從保障整個(gè)城市的安全建設(shè)，到快速識別和分類復(fù)雜的醫(yī)療影像數(shù)據(jù)，英特爾正在加速實(shí)現(xiàn)物聯(lián)網(wǎng)的價(jià)值。

伴隨著數(shù)十億的互聯(lián)事物以呈指數(shù)增長的速度生成的海量數(shù)據(jù)，物聯(lián)網(wǎng)（IoT）和人工智能（AI）正在通過不斷融合引領(lǐng)著一個(gè)關(guān)鍵的轉(zhuǎn)型的發(fā)生——通過邊緣計(jì)算的進(jìn)行處理和分析的數(shù)據(jù)越來越多。實(shí)際上，IDC預(yù)測，在2020年，物聯(lián)網(wǎng)設(shè)備中生成的所有數(shù)據(jù)中，有45%的數(shù)據(jù)將在網(wǎng)絡(luò)邊緣或附近被存儲(chǔ)、處理、分析并起作用。

身處海量數(shù)據(jù)持續(xù)爆炸之中，若想保持競爭優(yōu)勢、把握人工智能與物聯(lián)網(wǎng)交融帶來的機(jī)會(huì)，就需要邊緣計(jì)算擁有更好的性能同時(shí)更加智能。借助高性能計(jì)算與人工智能的技術(shù)，企業(yè)能夠通過邊緣計(jì)算獲取、處理和分析數(shù)據(jù)，從而實(shí)現(xiàn)近乎實(shí)時(shí)的業(yè)務(wù)洞察。

內(nèi)置深度學(xué)習(xí)功能的全新第二代英特爾至強(qiáng)可擴(kuò)展處理器，可為下一代以數(shù)據(jù)為驅(qū)動(dòng)的物聯(lián)網(wǎng)邊緣平臺(tái)帶來卓越的性能和人工智能能力。第二代英特爾至強(qiáng)可擴(kuò)展處理器可為諸如語音識別、目標(biāo)檢測、圖像分類等深度學(xué)習(xí)推理的工作負(fù)載顯著提升高達(dá)14倍的性能。當(dāng)其與英特爾分布式OpenVINO工具包結(jié)合使用時(shí)，開發(fā)人員可以簡化深度學(xué)習(xí)的應(yīng)用部署，并優(yōu)化邊緣深度學(xué)習(xí)推理應(yīng)用程序的性能。

看到這些新技術(shù)可以滿足不同市場的特殊需求，這著實(shí)是一件令人興奮的事情。智慧城市、工業(yè)制造商、醫(yī)療保健供應(yīng)商、學(xué)校、銀行和零售商都可以通過推動(dòng)增長、提升洞察力的方法中獲益。憑借著基于人工智能的物聯(lián)網(wǎng)工作負(fù)載的能力，第二代英特爾至強(qiáng)可擴(kuò)展處理器能夠?qū)崿F(xiàn)：

★保障整個(gè)城市的安全；

★對復(fù)雜的醫(yī)療影像數(shù)據(jù)進(jìn)行快速識別和分類；

★實(shí)現(xiàn)線下零售店的庫存管理與顧客分布熱力圖的繪制；

★推動(dòng)工業(yè)機(jī)器人視覺的發(fā)展；

★打造個(gè)性化零售購物體驗(yàn)和無障礙結(jié)賬系統(tǒng)；

★加速制造業(yè)中的缺陷檢測應(yīng)用。

正如我所展望的未來一樣，實(shí)現(xiàn)在物聯(lián)網(wǎng)的網(wǎng)絡(luò)邊緣集成人工智能與智能視覺技術(shù)的發(fā)展前景，現(xiàn)在正剛剛起步。

西門子醫(yī)療系統(tǒng)有限公司（SiemensHealthineers）正致力于為放射科醫(yī)生實(shí)現(xiàn)加速心臟MRI成像的工作，就是一個(gè)很好的例子。每年預(yù)計(jì)有1800萬人，即平均每分鐘有34人由于心血管疾病而導(dǎo)致死亡，死亡人數(shù)約占全球死亡總數(shù)的三分之一。心血管疾病的流行現(xiàn)狀，導(dǎo)致了放射科醫(yī)生的工作負(fù)荷——每天有上百次研究、工作日的工時(shí)超過12個(gè)小時(shí)——持續(xù)大幅度增加，這種情況對放射科醫(yī)生來說是家常便飯。第二代英特爾至強(qiáng)可擴(kuò)展處理器，助力放射科醫(yī)生優(yōu)化心臟MRI分割模型，讓西門子醫(yī)療系統(tǒng)有限公司能夠滿足健康和生命科學(xué)行業(yè)中日益增長的數(shù)據(jù)密集型人工智能的應(yīng)用需求。

無論是通過整合工作負(fù)載，還是深度學(xué)習(xí)推理，都需要邊緣的強(qiáng)大處理性能和智力，從而在當(dāng)下海量數(shù)據(jù)持續(xù)爆炸的大環(huán)境中把握新的機(jī)會(huì)、形成競爭優(yōu)勢。您僅僅需要一個(gè)集成的CPU和英特爾分布式OpenVINO工具包優(yōu)化的AI工作負(fù)載，便可以獲得更好的內(nèi)置深度學(xué)習(xí)推理功能，加速部署和降低總體成本。