Caricamento...
Caricamento...
Caricamento...
AI23 giugno 202220.5 MINUTI DI LETTURA

L’intelligenza artificiale al limite: una visione per il futuro

Maxx Garrison e Johnny Chen parlano dell'intelligenza artificiale all'avanguardia

La Machine Vision, e altre soluzioni che offrono IA all'edge, stanno permettendo ad aziende di tutti i settori di fare cose che non avrebbero mai pensato fossero possibili. Per molti, la domanda non è più se useranno l'IA, ma quando. 

Una conversazione sulla visione artificiale e l'intelligenza artificiale ai margini

Maxx Garrison, product manager di OnLogic , e Johnny Chen, account manager ISV di Edge AI pressoIntel® Corporation si sono riuniti per parlare di IA all'avanguardia e di come le organizzazioni possano sfruttare soluzioni hardware e software per trasformare i progetti di IA da virtuali a reali. Abbiamo condiviso la registrazione della conversazione nell'ambito del nostro evento OnLogic Live e abbiamo anche risposto alle domande in diretta. Guarda la registrazione della sessione o leggi il riepilogo qui sotto.

Video

OnLogic Live! Una visione per il futuro

Sfide al limite

OnLogic: Quando le organizzazioni cercano di implementare soluzioni di IA all'edge, può essere difficile passare da un prototipo, o proof of concept (POC), alla piena implementazione. Questo vale in particolare negli ambienti ostili come in un ambiente di fabbrica, in un Magazzino o persino nei veicoli. 

Quando una soluzione viene sviluppata in laboratorio, si dispone sostanzialmente di una potenza di calcolo illimitata, con sistemi, server e workstation di laboratorio. Come si fa a trasferire questa potenza di calcolo all'edge, un ambiente che può rivelarsi complesso? 

Johnny: Avrai delle sfide al limite: 

  • Vincoli di potenza

  • Calcolo limitato

  • Larghezza di banda limitata

  • Internet limitato

  • Esigenze di alta disponibilità

Bisogna analizzare l'intero processo di intelligenza artificiale dall'inizio alla fine: l'inferenza è solo una piccola parte dell'intera equazione. Dopo aver assimilato ed elaborato l'inferenza dell'intelligenza artificiale, è necessario archiviare i dati. Si tratta di database di serie temporali, dashboard intelligenti e di restituire i dati all'utente in modo comprensibile. Questa è l'intera pipeline di intelligenza artificiale che i clienti devono comprendere. 

Portare una soluzione di IA dal virtuale alla realtà

Dietro le quinte di OnLogic Live

Johnny: Come si passa dal laboratorio all'edge? Credo che sia qui che la cosa diventa interessante. Intel e OnLogic hanno un'ottima partnership. Avete preso la nostra tecnologia di base di processori e XPU e l'avete inserita in fattori di forma come il Karbon 800 , così come altri, che sono davvero progettati per la scalabilità all'edge. Comprendere il carico di lavoro e come viene distribuito è la chiave per uscire dal POC e passare alla produzione e alla scalabilità.

Un'immagine del Karbon 801 di OnLogic

OnLogic: Quando si cerca di confrontare un sistema di intelligenza artificiale, gran parte del lavoro potrebbe essere svolto in laboratorio, dove si ha accesso a una potenza di calcolo praticamente illimitata. Ad esempio, se ci si trova nel cloud, si può avviare un'altra istanza GPU. Ma quando ci si sposta all'edge, molto probabilmente si utilizza hardware fisso.

Quali sono i metodi o gli strumenti che possono davvero aiutare le persone a dimensionare correttamente la soluzione di intelligenza artificiale se inizialmente non hanno l'esperienza necessaria per arrivare fino in fondo?

Utilizzo di Intel Dev Cloud

Johnny: Il primo passo è capire il tuo carico di lavoro e i tuoi KPI di performance. Poi puoi usareIntel Dev Cloud per testare effettivamente il tuo carico di lavoro nel cloud. E la parte migliore è che nel cloud abbiamo partner come OnLogic, che hanno sistemi nel Dev Cloud. Avere esattamente il sistema che implementerai all'edge ti offre proprio questo vantaggio. Puoi testare il tuo carico di lavoro esatto su quell'hardware prima di procedere con la distribuzione. Questo rende molto più facile dimensionare correttamente quell'hardware.

OnLogic: Intel Dev Cloud è costituito da hardware reale che si distribuisce all'edge. OnLogic dispone di sistemi in Intel Dev Cloud . Ciò significa che gli sviluppatori possono eseguire la loro soluzione su un sistema OnLogic e convalidarne il funzionamento con quel carico di lavoro. Possono quindi configurare il proprio sistema OnLogic e distribuirlo all'edge. E ne hanno già convalidato il funzionamento.

Scrivi il codice una volta, distribuiscilo ovunque

Johnny: Esattamente. E l'idea è che tutti questi strumenti aiutino a semplificare il processo. Intel offre anche altri strumenti comeOpenVINO Nella nostra nuova versione OpenVINO 2022.1, abbiamo effettivamente una modalità automatica. Ciò significa che, dopo aver eseguito il modello sul motore di inferenza aperto, la modalità automatica può selezionare il processore di inferenza migliore. Che si tratti di CPU, GPU, acceleratore Movidius e altri elementi simili, tutto ruota attorno all'XPU. Non importa dove viene eseguito, ma dove funziona meglio.

OnLogic: OnLogic offre una varietà di hardware. Ad esempio, il Karbon 800 è disponibile con un'ampia gamma di XPU: CPU, GPU integrata, GPU discreta, FPGA, Movidius – tantissime opzioni. E poi si può passare al nostro CL200 con Movidius o ai server edge . Offriamo molte opzioni, ma OpenVINO semplifica sostanzialmente il collegamento tra queste diverse tecnologie.

Gateway Ignition Edge

Johnny: L'idea di base è "codifica una volta, distribuisci ovunque". Quindi lo installi sull'hardware più adatto alla tua applicazione specifica o a quell'ambiente. Non vorresti prendere un sistema di una sala server e installarlo all'edge, dove è tutto polveroso e non è l'ambiente migliore. È destinato a fallire. Si tratta di dimensionare correttamente.

Sistemi progettati per un ambiente edge robusto

OnLogic: Abbiamo costruito appositamente la Serie Karbon 800 per l'edge. È un sistema robusto. Può essere installato su un veicolo, può ricevere input LiDAR e resisterà agli urti, alle vibrazioni e alle alte temperature che ci si aspetta negli ambienti edge. D'altra parte, se si prendesse l'attrezzatura da laboratorio che si usa per sviluppare il proprio ML, magari il desktop con una CPU da gaming o un server con montaggio a rack, questi non sono stati progettati per sopravvivere nell'ambiente edge.

Johnny: Un sistema non progettato per l'edge è destinato a fallire. OnLogic comprende le difficoltà dell'edge. Voi avete a che fare tutto il giorno con clienti che operano all'edge, in questi ambienti difficili. Avete preso la nostra tecnologia di base, l'avete unita al vostro know-how e avete creato un sistema unico per quella scalabilità di produzione.

Se si considera l'ambiente di produzione odierno, non solo il sistema deve essere affidabile, ma molti di questi sistemi devono essere in alta disponibilità (HA) perché non possono andare in tilt. Sono mission-critical. Se si perde un sistema, si perde l'intera fabbrica, e si parla di perdite ingenti. 

OnLogic: Penso che quando hai quell'infrastruttura scalabile e ti trovi in una posizione dove non hai connettività, non puoi semplicemente avere un'istanza cloud ridondante. Hai bisogno di hardware robusto che resista e continui a funzionare in quegli ambienti difficili. 

Sviluppare un processo e dimostrare l'efficienza con i dati di visione

Johnny: Inoltre, se guardi all'edge computing che sta avvenendo oggi, sempre più si sposta verso l'edge perché più decisioni vengono prese all'edge. I Dati di visione di per sé sono in realtà piuttosto inutili se ci pensi. Perché ti dicono solo: "Attenzione, questo ha fallito" o "Questo è a posto". 

Ma quando si combinano i dati provenienti dalla macchina stessa, dal PLC, dai sensori con i dati di visione, si ottiene un processo. Ora è possibile verificare il processo e, quando il pezzo è difettoso, è possibile esaminarne le impostazioni. In questo modo si può rispondere alla domanda: quali sono stati i fattori che hanno reso questo pezzo difettoso? E una volta individuati, è possibile correggere i problemi. E tutte queste decisioni devono essere prese a livello di edge, in modo da poter essere eseguite più velocemente e in tempo reale.

OnLogic: Alcune applicazioni uniche che stiamo vedendo sono quelle che consentono la regolazione dinamica. Quindi si utilizza machine vision per capire il prodotto che esce dalla linea. Può identificare i difetti. Ha anche il controllo del resto del sistema a valle per effettuare regolazioni. Ad esempio, potrebbe regolare il processo di estrusione per tenere conto dei cambiamenti di umidità in fabbrica. Tutto questo può essere dinamico perché si ha quella potenza all'edge e si può fare istantaneamente. Questa bassa latenza è fondamentale per l'edge computing.

Johnny: Una volta raccolti tutti questi dati, potete caricarli nel cloud insieme ai dati di altre macchine e iniziare a correlare i dati. Poi iniziate a vedere i trend, iniziate a vedere una storia. E ora potete dimostrare l'efficienza e non solo in un sito, ma in tutta l'azienda.

Maxx e Johnny parlano di intelligenza artificiale all'avanguardia e visione artificiale

Software per facilitare l'implementazione dell'intelligenza artificiale

OnLogic: Esistono sviluppi software che potrebbero semplificare il processo sia dal punto di vista software che da quello dell'implementazione? Quella piattaforma sembra estremamente complessa da realizzare e integrare. 

Johnny: Assolutamente. Oltre a OpenVINO di Intel, offriamo molti altri toolkit. Uno è un progetto di riferimento che abbiamo, chiamatoEdge Insights per l'industria Si tratta di uno stack software di riferimento che comprende tutto, dall'ingestione di dati e visioni, all'inferenza, al database di serie temporali e al dashboarding. È l'intero progetto di riferimento che forniamo gratuitamente ai nostri clienti, che possono utilizzarlo e poi creare il proprio prodotto, per la loro specifica soluzione. 

Esempio concreto di intelligenza artificiale nel settore del fast food

OnLogic: Quando lavoriamo con i clienti, questi operano in una vasta gamma di settori. Puoi fare qualche esempio di un'azienda che utilizza l'intelligenza artificiale?

Johnny: Sì, in effetti la domanda per l'intero settore non è se utilizzeranno l'intelligenza artificiale, ma quando. 

Un esempio interessante che penso tutti possano capire e apprezzare è il fast food. Il fast food può sfruttare l'IA e migliorare l'esperienza del cliente senza che quest'ultimo ne sia nemmeno consapevole. 

In un fast food, è possibile installare telecamere che riprendano il drive-through. Queste possono essere utilizzate per sapere quante auto sono in coda e quante persone sono in coda per ordinare. Queste informazioni possono essere utilizzate per fare microprevisioni. 

Pensateci, quasi tutti ordinano patatine fritte con i loro hamburger. Quindi, sapendo quante persone sono in coda, potete prevedere quante patatine fritte preparare e azzeccarle abbastanza bene. 

Un altro modo per utilizzare l'intelligenza artificiale in un fast food è monitorare la qualità del cibo. A nessuno piacciono le patatine fritte mollicce, vero? Mangiare patatine fritte avariate è una delle cose peggiori che si possano fare in un fast food.

Maxx Garrison e JP Ishaq ridono durante OnLogic Live - Una visione del futuro

Una telecamera potrebbe essere installata in cucina per monitorare la qualità del cibo. Quando sono state preparate le patatine? Per quanto tempo sono state preparate? Sono state preparate troppo a lungo? Bisognerebbe semplicemente buttarle via prima di servirle? Sono tutte cose che migliorano la qualità e l'esperienza del cliente. E la parte migliore è che non solo migliora l'esperienza del cliente, ma anche quella dell'azienda, perché ora sei più efficiente, hai un servizio migliore e hai effettivamente dati sull'andamento di tutti i tuoi ristoranti.

OnLogic: Sì, immagino che in quella situazione, se si volesse fare lo stesso senza l'IA, servirebbe una sala controllo piena di persone che monitorano le linee. "Ci sono 5 persone in coda. Devi far muovere più patatine!". Non abbiamo queste risorse in queste aziende. L'IA può intervenire e potenziare davvero l'attività in modi che in passato non erano possibili.

Johnny: E la parte migliore è che semplifica la vita ai lavoratori. Perché ora non devono più affannarsi. Sanno in anticipo quanto cibo preparare. E questo ci porta a un altro punto. Può ridurre gli sprechi alimentari perché non si prepara troppo. Si ha un'idea molto più precisa di quanto cibo serve in quel preciso momento.

Implementazione dell'intelligenza artificiale brownfield 

OnLogic: Una delle sfide più particolari che riscontriamo riguarda i siti produttivi più datati. Spesso non si tratta di stabilimenti nuovissimi, eppure vorrebbero integrare le funzionalità di intelligenza artificiale. È fattibile con la tecnologia di cui disponiamo oggi?

Johnny: Oh, assolutamente. Credo che una delle aree di maggiore crescita sia l'infrastruttura esistente, spesso chiamata infrastruttura brownfield. Come si aggiorna? La verità è che nessuno riqualificherà un'intera fabbrica esistente per renderla intelligente. Perché mai dovrebbero farlo se hanno macchinari che funzionano perfettamente per 20 anni? 

È qui che entrano in gioco i gateway IoT OnLogic con le loro molteplici interfacce. Sono in grado di interfacciarsi con PLC e macchine tradizionali più vecchie. È possibile estrarre dati da essi e digitalizzarli. 

Utilizzare il software per raccogliere i dati insieme

Johnny: Inoltre, OnLogic ha un'ottima partnership con Inductive Automation . La loroSoftware di accensione Raccoglie tutti questi dati. In fin dei conti, i dati non diminuiscono, ma aumentano. Ora, in questi vecchi stabilimenti, c'è un modo per estrarre tutti questi dati e digitalizzarli. È qui che la tecnologia diventa davvero entusiasmante. Perché ora, con tutti questi dati raccolti, si può iniziare a dare un senso a questi vecchi stabilimenti e a migliorarne l'efficienza. In passato, semplicemente non si riuscivano a visualizzare le informazioni. 

OnLogic: Quando analizziamo questi vecchi stabilimenti, potremmo avere un PLC datato che controlla le apparecchiature, un PLC, un gateway e un server edge nel cloud, e stiamo guardando a stabilimenti nuovi e futuri. Come prevedete l'evoluzione di questo tipo di topologia di apparecchiature? Ci consolideremo in soft-PLC con acceleratori integrati o prevedete ancora di assistere a questo tipo di evoluzione delle funzioni?

Passa al bordo per prendere decisioni in tempo reale

Johnny: Vedo ancora qualche sfogo, ma vedo i computer spostarsi sempre di più verso l'edge. Perché uno degli aspetti chiave del passaggio all'edge è la possibilità di prendere decisioni in tempo reale. Quando si esegue il rilevamento dei difetti, si vuole essere in grado di vedere cosa sta succedendo. Si vuole essere in grado di adattare queste macchine in tempo reale. Quindi, sempre più risorse di calcolo si stanno spostando verso l'edge per farlo in tempo reale. 

Ma la seconda parte è che si desidera anche prendere tutti questi dati correlati e inserirli nel cloud. L'architettura ibrida diventerà sempre più diffusa. Vedrete sempre più dati inseriti nel cloud, ma solo quelli importanti. Dati che sono stati elaborati all'edge e che possono poi essere inseriti in una dashboard nel cloud. In questo modo, chiunque in azienda potrà effettivamente esaminare i dati e interpretarli. 

OnLogic: Un buon esempio è un cliente che può acquisire dati LiDAR da un veicolo. Il LiDAR crea un'enorme quantità di dati, la maggior parte dei quali non è utile. Ma se c'è una parte di quei dati che è utile, questa può essere caricata sul cloud per il futuro addestramento dei modelli, giusto?

Johnny: Assolutamente. Ed è qui che l'intelligenza artificiale è così importante. Perché i dati non si stanno riducendo, ma stanno crescendo sempre più velocemente e in quantità sempre maggiori. Il problema è come si smistano tutti questi dati? In passato, bisognava avere una persona che si sedesse e li smistasse manualmente. Ma ora, con l'intelligenza artificiale, può smistarli automaticamente e presentare solo ciò che è rilevante. Ed è così che diventeremo efficienti e miglioreremo in questo. Credo che uno degli aspetti più entusiasmanti della nostra partnership sia la vostra capacità di prendere Alder Lake-S e creare una piattaforma altamente scalabile. 

Una piattaforma scalabile per l'intelligenza artificiale

Johnny: La scalabilità nel complesso, specialmente nell'IA, è davvero importante. Se guardi a OpenVINO di Intel, il concetto è "scrivi una volta, distribuisci ovunque". Lo metti su sistemi piccoli fino ai sistemi server e il nostro codice rimane lo stesso. In un certo senso. Penso che questo sia anche ciò che rende così entusiasmante la serie Karbon. Quello che avete fatto è creare una piattaforma per l'IA. Avete un elevato numero di iGPU sull'Alder Lake-P che avete creato. Ma OnLogic ha anche creato un sistema scalabile oltre a questo con la vostra serie Alder Lake-S, in cui ora è scalabile con GPU, schede PCIe. L'altra cosa importante sono le porte di rete.

I sistemi OnLogic offrono tantissime porte di rete perché – cosa gestisce tutta la visione? Sono le telecamere – telecamere PoE e così via. Quindi, secondo me, la cosa più interessante è quello che avete fatto con Alder Lake, creando la serie Karbon, è diventata una piattaforma scalabile per l'IA.

OnLogic: Se si guarda alla fascia bassa, abbiamo Alder Lake-P, un sistema molto complesso, ma con una iGPU davvero potente. Utilizzando OpenVINO, è possibile sfruttarlo al meglio per i carichi di lavoro di intelligenza artificiale. Poi si passa a Karbon 800 e ci si concentra sulle prestazioni elevatissime della CPU. Ma anche, come hai detto, sull'espandibilità e sulla modularità dell'I/O.

OnLogic offre quattro sistemi della serie Karbon 800. Quando consideriamo queste applicazioni di intelligenza artificiale edge, hai perfettamente ragione: si tratta di visione artificiale e devi collegare delle telecamere. Quindi, con il K804 in particolare, credo che siamo arrivati a 22 PoE. telecamere possibili o 30 telecamere USB. Naturalmente, anche in questo caso, è necessario dimensionare correttamente i carichi di lavoro di intelligenza artificiale in modo da poter effettivamente acquisire ed elaborare tutti quei dati. Ma offriamo una piattaforma scalabile che, per quasi tutte le applicazioni, ci consente di trovare un sistema adatto a quel carico di lavoro di intelligenza artificiale edge.

Foto del computer robusto Karbon 804 in grado di alimentare 22 telecamere PoE

Ottieni di più con l'intelligenza artificiale in periferia

Johnny: E questa scalabilità diventerà sempre più importante ai margini della rete perché molte aziende, una volta che avranno capito cosa possono fare con l'intelligenza artificiale, vorranno aggiungere sempre più funzionalità tramite software e implementare sempre più l'intelligenza artificiale ai margini della rete.

OnLogic: Siamo davvero entusiasti di vedere cosa riserva il futuro per l'IA nei nostri settori. Tutti i clienti con cui lavoriamo stanno spingendo molto per implementare l'IA all'edge. Credo che una delle cose affascinanti, lavorando con aziende che operano all'edge, sia che la stiamo vedendo in produzione. Questi non sono solo progetti di ricerca. Stiamo vedendo benefici reali e concreti sul campo, ed è una realtà.

Johnny: Sì, assolutamente. Sai, come dicevamo prima, non è una questione di "se", ma di "quando".

Incartare

Tre foto di JP e Darek che conversano durante OnLogic Live - AI at the Edge

JP Ishaq, Direttore Product Enablement, e Darek Fanton, Responsabile delle comunicazioni, hanno fornito ulteriori approfondimenti e informazioni dopo la conversazione preregistrata tra Maxx e Johnny.

Intelligenza Artificiale – non è una questione di se, ma di quando 

Darek: Quali sono stati i punti chiave della conversazione tra Maxx e Johnny? 

JP: È davvero entusiasmante vedere questo ecosistema prendere forma. Grazie alla partnership tra OnLogic e Intel, siamo in grado di fornire soluzioni scalabili per applicazioni emergenti. Come ha detto Johnny, l'intelligenza artificiale non è una questione di se, ma di quando. In molti casi, quel "quando" è adesso. Lo stiamo vedendo ovunque, dall'analisi dei dati nel settore retail per migliorare l'esperienza di acquisto dei clienti alle implementazioni nell'automazione industriale per migliorare la manutenzione preventiva e la qualità dei prodotti. 

Cos'è l'inferenza nell'IA? 

Nelle applicazioni di intelligenza artificiale aumentata, si parla di apprendimento automatico o apprendimento profondo. Si tratta del processo di costruzione di un modello e del suo addestramento utilizzando l'elaborazione ad alte prestazioni (HPC) e il cloud computing. L'inferenza avviene dopo che il modello è stato addestrato sul riconoscimento degli oggetti e viene effettivamente utilizzato per riconoscere i dati in arrivo (solitamente immagini o video). 

Che cosa si intende per brownfield e greenfield?

Brownfield e greenfield sono termini utilizzati in diversi settori, ma essenzialmente si riferiscono alla stessa cosa. Nel settore hardware, l'implementazione di un progetto greenfield è una nuova installazione che può essere progettata su misura da zero. Includerebbe tutti i nuovi dispositivi, hardware, stack software personalizzato, periferiche e protocolli. 

D'altro canto, un progetto brownfield sfrutta e si integra con l'infrastruttura esistente. Ciò presenta alcune sfide specifiche per l'integrazione con i dispositivi legacy esistenti. Questo è uno dei motivi per cui molti dei nostri sistemi includono quella che il mondo dell'informatica di consumo considererebbe una connettività "antiquata", come le porte COM. Molti dispositivi negli stabilimenti esistenti richiedono queste connessioni. Spesso non sono inoltre in grado di comunicare con le risorse di rete o con il cloud, motivo per cui i gateway IoT sono diventati una componente fondamentale del panorama hardware. OnLogic eccelle davvero nel supportare queste prestazioni all'avanguardia e nel mantenere la connettività legacy. 

Visione artificiale AI in azione

Un esempio di azienda innovativa che ha sfruttato una soluzione OnLogic è Datacadabra nei Paesi Bassi. L'azienda ha sviluppato una soluzione intelligente per la rasatura dell'erba lungo le strade, chiamata Mowhawk. Utilizzando la visione artificiale, è in grado di identificare specie invasive, rifiuti o persino habitat animali e indicare al tosaerba le aree da tagliare o da evitare. 

Rasaerba stradale Mohawk con visione artificiale di Datacadabra

Questo è un ottimo esempio di una soluzione di intelligenza artificiale e apprendimento automatico attualmente in uso. E come consumatore medio, potresti passare ogni giorno davanti a incredibili soluzioni di intelligenza artificiale e visione artificiale senza nemmeno rendertene conto. Quindi, quel trattore sullo spartitraffico potrebbe in realtà essere una soluzione di visione artificiale. 

Esempi di entusiasmanti tecnologie hardware attuali o future

Una foto di Darek Fanton e JP Ishaq che discutono della prossima tecnologia hardware

Come abbiamo accennato, siamo molto entusiasti di lanciare la nostra serie Karbon 800 che si basa suPiattaforma Intel di 12a generazione – precedentemente noto come Alder Lake. Presto arriveranno altri sistemi basati su Alder Lake, quindi rimanete sintonizzati. Avremo maggiori opportunità per servire diverse applicazioni con diversi livelli di architettura scalabile. 

La scalabilità è la parola d'ordine! Che si tratti di uno dei nostri modelli K800, in grado di supportare sia l'elaborazione Alder Lake integrata sia di aggiungere periferiche e connettività aggiuntive, o di uno dei nostri gateway più piccoli, avremo una soluzione per aiutare i nostri clienti. 

La nostra partnership con Intel ci consente di sfruttare le prestazioni delle generazioni più recenti, continuando nel contempo a supportare i nostri clienti e a mantenere le loro piattaforme hardware. 

Parte della scalabilità consiste nell'assicurarsi di avere la soluzione giusta per il momento, ma anche la capacità di evolversi nel tempo con lo sviluppo dell'applicazione. Ad esempio, offriamo diversi modelli nella nostra serie K800: K801, K802, K803 e K804, che possono effettivamente utilizzare una GPU. In questo modo, si ha la flessibilità necessaria per gestire l'elaborazione in base a dove viene eseguita.

Un'immagine della serie Karbon 800 di OnLogic

Perché Alder Lake è una buona scelta per l'intelligenza artificiale?

Certo, vediamo miglioramenti nelle prestazioni generali e nel calcolo. Ma una delle cose particolarmente interessanti è l'architettura ibrida che combina core ad alte prestazioni e core efficienti, in modo da poter scalare davvero in base al carico di lavoro necessario e gestire carichi di lavoro molto diversi. 

Inoltre, la GPU integrata è senza precedenti nella sua capacità di gestire carichi di lavoro di intelligenza artificiale senza necessariamente richiedere una periferica esterna o aggiuntiva. È qualcosa che non avevamo mai visto a questo livello prima. Se necessario, i nostri sistemi si occupano di integrare tutte le periferiche aggiuntive, consentendo così ai nostri clienti di dimensionare la soluzione in base alle proprie esigenze applicative. 

Perché Alder Lake è una buona scelta per l'intelligenza artificiale?

Considerati gli attuali problemi della catena di fornitura, qual è la disponibilità della serie Karbon 800? 

Non c'è dubbio che i problemi della supply chain stiano avendo un impatto su quasi ogni prodotto e settore in tutto il mondo. Il nostro team si sta impegnando molto per mantenere la nostra fornitura e ci sono riusciti con grande successo. Il K800 è stato rilasciato ed è ora in spedizione.

Si tratta di essere flessibili. La cosa interessante è che ora puoi ottenere le piattaforme base e che funzionalità aggiuntive verranno introdotte nel tempo. 

Pronti a lanciare la vostra applicazione AI at the edge? Scoprite di più su Karbon 800 o contattate il nostro team oggi stesso!

Nota dell'editore: Inductive Automation ha terminato il programma Ignition Onboard. Le licenze Ignition devono ora essere acquistate direttamente tramite Inductive Automation. Sebbene le versioni IGN delle nostre soluzioni non siano più disponibili, i nostri computer rimangono perfettamente adatti all'utilizzo con il software Ignition. Scoprite l' hardware consigliato qui .

Sarah Lavoie, creatrice di contenuti per OnLogic
Sarah Lavoie
Marketing dei contenuti / Marketing, OnLogic
Sarah Lavoie è una content creator per OnLogic. Quando non scrive, di solito la si può trovare a esplorare il paesaggio del Vermont con la sua macchina fotografica, alla ricerca di immagini straordinarie.

Rimani informato.

Ricevi in anteprima i nuovi prodotti, le innovazioni per l'Industria 4.0, gli eventi OnLogic e molto altro.