อินเทลเร่งพัฒนา AI บน Edge ผ่านอีโคซิสเต็มแบบเปิด
อินเทลยกระดับพันธมิตรในการบูรณาการ AI เข้ากับโครงสร้างพื้นฐานที่มีอยู่ได้อย่างราบรื่นด้วยซอฟต์แวร์ระบบ Intel AI Edge, Edge AI Suites และแพลตฟอร์ม Open Edge ใหม่
อินเทลเปิดตัวระบบ Intel® AI Edge, Edge AI Suites และแพลตฟอร์ม Open Edge ใหม่ ผลิตภัณฑ์เหล่านี้เข้ามาช่วยให้ธุรกิจเร่งนำ AI มาใช้บน Edge ในอุตสาหกรรมต่าง ๆ เช่น ค้าปลีก การผลิต เมืองอัจฉริยะ รวมถึงสื่อและความบันเทิง โดยออกแบบมาให้ผสานการทำงานกับโครงสร้างพื้นฐานเดิมได้อย่างราบรื่น
“ลูกค้าของเราต้องการขยายการใช้งาน AI ในโครงสร้างพื้นฐานและกระบวนการทำงานที่มีอยู่บน Edge พร้อมทั้งควบคุมต้นทุนรวมในการเป็นเจ้าของ และบรรลุเป้าหมายด้านพลังงานและประสิทธิภาพ ด้วยประสบการณ์ยาวนานหลายทศวรรษในด้าน Edge เรากำลังก้าวไปอีกขั้นด้วยระบบ Intel AI Edge, Edge AI Suites และแพลตฟอร์ม Open Edge เพื่อเร่งการส่งมอบโซลูชันที่พร้อมรองรับ AI ทั่วทั้งอีโคซิสเต็ม”
เหตุใดจึงสำคัญ: Edge AI กำลังก้าวขึ้นมาเป็นปัจจัยสำคัญในการขับเคลื่อนนวัตกรรมองค์กร การ์ทเนอร์ (Gartner) คาดการณ์ว่าภายในสิ้นปี 2025 ข้อมูลองค์กรราว 50% จะถูกประมวลผลนอกศูนย์ข้อมูล (Data centers) แบบดั้งเดิมหรือระบบคลาวด์ ไม่ว่าจะเป็นในร้านค้าปลีก โรงงานผลิตหรือสถานพยาบาล อีกทั้งภายในปี 2026 อย่างน้อยครึ่งหนึ่งของการใช้งาน Edge computing จะเกี่ยวข้องกับการเรียนรู้ของเครื่องจักร (Machine learning)1
ด้วยการใช้งาน Edge มากกว่า 100,000 โครงการร่วมกับพันธมิตร ซึ่งหลายแห่งใช้ประโยชน์จาก AI ในปัจจุบัน อินเทลจึงเข้าใจถึงความท้าทายเฉพาะตัวของ Edge AI ความท้าทายเหล่านี้แตกต่างกันอย่างมากในแต่ละอุตสาหกรรม อีกทั้งแต่ละอุตสาหกรรมยังมีความต้องการด้านประสิทธิภาพและพลังงานที่แตกต่างกัน สิ่งที่ได้ผลสำหรับผู้ให้บริการระบบคลาวด์อาจไม่เหมาะสมกับองค์กรที่ทำงานบน Edge ซึ่งจำเป็นต้องบำรุงรักษาแพลตฟอร์มและซอฟต์แวร์ที่มีอยู่ในขณะเดียวกันก็ต้องผสานรวม AI เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดในด้านต้นทุนรวมในการเป็นเจ้าของ (TCO) และประสิทธิภาพด้านพลังงาน
ต่างจากศูนย์ข้อมูลขนาดใหญ่ที่มีโครงสร้างพื้นฐาน AI เฉพาะ การปรับใช้ AI แบบ Edge จะต้องบูรณาการเข้ากับระบบ IT ที่มีอยู่เดิมได้อย่างราบรื่นในสภาพแวดล้อมที่มีพื้นที่จำกัด ใช้พลังงานต่ำ และมีต้นทุนที่คุ้มค่า
ระบบ Intel AI Edge ร่วมกับ Edge AI Suites และแพลตฟอร์ม Open Edge ถูกพัฒนามาให้จัดการกับความท้าทายเหล่านี้โดยการสร้างรากฐานเทคโนโลยีที่แพร่หลายของอินเทลบน Edge ความพยายามเหล่านี้ช่วยให้อีโคซิสเต็มสามารถนำ Edge AI ออกสู่ตลาดได้รวดเร็วและมีประสิทธิภาพมากขึ้น
แนวทาง Open Edge ช่วยให้อินเทลสามารถมอบประสิทธิภาพการทำงานแบบครบวงจรและมีต้นทุนรวมในการเป็นเจ้าของที่ดีกว่าในหลากหลายอุตสาหกรรมที่สำคัญ ในกรณีการวิเคราะห์วิดีโอ Edge AI การประมวลผล TOPs (Tera Operations per Second) เพียงอย่างเดียวไม่สามารถตอบสนองความต้องการด้านประสิทธิภาพในโลกแห่งความเป็นจริงได้ เมื่อเปรียบเทียบโปรเซสเซอร์ Intel® Core™ Ultra กับคู่แข่ง AI ชั้นนำ แม้ว่าคู่แข่งอาจมีค่า TOPs สูงกว่าแต่อินเทลสามารถมอบประสิทธิภาพการทำงานแบบครบวงจรที่สูงขึ้นถึง 2.3 เท่า และสามารถเพิ่มประสิทธิภาพได้ถึง 5 เท่าต่อดอลลาร์สหรัฐ2
ระบบนิเวศแบบเปิดช่วยเร่งการนำ Edge AI มาใช้ได้อย่างไร?: แม้ว่าการใช้งานเอดจ์ ในปัจจุบันจะผสานรวมเทคโนโลยี AI เข้ากับเทคโนโลยี Machine Learning แบบดั้งเดิมและการประมวลผลภาพด้วยคอมพิวเตอร์ (Computer Vision) แต่ระบบ AI Edge, Edge AI Suites และแพลตฟอร์ม Open Edge ของอินเทล ได้รับการออกแบบมาเพื่อเร่งการนำ AI ขั้นสูงไปใช้งานได้อย่างมีประสิทธิภาพมากขึ้น ซึ่งมีส่วนช่วยให้องค์กรต่างๆ สามารถรับมือกับความท้าทายเฉพาะอุตสาหกรรมและขับเคลื่อนการสร้างสรรค์นวัตกรรมในการใช้งาน Edge AI ผ่านอีโคซิสเต็มที่แข็งแกร่งและพันธมิตรที่เชื่อถือได้ของอินเทล
ความคิดเห็นจากพันธมิตรในอุตสาหกรรม: พันธมิตรที่เข้าร่วมโครงการ เช่น Cisco Compute, Lenovo, Red Hat, Wind River Systems และบริษัทอื่น ๆ ได้แสดงมุมมองเกี่ยวกับโซลูชันของ Intel ซึ่งสามารถอ่านความคิดเห็นฉบับเต็มได้ที่ https://download.intel.com/newsroom/2025/ai/Newsroom-AI-Edge-Quote-Sheet-03192025.pdf
รายละเอียดเพิ่มเติม: Intel's Edge AI Portfolio (Intel.com)
หมายเหตุ:
¹ Gartner®, Hyperscalers Stretching to the Digital Edge, โดย Thomas Bittman, 24 กรกฎาคม 2023
² ข้อมูลจากการทดสอบภายในของอินเทล ณ เดือนมกราคม 2025 โดยเปรียบเทียบโปรเซสเซอร์ Intel® Core™ Ultra 7 265H กับ Nvidia Jetson Orin AGX 64GB พบประสิทธิภาพการถอดรหัสสื่อ (Media Decode Performance) สูงกว่า 3.5 เท่า ประสิทธิภาพ Pipeline ตั้งแต่ต้นทางถึงปลายทาง (End-to-End Pipeline Performance) สูงกว่า 2.3 เท่า และประสิทธิภาพต่อดอลลาร์ (Performance per Dollar) สูงกว่าถึง 5 เท่า
ทดสอบจากเวิร์กโหลด End-to-End Pipeline โดยใช้ Network Video Recorder Workload ซึ่งประกอบด้วย การถอดรหัสวิดีโอ 1080p30 HEVC Decode + การประมวลผลล่วงหน้า (Pre-processing) และการตรวจจับ (Detection) โดยใช้ Yolov5s_640 ที่ 5 เฟรมต่อวินาที + การจำแนกประเภทวัตถุ (Classification) โดยใช้ Mobilenet-V2 ที่ 5 Inference ต่อวินาที และ Resnet50 ที่ 5 Inference ต่อวินาที
ประสิทธิภาพที่ได้แตกต่างกันไปตามการใช้งาน การกำหนดค่า และปัจจัยอื่นๆสามารถศึกษาข้อมูลเพิ่มเติมได้ที่ intel.com/performanceindex
Update : 20/03/2025
หน้าหลัก (Main) |
(สินค้า IT) ออกใหม่ |
|
FOLLOW US |