智能边缘加速AI视觉技术落地应用

先说几个核心判断：Intel最近提出了物联网方向的三大战略，具体来说，一是为物联网定制高性能的计算及加速芯片；二是推动边缘计算负载整合，把网络及器件边缘计算的机会稳稳抓在手里；第三，则是聚焦计算机视觉和AI计算应用带来的变革。这三条路，算是给智能边缘的落地画了一张比较清晰的路线图。

在物联网的发展进程中，边缘计算的最新趋势——智能边缘，正在扮演翻跟斗的角色。Intel物联网事业部副总裁、中国区总经理陈伟对此的表态很直接：“边缘计算的落地，尤其是边缘计算+AI+行业的模式，说明一件事：只有用贴近真实需求的方式，才能让边缘计算在数字社会里真正扎根，活起来。”

AI视觉技术，正在智能边缘快速落地

麦肯锡的预测显示，全球市场深度学习收入将呈飞速增长，到2030年，AI有望创造13万亿美元的经济活动。智慧城市、商超、交通、工业互联网……这些场景对视频数据分析的需求激增，AI与视觉技术的融合，也在加速边缘计算与智能的碰撞，为汽车、互联网、教育等十几个行业的数智化变革提速赋能。货架分析、文本识别、热力图、车辆检测、缺陷检测……这些应用场景正在从概念走向现实。可以说，智能边缘、AI、5G这三者正在交织成一个新的增长拐点。

但有意思的是，边缘计算中不同场景的需求千差万别。神经网络模型不同、算力要求不同、部署灵活度不同、开发时间和成本优化目标也不同。怎么贴近这些诉求落地？Intel最新推出的AI计算盒参考设计，算是加速“智能边缘”的又一个实践，也是在中国市场的一步关键棋。

据Intel技术专家介绍，这个AI计算盒参考设计的硬件平台，以通用计算平台CPU为主，同时可以搭配FPGA或Movidius VPU架构的神经网络加速芯片及加速卡，形成组合方案。这种配置，既能满足企业级应用对兼容性的要求，也能在高并发计算需求下灵活扩展。另外，凌动、酷睿、至强等不同处理器选择，也让用户有更丰富的功耗和成本选项。

软件层面，考虑到目前市面上以视觉应用为主，因此主要搭配OpenVINO工具套件，帮客户处理计算机视觉、视频分析类应用。底层方面，AI计算盒提供了针对硬件优化的底层库来提升性能，包括媒体处理Media SDK、深度学习推理工具OpenVINO、算法库及算子级优化的库和编程接口。在此基础上，它还支持G-streamer、FFMPEG等不同的媒体框架，并提供了如IPC输入、解码/VPP、转码、RAID存储、视频分析、拼接/显示、特征匹配等基于视频场景优化的管道，整体更加易用，也更容易集成。应用层，还提供了近似实际应用的参考示例，帮客户快速原型开发，缩短上市时间。

那么，基于Intel的AI计算盒参考设计到底能带来哪些优势？这位技术专家的观点很实在：应用场景千差万别，大家对成本、功耗、扩展性、灵活性各有各的算盘，没法用一个指标随便评判。Intel的目标，是让最终用户得到最经济、实用又适合自己的产品。相比市场其他同类方案，Intel最大的优势，就是硬件平台类型多样化——这不是凭空说的，多年在半导体设计、生产和制造上砸下的研发成本，让它具备了多种产品迭代和组合的能力。再加上一套完整的软件栈，能提供全方位的性价比方案。

利旧项目和新部署项目，需求有什么不一样？

目前基于视觉的AI项目正在加速落地，从实际场景看，主要分两类：一类是利旧项目，另一类是新部署。这两类项目对AI计算盒的要求有什么不同？

Intel物联网销售市场部中国区总监谢青山解释了这个问题：对于新项目来说，在设计阶段就可以把AI能力考虑进去，相对容易。但对利旧项目来说，客户已经砸下大量IT软硬件资源，他们更希望利用现有设备支撑，或者在现有基础上新增AI能力。

Intel的硬件平台和操作系统支持一直保持向前兼容，这意味着用户现有的产品可以兼容未来的CPU。AI解决方案沿用了这一思路——参考设计不仅支持新项目，旧项目也能通过增加部分资源来支撑新应用。谢青山还提到一个趋势：近两年，AI几乎成了边缘计算产品的标配，特别是今年开始，这种需求越来越突出。

那么，AI计算盒参考设计的目标客户到底是谁？

据介绍，参考设计主要包含三块：硬件参考平台、算法以及解决方案。软件开发商（SV）、原始设计制造商/原始设备制造商（ODM/OEM）、系统集成商（SI）都是它的重要合作伙伴。

算法层面，软件开发商可以通过参考设计快速完成不同场景下的软件及算法定制，加速产品定义、算法研发和AIoT整体方案的落地。硬件平台方面，Intel不仅提供独立的AI BOX，还有插卡式或模块化的产品，如果用户现有硬件算力不够，可以直接把这些AI加速硬件集成上去。据了解，Intel已经与多家ODM/OEM、系统集成商在目标检测、活体检测、缺陷检测、视频结构化等方面展开深度合作，推动智慧商超、智慧城市、智慧医疗、智能检测等领域的落地。

AI计算盒：CPU、FPGA、ASIC，到底怎么选？

目前边缘端的AI方案，很多采用了ASIC或FPGA方案。而Intel的AI计算盒参考设计，主要用不同算力的CPU作主控，在开发成本、效率方面有什么优势？

Intel技术专家的解读是：客户首先要根据最终应用场景需求来选择。Intel作为全方位硬件平台/芯片供应商，除了最著名的CPU，其实CPU内部还集成了GPU，Movidius VPU架构也已经完全融合到硬件平台上，同时也有FPGA和ASIC方案。AI计算盒参考设计，一方面综合性能可以满足用户需求；另一方面，如果需要在CPU之外做AI加速计算辅助，可以通过Movidius VPU架构的芯片来实现。

从软件应用开发角度看，在边缘侧实现AI加速计算，从开发到部署确实有不少痛点。Intel希望通过OpenVINO工具套件、Media SDK为主的一系列软件工具，降低AI算法开发难度，缩短开发周期。客户只需要关注应用开发本身，至于计算分布是纯CPU实现还是CPU+加速芯片完成，可以通过OpenVINO的辅助开发来解决。

从用户视角看，每种芯片各有优缺点。如果算法和算力需要升级扩容，选择CPU、GPU、VPU会更方便。选了FPGA或ASIC，短期内可能合适，但一涉及升级和修改算法，就比较头疼了。

对大多数物联网用户来说，应用场景千差万别，半导体设计中最怕的就是“量小、种类多”——想找到一个单一且量特别大的应用场景非常难，这就导致算法和硬件平台需求都不统一，这种时候，Intel的AI计算盒参考设计反而是个比较合适的选择。相比之下，走ASIC方案，前期投入和后续升级都会面临不小压力。

正是这种碎片化的特性，Intel非常看重生态建设。它一直在推进物联网合作伙伴计划，和更多行业伙伴合作，推出从原型到生产的智能边缘解决方案。在推出AI计算盒参考设计的同时，Intel还与十余家合作伙伴，如小钴科技、科沃斯、云图睿视等，共同打造了“英特尔AI生态合作伙伴算法方案集萃”，主要面向智慧城市、智慧零售、智慧教育、工业互联网等多元场景加速落地。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：智能边缘加速AI视觉技术落地应用要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题