英特尔举办2024网络与边缘计算行业大会，分享了对AI技术和边缘计算的最新洞察、未来展望及技术与产品的创新。
人工智能正在改变世界，无论是云端还是边缘。
相较目前占据主流的云服务云计算，更偏向于端侧的边缘计算拥有着低延迟，更安全的优势，但在算力、空间、功耗、散热等方面的限制，因此在实际的产品设计和应用开发中，如何高效利用边缘计算设备有限的硬件资源，实现最优的边缘计算方案，这也使得边缘计算的发展依旧在追赶云计算的脚步。近日，英特尔举办2024网络与边缘计算行业大会，分享了对AI技术和边缘计算的最新洞察、未来展望及技术与产品的创新。
AI新时代 边缘需求进一步凸显
伴随着边缘侧AI算力的逐渐增强，更多的企业也逐渐开始希望能够在边缘进行AI应用的部署，并且几乎是每一个行业都能够参与其中。而进化到最后AI将形成一个高度智能化的生态系统，将企业所需执行的工作全部自动化。这正是英特尔高级副总裁兼网络与边缘事业部总经理Sachin Katti为我们描绘的AI进化“终极蓝图”。
Sachin Katti认为，企业的AI转型将会是一个逐步演进的过程，可以划分为三个显著阶段。首先是AI辅助时代，在这个阶段，AI作为人类的辅助工具或助手，增强人类的能力，提高工作效率。紧接着，人类将很快步入AI助手时代。企业将开发出针对特定领域的模型，通过编程让AI代理自主处理该领域的工作流程。最终，人类将迎来全功能AI时代。在这个时期，AI代理之间将实现无缝高效协作，共同执行复杂的部门级任务，推动企业范围内的全面自动化。因此，即便是一家刚刚起步的初创公司，哪怕只有一名员工，也可在AI的帮助下，创造出巨大的价值和效益。
而英特尔借助全面广泛的芯片基础，为广泛的需求群体带来了从云端到边缘，从计算、图形运算到网络的全面解决方案，包括凌动、至强、酷睿及酷睿Ultra、锐炫Arc GPU以及IPU E2100网络适配器。全面的产品组合可以带来灵活、简便、企业就绪的解决方案。还可以搭配英特尔Tiber边缘平台以及AI套件，把边缘和平台更好地结合在一起，带来更快地应用部署，使得网络更加安全，更加优化。还能够根据不同领域进行个性化、定制化的应用及开发，带来更具针对性的AI部署和使用体验。
在广泛的硬件芯片基础之外，持续深耕行业以及专注扩展的解决方案也成为了英特尔面对边缘侧AI发展的立足根本。英特尔公司副总裁兼网络与边缘事业部中国区总经理陈伟博士表示，英特尔在这么多年里已经推出了非常多的解决方案，面对AI+的到来，我们采取了三个主要策略：第一，基于现有的智能解决方案，将AI技术融入现有的智能解决方案中；第二，积极拥抱当前爆发性增长的大模型和生成式AI技术，今天也通过实际应用案例展示了我们的生态系统如何迅速适应新变化；第三，对整个生态系统的扶持。
而在边缘侧AI的推进当中，应用场景以及行业需求成为了主导的方向。陈伟博士表示，在整个智能边缘和AI的推进当中，应用场景是一个主导的方向，它引导我们的技术怎么去发展。今天提到，我们的支持涵盖三个层面，首先，提供开放式的技术支持。我们与众多合作伙伴的深入合作，这些合作已经持续了超过10年甚至20年，使我们在技术上的投入和产出，对整个行业生态的升级起到非常至关重要的作用。
大模型快速发展 行业落地带动边缘发展
说起AI，目前如同雨后春笋一般发展的国内大模型可以说是很难忽视的进程。在本月由中国信通院发布的《2024全球数字经济白皮书》当中介绍，全球人工智能大模型的数量已达1328个，其中中国占比36%，可以说是在数量上是相当庞大的数字。而面对大模型的部署问题，当下大部分大模型依旧是集中在云端的。Sachin Katti表示，今天的AI增长主要集中在云上。我们目前的网络技术也是在云端构建的，包括智能处理单元（IPU）和通过谷歌云的合作，整个网络架构得到了英特尔的支持。英特尔对于AI系统的战略是开放的、可扩展的，并且我们的网络是可信的。我们计划在明年将所有在线数据整合到大型云数据中心中，以建立全面的AI数据中心。
但对于向边缘计算演进的大趋势，Sachin Katti也给出了自己的观点：据调研机构预测，到2025年，75%由企业生成的数据将在传统数据中心或云之外进行创建和处理。这些数据是多模态的，包括视频、音频等多种形式。我们通过将所有这些数据转移到云上，提高了处理效率。将所有这些模态的数据融合在一起，可以进一步提高我们的数据处理效率。此外，边缘计算对我们来说同样至关重要。
而在国内大模型的发展以及部署上，英特尔也针对市场状况有着自己的见解。陈伟博士表示，中国大模型，在行业落地方面，尤其是在与应用的结合上，走得更快一些。中国市场的一个显著特点就是应用发展迅速，能够较快地探索出解决行业痛点的有效途径。第二，解决实际的行业问题，仅仅依靠模型训练是不够的，推理能力的提升在今年尤为明显。第三，在行业落地方面，行业场景的落地必然涉及从端到边缘再到云端大模型的算力平衡分布。如果只是垂直大模型的一些标准应用，可能大模型主要部署在云端。但由于行业落地的需要，必然会促使AI算力向边缘和端侧分布。
而英特尔不断推出异构的芯片，包括至强、锐炫和酷睿，它们在不同程度上能够支持不同规模的模型。从边缘计算的落地来看，存在许多具体的落地模型。这些模型的规模并非越大越好，而是应该适合市场应用场景的实际需求和效果。边缘计算的部署需要考虑很多因素，比如时延要求、可实用性、微观数据的可调优化，以及信息安全等要求。我们观察到，市场上有多种模式都有。我们看到许多客户正在构建硬件和软件解决方案，并在通用的大模型基础上进行性能优化，这是一种发展迅速的模式。
边缘AI快速发展 助力企业新质生产力飞跃
在本次大会上，英特尔也携手众多中国本土合作伙伴，支持大语言模型（LLM）在不同行业的落地应用。现场展示了在教育、工业数字化、网络、智慧零售等领域的应用。
在教育领域，十余年来，英特尔与希沃在“AI+教育”解决方案的开拓上展开紧密合作。希沃第七代交互智能平板和最新的教师终端，借助AI功能帮助教师完成一键备课、互动式教学、课堂反馈等任务，显著提升了课堂效率和教学质量。基于英特尔酷睿Ultra处理器，希沃在本地即可完成AI教学大模型的运行，并显著提高系统响应速度和稳定性。希沃的产品如今已覆盖17万所学校，260万间教室，服务800万名教师，帮助完成了8亿个生成式课件的制作。
面向工业数字化转型升级的迫切需求，科东软件通过先进大语言模型实现任务理解及代码生成，并依托科东智能控制器的多模态视觉语言模型，实现对机器人动作的精准控制，极大简化了开发流程并提升了生产效率。通过在英特尔酷睿Ultra 处理器上部署大语言模型，还减少了对算力设备和网络传输的依赖，有效降低了操作延迟，满足工业场景对低延迟和高可靠性的需求。
在网络领域，深信服采用英特尔至强处理器和高速以太网连接技术，成功实现了垂直领域安全大模型SecurityGPT的高效能部署。这一集成方案不仅提供了高带宽HBM加速，极大提升了大语言模型的处理速度，还通过RDMA网络技术支持多节点的轻松扩展。此外，该方案还展现了极强的兼容性，支持参数量高达70B的多种大语言模型，并能够同时部署网络安全业务和大模型推理任务。同时，它还带来了更佳的总体拥有成本，进一步降低了企业的运营开支。
在智慧零售领域，为助力开域集团大模型AI解决方案得以快速落地，英特尔为其提供了从硬件到软件的全方位支持，涵盖凌动、至强处理器、英特尔锐炫GPU系列、和酷睿Ultra处理器等在内的先进处理器技术，以期为该企业提供强大的算力和灵活性。同时，x86架构和OpenVINO工具套件进一步增强了系统的可扩展性、易运维性和成本控制能力。英特尔的产品与支持团队深入项目服务的核心，提供无缝支持，确保AI解决方案从概念到实施的每一步都精准高效，为开域集团的技术创新和市场竞争力提供了坚实的后盾。
除此之外，英特尔还在展区展示了大量基于英特尔边缘解决方案的应用实例，覆盖了千行百业，通过持续不断的软硬件平台和产品创新，积极推动边缘AI等新兴领域的拓展，为国内产业数字化、智能化提供更坚实的硬件基础，最终实现“让AI无处不在”的愿景。
开放 才能AI无处不在
英特尔能够建立这样一个完整的软硬件生态，开放协作的意义是非同小可的。英特尔公司副总裁兼网络与边缘解决方案事业部总经理Dan Rodriguez表示，从顶层设计来讲，建立一个广泛且开放的生态系统，是能够改变市场的。如果我们能够在这方面做得非常成功，特别是能够在这样一个生态系统内，大家根据标准构建起开放的平台，那么我们在市场上就能成功地发展许多边缘产业。同时，我们也将自身的能力进行分层，利用信息技术和标准化的技术手段来实现这一目标。
而这种开放的理念，正是英特尔生态以及方案能够帮助更多企业，被更多企业选择的根本所在。相信在AI驱动的时代，英特尔将继续发挥技术优势，与合作伙伴携手共进，推动行业的发展和变革，为各行业的数字化转型和智能化升级提供强大的支持。
网友评论