。在提高模型准确度的同时简化流程，工作人员可以通过一键导入和导出，让这些经过调优的模型自动部署到整个AI使用环境中。这一平台预计在今年第四季度上市。