從保障整個城市的安全建設，到快速識別和分類復雜的醫療影像數據，英特爾正在加速實現物聯網的價值。

伴隨著數十億的互聯事物以呈指數增長的速度生成的海量數據，物聯網（IoT）和人工智能（AI）正在通過不斷融合引領著一個關鍵的轉型的發生——通過邊緣計算的進行處理和分析的數據越來越多。實際上，IDC預測，在2020年，物聯網設備中生成的所有數據中，有45%的數據將在網絡邊緣或附近被存儲、處理、分析并起作用。

身處海量數據持續爆炸之中，若想保持競爭優勢、把握人工智能與物聯網交融帶來的機會，就需要邊緣計算擁有更好的性能同時更加智能。借助高性能計算與人工智能的技術，企業能夠通過邊緣計算獲取、處理和分析數據，從而實現近乎實時的業務洞察。

內置深度學習功能的全新第二代英特爾至強可擴展處理器，可為下一代以數據為驅動的物聯網邊緣平臺帶來卓越的性能和人工智能能力。第二代英特爾至強可擴展處理器可為諸如語音識別、目標檢測、圖像分類等深度學習推理的工作負載顯著提升高達14倍的性能。當其與英特爾分布式OpenVINO工具包結合使用時，開發人員可以簡化深度學習的應用部署，并優化邊緣深度學習推理應用程序的性能。

看到這些新技術可以滿足不同市場的特殊需求，這著實是一件令人興奮的事情。智慧城市、工業制造商、醫療保健供應商、學校、銀行和零售商都可以通過推動增長、提升洞察力的方法中獲益。憑借著基于人工智能的物聯網工作負載的能力，第二代英特爾至強可擴展處理器能夠實現：

★保障整個城市的安全；

★對復雜的醫療影像數據進行快速識別和分類；

★實現線下零售店的庫存管理與顧客分布熱力圖的繪制；

★推動工業機器人視覺的發展；

★打造個性化零售購物體驗和無障礙結賬系統；

★加速制造業中的缺陷檢測應用。

正如我所展望的未來一樣，實現在物聯網的網絡邊緣集成人工智能與智能視覺技術的發展前景，現在正剛剛起步。

西門子醫療系統有限公司（SiemensHealthineers）正致力于為放射科醫生實現加速心臟MRI成像的工作，就是一個很好的例子。每年預計有1800萬人，即平均每分鐘有34人由于心血管疾病而導致死亡，死亡人數約占全球死亡總數的三分之一。心血管疾病的流行現狀，導致了放射科醫生的工作負荷——每天有上百次研究、工作日的工時超過12個小時——持續大幅度增加，這種情況對放射科醫生來說是家常便飯。第二代英特爾至強可擴展處理器，助力放射科醫生優化心臟MRI分割模型，讓西門子醫療系統有限公司能夠滿足健康和生命科學行業中日益增長的數據密集型人工智能的應用需求。

無論是通過整合工作負載，還是深度學習推理，都需要邊緣的強大處理性能和智力，從而在當下海量數據持續爆炸的大環境中把握新的機會、形成競爭優勢。您僅僅需要一個集成的CPU和英特爾分布式OpenVINO工具包優化的AI工作負載，便可以獲得更好的內置深度學習推理功能，加速部署和降低總體成本。