作者华仔

智慧园区中,英特尔AI技术正在扩展版图

从开展以数据为中心的转型开始,英特尔就希望通过连接、存储与计算的全方位能力来构建行业的智能化生态。

 2020 年,从政府、企业,再到个人,新基建已经成为最核心的发展方向,实现智能化是新基建的重要目标。在这样的背景下,也催生出了大批潜力十足的 AI 企业。

对于城市发展来说,智慧园区的作用除了能够持续引领数字经济发展外,还有一点就是可以做到对资源的有效利用。借助信息化手段,园区内的资源能够快速整合、分配,让其发挥出最大价值。
 
现阶段,随着人工智能技术的成熟,大量的智慧园区在城市中落地,这不仅给企业提供了更加方便的数字化转型力量支持,同时也为城市的数字经济建设注入强大生机。一场更大的智能化园区建设浪潮正在来临。
 
迎接新变革 智慧园区推动城市全面转型
 
智慧园区是新基建的标志性工程之一,也是城市向数字化时代迈进的重要纽带。一般来讲,智慧园区的建设需要应用大量的现代化技术,尤其是 AI 技术的成熟,让园区在网络化、信息化、细分化的基础上,达到智能化的特色管理。
智慧园区的整体是一个智能化中心,里面聚集了 5G、AI、边缘计算、IoT 等多方面新兴技术,这些技术不仅可以将园区的创新、服务、管理能力提高到全新水平,更重要的是为园区奠定了强大的软基础。当前,智能化中心在中国各大城市纷纷落地,而随着建设的深入,一些制约问题也逐渐显现。
 
首先就是「老基建」带来的困扰。在传统园区的规划中,由于当时技术的局限性,园区往往提供的只有交通、建筑、水、电等基础类服务,深层次的信息化建设需要企业自己搭建,每一个企业都是一个资源集中的「孤岛」。
 
其次是生态化平台难以搭建。传统园区的建设,园区运营管理平台与入驻企业平台相互分隔,缺乏交流,且不同企业之间的基础设施建设也具备差异性。层级不同,难以构建一个整合化的生态平台。
 
第三是服务能力覆盖不全面。园区服务一般集中于安防、维修、消费等领域,对于企业用户日常关心的资源管理、降本增效、时间管理等方面缺乏安排。而且园区内的服务模式很难形成统一标准,同时在服务响应上也不及时,造成客户体验差。
 
第四是持续提高对新资源的吸引力。对于智慧园区来说,除了打造一个智能化中心、生态化中心外,还要有源源不断的创新力注入其中,这需要不断强化的资源管理及用户服务能力。
 
基于智慧园区建设的诸多难题,也让其成为未来智慧城市发展的关键所在。在英特尔看来,智慧园区涉及方方面面,以 5G+AI 技术牵引,进行传统基础设施建设的升级与改造,这需要更为全面的数字化技术及产品支撑,而英特尔就具备这样的实力。
 
在今年世界人工智能大会(WAIC 2020)上,英特尔中国研究院院长宋继强指出,当前无论是个人还是企业都已经进入智能化时代,处在这个节点,英特尔以数据为中心,通过全面的软硬件实力,来推动全行业的智能化变革。
 
多维度升级 英特尔至强加速AI应用落地
 
智慧园区的建设,很大程度上依赖于摄像头终端的布建。在传统的园区管理中,由于大多采用人员管理方式,使得流动监管十分困难,再加上安全警讯上报复杂,监控设施成本较高等难点,让园区管理效率难以提速。
 
随着 AI 与 5G 技术的不断成熟,摄像头的应用将会更加广泛。据 Gartner 发布的预测数据显示,2020 年户外监控摄像头将占 5G 物联网(IoT)终端的 70%。未来三年,联网户外监控摄像头安装量将达到 1120 万台,成为智能化时代最庞大的触角。
 
在英特尔看来,实现园区智慧化的核心需求,前期需聚焦于基于 AI 的视频监控上。借助不断升级的高清摄像头,搭配高精度视频,来打造先进的智慧园区管理系统,同时这也是构建园区安防体系的「城门墙」。
 
基于此,南京云创大数据科技股份有限公司(云创大数据)联合英特尔打造了一套用于智慧园区视频监控系统的解决方案,以视频数据智能化处理为纽带,将视频采集、图像检测、安全监控等应用场景聚合在一起,以此帮助园区实现管理、服务及安防等能力的提升。
 
智慧园区的建设需要对场景有着十分精准的识别,这是保证管理及服务开展的基础。对于云创大数据来说,完善的视频监控方案,不仅要能从百万量级的图像中实现场景的秒级识别,还要对其进行及时分许处理,并将处理结果快速反馈,让管理者做出及时有效应对。
 
为此,云创大数据在方案架构上进行了全局化设计,采用端到端的搭配方式,前端导入内置高清摄像头、空气传感器及无线网络设备的智慧路灯伴侣,这样的组合兼具视频监控、声音录制、空气检测、公共 WIFI 等功能。
图:智慧路灯伴侣安装在园区内路灯杆上,可对人行道和车道实施 360 度的全景监控
 
前端设备进行数据信息的采集,并通过网络传输到云端的大数据处理平台上,这个平台是整个方案能力的主要载体,包括视频处理、AI 推理等,这是实现园区智能化视频监控的核心。
 
在这个方案中,强大的视频处理及AI推理能力是运行的关键。在园区管理过程中,由于采用 1080P 显示格式,使得前端视频采集的数据量十分庞大,每日 2TB 左右,图片约 500 万张。对这样数量级的视频图像数据进行实时编解码处理,需要强大的算力予以支撑。
图:云创大数据智慧园区用视频监控方案的端到端架构
 
基于此,云创大数据引入英特尔®视频分析参考设计方案,采用基于英特尔®至强®可扩展平台的编解码服务器作为基本的算力输出引擎,并在其上应用英特尔® Media SDK 软件工具包进一步加速视频编解码性能,通过软硬结合的方式实现视频数据的快速处理,同时也为云创大数据视频监控方案未来应用场景的扩展奠定了基础。
 
在 AI 推理能力方面,云创大数据采用集成 AI 加速能力的至强®可扩展平台来实现云端数据的及时处理。借助该平台中用以加速 AI 推理及部署效率的软件工具套件—— OpenVINO™ 工具套件,将方案中AI推理环节采用的 FP32 模型转换成 INT8 模型。相较于前者,INT8 模型能够为 AI 推理带来更多的 OPS,在不影响准确率的前提下显著提升推理速度。

图:传统参数转换方式与 OpenVINO™ 工具套件模型转换方式的对比
 
与此同时,第二代英特尔®至强®可扩展处理器集成的英特尔®深度学习加速技术能够进一步提升转换后 INT8 模型的推理效率,双管齐下,让云创大数据视频监控方案形成了高效的全流程数据处理能力。
 
软硬件合力 英特尔助力行业智慧生态构建
 
从开展以数据为中心的转型开始,英特尔就希望通过连接、存储与计算的全方位能力来构建行业的智能化生态。英特尔将六大技术支柱(制程与封装、架构、内存与存储、互连、安全、软件)作为推动智能化时代变革的基石,并在各个环节与 AI 技术融合,借助 CPU、GPU、FPGA、ASIC 全面的产品布局,让英特尔能够将AI技术渗透到行业的各个领域。
 
尤其是进入 2020 年,英特尔在 AI 领域的动作频率不断提高,不仅推出了一系列的 AI 软硬件产品,还在一些行业应用上深度拓展。可以说,这些全面的实力让英特尔在 AI 领域具备了得天独厚的先行优势。
 
软硬件加持下,英特尔能够为行业智能化解决方案落地提供全面支持。在与云创大数据合作开发视频监控方案时,至强®处理器与英特尔® Media SDK 组合带来的软硬协同加速效果可以高效进行海量高清视频的编解码任务。
 
此外更值得一提的是,在双方的合作进程中,云创大数据还对英特尔 ®傲腾™持久内存及英特尔 ®Movidius™ 视觉处理单元在视频监控方案中的应用展开初步探索。而据已有结果表明,傲腾™持久内存可以对处理能力过剩但内存容量不足的应用场景提供有效支撑,并可降低系统建设成本;英特尔 ®Movidius™ 视觉处理单元可以提供强劲的边缘视觉计算性能,使得 AI 推理操作能够延 伸到监测终端,以此来提升系统的灵敏度。目前,双方已计划围绕这些具备潜在应用价值的技术来开展更深层次的合作,帮助客户更好把控园区管理。
 
推动智慧园区的建设,是英特尔 AI 技术应用扩展版图的重要一项,而通过在技术、产品和生态方面的不断深入探索,英特尔将对行业升级需求有着更清晰的理解,同时为各行各业赋能。显然,英特尔有这样的决心,也有这样的信心。

产业工业物联网英特尔
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

推荐文章
暂无评论
暂无评论~