2024年6月11日,上海——今天,英特尔与震坤行共同推出英特尔®智能物联聚合馆。这不仅是英特尔在物联网领域深度开拓市场的战略举措,也是其携手生态合作伙伴共同拓宽发展、优化解决方案的具体实践。
在持续服务和满足蓬勃发展的物联网应用场景需求的道路上,英特尔从未停止。早在2022年,英特尔便创建了聚合商的商业模式,并携手广泛的中国物联网解决方案聚合商合作伙伴,针对包括智慧交通、智慧办公、智能制造、智慧零售、智慧园区、智慧教育和智慧医疗在内的七大行业,实现对市场需求的快速响应。而今,英特尔®智能物联聚合馆的推出,则标志着英特尔与领先行业合作伙伴在智能制造领域的进一步深耕。
英特尔公司市场营销集团副总裁、英特尔中国网络与边缘及渠道数据中心事业部总经理郭威表示:“通过与聚合商的紧密合作,英特尔将持续提升对市场动态的敏锐洞察,并拓宽在中国市场的服务版图。与此同时,我们也将不断推动技术创新,以充分满足中国市场的多元化需求。此次与震坤行的携手,无疑使英特尔实现了对于生态覆盖的进一步扩展和完善。”
作为领先的数字化的工业用品服务平台,震坤行在今年正式成为英特尔物联网解决方案聚合商。震坤行长期立足工业领域,累计合作客户10万+,为客户提供一站式的工业用品采购与管理服务,实现工业用品供应链的透明、高效、降成本。
震坤行副总裁杨昌湘表示:“更好地协同打造产业生态、服务智能制造是我们一直以来的目标。我们愿携手英特尔及硬件设备商、软件合作伙伴,以数字化为引领,以成就客户为导向,在助力中国品牌‘出海’的同时,构建一个更大规模的中国制造业体系。”
双方此次发布的英特尔智能物联聚合馆聚焦于工业领域,英特尔作为核心模块,联动合作伙伴共建智能制造的物联生态圈。可通过线下线上多入口引流,打造一个高效交易阵地,进而为客户提供一站式智能物联网解决方案。在这一创新合作模式下,英特尔将通过聚合生态系统,与OEM/ODM伙伴紧密协作,在提供渠道赋能的同时,支撑底层服务并制定技术路线;震坤行则专注于链接用户,在积极推进平台营销运营的同时,持续提供服务交付;其他软硬件合作商将深耕产品方案,持续优化解决方案、提供技术支撑。
英特尔公司网络与边缘事业部工业解决方案中国区高级总监李岩表示:“英特尔长期深耕智能制造领域,并以高可靠性与高稳定性的软硬件组合和强大的计算能力,为客户提供全面的技术解决方案和支持。我们会和生态伙伴一起持续聚合产品与方案,从而助力中小企业降低开发成本,满足不同行业、不同场景下的数字化和万物互联需求。”
在此过程中,英特尔将持续以满足严苛工业环境要求的计算平台、边缘节点参考架构、英特尔®工业边缘洞见平台(EIS)、英特尔®工业边缘控制平台(ECI)等软硬件为基础,辅以全方位的产业链支持,打造针对机器视觉、工业数字化、工业控制及机器人领域的工业解决方案,帮助客户实现实时检测及高精度结果,并在降低系统生产周期的同时,满足不同应用的性能需求。
英特尔与震坤行的此次合作充分彰显了双方的共同愿景:通过生态聚合,为广泛制造业客户带来卓越的产品和服务,同时为中国企业带来更多海内外市场机遇。通过此次合作,英特尔也将借助震坤行面向制造业用户的广泛影响力与大数据整合能力,更全面、更及时地感知用户需求变化与趋势,从而以用户需求为导向进行技术路线和行业标准的设计与制定。
技术的迅猛发展为各行各业带来了前所未有的机遇与挑战。展望未来,英特尔将与包括震坤行在内的更多生态伙伴一起以创新的商业模式洞察市场需求,提供更加丰富的优化解决方案和优质服务,持续助力智能制造产业升级与中国数智化转型。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
微软研究院提出潜在分区网络(LZN),首次实现生成建模、表示学习和分类任务的真正统一。该框架通过共享高斯潜在空间和创新的潜在对齐机制,让原本独立的AI任务协同工作。实验显示LZN不仅能增强现有模型性能,还能独立完成各类任务,多任务联合训练效果更是超越单独训练。这项研究为构建下一代通用AI系统提供了新的架构思路。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
上海AI实验室开发的VLAC模型让机器人首次具备真实世界自主学习能力。该系统如同给机器人配备智能导师,能实时评估动作效果并从中学习。在四个操作任务测试中,机器人成功率从30%提升至90%,仅需200次练习。技术结合视觉、语言理解和动作生成,支持跨场景适应和人机协作,为家庭服务、医疗护理等领域应用奠定基础。