Computex 2018 ： Intel 邊際運算戰略先鎖定視覺應用，藉 OpenVINO 工具套件提升推論效率 產業消息 fpga Movidius VPU TensorFlow ai人工智慧 Computex 2018 ： Intel 邊際運算戰略先鎖定視覺應用，藉 OpenVINO 工具套件提升推論效率 畢竟電子產業醞釀 AI 風暴，同時這股趨勢也從雲延燒到端，就連物聯網現在也開始探討邊際運算與 AI 應用，而 Intel 在 Computex 也針對邊際運算的視覺智慧舉辦說明會。 Intel 也不忘強調他們不僅是 AI 技術的領導廠商，同時從雲到 IoT 終端，提供包括 CPU 、 Movidius VPU 、 FPGA 等解決方案，從訓練到推理不同規模的應用，提供最佳效率的架構；而 Intel 看好視覺運算在邊際運算的潛力，鎖定如產線檢測、庫存管理、遠端廠房監控、智慧城市、公共安全等需使用機器視覺運算的領域，以相關的彙整與分析作為其視覺運算重點。 除了提供硬體方案外， Intel 也強調甫 Chevelle.fu 14 天前
Computex 2018 ： Arm 展示低功耗邊際運算人工智慧，以及智慧城市、智慧家庭應用 產業消息 COMPUTEX台北國際電腦展 ARM 影像辨識 machine learning mbed Computex 2018 ： Arm 展示低功耗邊際運算人工智慧，以及智慧城市、智慧家庭應用 Arm 今年也不免俗的展示許多基於 Arm IP 技術專利的應用，不過相較前幾天以手機中端為主，今天則以物聯網、邊際運算與智慧家庭等應用為主；其中引人注目的是基於 Cortex-M 的機器學習影像辨識應用。 首先介紹的是基於 ST 微控制器解決方案的 PX4 開源無人機平台，此平台提供基於 Cortex-M4 與 Cortex-M7 的平台，可讓廠商透過開源技術快速完成無人機的設計。 而 Ultrahaptics 則是利用超音波技術，提供免接觸式的觸覺回饋體驗，且不需要透過螢幕做為介質即可偵測，可做為手勢辨識、觸控以及 AR / VR 等應用。 至於基於 Snapdragon 835 的 No Chevelle.fu 15 天前
Computex 2018 ： NVIDIA Max-Q 筆電數量成長，全球首發嵌入式機器人開發平台 NVIDIA ISAAC 。 產業消息 COMPUTEX台北國際電腦展 nvidia 機器人 機器學習 nvidia jetson Computex 2018 ： NVIDIA Max-Q 筆電數量成長，全球首發嵌入式機器人開發平台 NVIDIA ISAAC 。 由於適逢台灣 GTC 甫舉辦完畢，加上目前也還未達消費級產品發表時程， NVIDIA 今年在 Computex 主要還是以回顧去年度與客戶合作的成果，以及今年在人工智慧的進展，在觀望新世代 GeForce 的消費者也先別急，執行長黃仁勳已經暗示新一代 GeForce GPU 將有好消息。 在消費性產品部分， NVIDIA 在去年發表了 Max-Q 超薄高性能筆電設計，去年共有八款筆電採用此項規格，而今年 Computex 也陸續增加到 28 款產品，另外今年也將陸續有多款支援 G-Sync 的 4K HDR 顯示器問世。 而在人工智慧部分，就將今年 GTC 的重點產品 DGX-2 超級電腦，以 Chevelle.fu 17 天前
Computex 2018 ： Arm Nandan 認為行動裝置端的機器學習已是現在進行式 產業消息 COMPUTEX台北國際電腦展 machine learning 智慧手機 IOT 機器學習 Computex 2018 ： Arm Nandan 認為行動裝置端的機器學習已是現在進行式 雖然現在機器學習是運算產業相當熱門的議題，現在不少廠商也提出邊際運算的概念，在行動裝置端提供機器學習的能力，不過仍有不少聲浪質疑行動裝置端的深度學習只是個假議題，而在今天稍早 Arm Computex 的活動上， Arm 副總裁 Nandan Nayampally 也被問到這點。 Mr. Nayampally 表示，在提及裝置端的機器學習時，要先釐清機器學習分為兩個部分，包括學習與推理兩部分，而現行較複雜的學習部分多為在雲端執行，但一旦模型培訓完成，即可移植到裝置端使用，而目前在行動裝置上，包括消費者的使用行為的能源管理、相機的應用等，都可活用深度學習的部分，且不少旗艦與主流裝置已經陸續具備這 Chevelle.fu 17 天前
Intel 的 AI 戰略：萬事皆備，仍待東風 產業消息 intel AI 類神經處理晶片 Intel 的 AI 戰略：萬事皆備，仍待東風 在上週， Intel 在舊金山舉辦首場以 AI 開發者為主的 AIDC ， 在大會中， Intel 介紹了它們目前手中持有的 AI 資源，想讓開發者知道 Intel 不只有 x86 CPU ，同時也透過軟體開源的方式，希望藉此拋磚引玉吸引開發者使用這些資源，而在這一切的背後不難看出 Intel 想證實它們已經做足了準備。 然而回歸現實，即便手中握有一手好牌， Intel 現在在新 AI 世代仍是處於一個等待東風的情況。 AI 並不是新議題，而是一個持續進行式，且直至 2012 年以前， Intel 保有絕對的優勢，畢竟在此之前談論到超級電腦、伺服器架構等，幾乎都是以純 CPU 打造的架構。但 Chevelle.fu 24 天前
Intel 藉 Movidius VPU ，為機器視覺帶來兼具省電與深度學習推理能力 產業消息 Movidius VPU 深度學習 deep learning Intel 藉 Movidius VPU ，為機器視覺帶來兼具省電與深度學習推理能力 在不少的 AI 應用當中，影像辨識與機器視覺是最主要的應用， Intel 也在日前收購了 VPU 製造商 Movidius 補齊其影像加速的技術， Intel Movidius 市場部門主管 Gary Brown 表示， Movidius 的 Myriad VPU 除了影像處理、機器視覺之外，也兼具深度學習的推理，使其可藉由低功耗發揮強大的視覺應用效能。 VPU 相較 GPU 的優勢在於其加購是專為影像處理與機器視覺最佳化而生，故可藉由極低的功耗進行高效率的影像處理與影像相關的推理能力，僅 1W 的能耗即可帶來 1TFLOPS 的效能，同時還具備同時進行影像辨識與物件偵測兩種能力。 至於是否有 Chevelle.fu 28 天前
Intel 談其 IoT 戰略，雲與端皆重要、鎖定具學習力的 AIoT 領域 產業消息 intel IOT 物聯網 Intel 談其 IoT 戰略，雲與端皆重要、鎖定具學習力的 AIoT 領域 在 Intel AIDC 的團訪活動，由 Jonathan Ballon 針對 Intel 在 IoT 的戰略進行訪談，對於 Intel 而言，目前其 IoT 部門主要還是以基於機器視覺為最主要的發展方針，同時也再度強調軟體工具與硬體在 AI 發展同等重要。 Mr. Ballon 認為，在 IoT 的 AI 技術發展，雲與端皆相當重要，因為以現況來說，雲仍具備運算力以及對功耗需求較寬鬆的優勢，然而邊際運算仍是，相當重要的，畢竟現階段若凡事透過雲，首先就是會遇到頻寬的問題，其次在不少應用如自動駕駛皆有需要即時反應的問題，這些是需要仰賴邊際運算的 AI 達成。 其次雖網路頻寬、低延遲可能隨 5G Chevelle.fu 28 天前
高通發表視覺智慧平台，結合相機、 AI 與機器視覺並鎖定物聯網應用 產業消息 Snapdragon ai人工智慧 高通 qualcomm 高通發表視覺智慧平台，結合相機、 AI 與機器視覺並鎖定物聯網應用 高通近期將不少資源投注在 AI 、嵌入式應用與物聯網上，而稍早它們也公布針對物聯網終端裝置的視覺智慧平台產品，首批的兩款產品採用 10nm 製程，分別為 QCS605 以及 QCS603 ，整合高通在運算與 AI 的技術，搭載高通的 ISP 、高通人工智慧引擎、 GPU 與 ARM 多核 CPU 技術、向量處理器，提供高性能的機器視覺技術與應用，能用於工業與消費級的安防相機、運動相機、穿戴式影像產品、 VR 與 360 相機、 機器人以及智慧顯示器等。 基於 QCS605 以及 QCS603 已經開始進行送樣，同時也與華晶科技合作，推出基於 QCS605 的 VR 360 度相機，並預計在 2 Chevelle.fu 2 個月前
Arm 推出 Project Trillium 的出發點：為使互連萬物都能獨立進行機器學習 產業消息 ARM 物聯網 機器學習 Arm 推出 Project Trillium 的出發點：為使互連萬物都能獨立進行機器學習 Arm 在今年二月份針對人工智慧與機器學習，宣布了名為 Project Trillium 的人工智慧解決方案，為端點人工智慧提供更完善的人工智慧技術，並使人工智慧深入各個端點；此方案包括軟體與硬體兩個層級，提供藉由 CPU + GPU + DSP 的現行異構解決方案，以及漸為潮流的專屬 AI 加速架構，讓客戶依照人工智慧運算需求選擇合宜的方案。 為何讓終端裝置具備獨立的機器學習能力很重要，可從六大領域說起，包括頻寬、能源、成本、延遲、可靠性與安全性。當前許多的人工智慧應用是透過基於雲的方式進行，然而仰賴透過網路傳輸到伺服器端，對於如影像分析、安全、自動駕駛等需要大量影像傳輸的應用，就需要耗用大 Chevelle.fu 3 個月前
Arm 機器學習方案 Project Trillium 先以行動裝置端的推理與機器視覺當中的物件辨識出發 產業消息 ARM 安全監控 智慧手機 機器學習 Arm 機器學習方案 Project Trillium 先以行動裝置端的推理與機器視覺當中的物件辨識出發 在當前端末進行機器學習的大宗趨勢，行動運算裝置勢必是對機器學習需求最顯著的領域，而終端裝置端又以機器學習的推理部分最需要即時處理；另一方面，當前機器學習發展最主流的應用為機器視覺當中的物件偵測，故 Project Trillium 雖是以涵蓋所有機器學習相關領域為最終目的，但首先規劃的兩項 IP 架構則個別針對行動運算以及物件辨識。 Arm Project Trillium 首款 ML 加速器是針對行動運算領域所規劃，為機器學習當中的推理的部分進行加速，這也是多數在終端裝置當中被視為較重要的部分，畢竟學習的部分較不需要即時處理，可透過效率更高的雲端伺服器進行，然而推理講求即時性，也需要在終端進 Chevelle.fu 3 個月前
