英特爾發布首款用于邊緣創新的插槽式系統芯片，助力客戶解鎖更多全新機遇
2022-09-14 09:45:58 英特爾
最新消息：英特爾宣布推出適用于物聯網邊緣的第12代英特爾?酷睿?系統芯片（SoC）。作為針對物聯網應用而優化的全新專用邊緣產品系列，這款首創的插槽式系統芯片能夠為視覺計算負載提供高性能的集成圖形和媒體處理功能。此外，得益于緊湊的空間占用和適用于寬溫工作的運行熱設計功耗（TDP），它還可以助力客戶實現更小巧的創新外觀以及無風扇式散熱設計，并幫助其實現產品的可持續性目標。
英特爾副總裁兼網絡與邊緣計算部門總經理Jeni Panhorst 表示：“受勞動力需求、供應鏈限制以及消費者行為不斷變化的影響，企業業務流程的數字化轉型繼續加速，這使生成于邊緣的數據量呈爆發式增長，進而對本地處理和數據分析的需求也隨之暴增。英特爾了解各個垂直行業的企業所面臨的挑戰，并致力于幫助他們繼續提供創新應用場景。”
重要意義：邊緣的數字化轉型需要提高處理能力和AI推理性能，以應對面向未來的AI工作負載。適用于物聯網邊緣的第12代英特爾酷睿系統芯片滿足了這些性能需求，并提高了實施可配置性和整體解決方案靈活性，使原始設備制造商（OEM）和原始設計制造商（ODM）能夠快速集成，并交付適用于各種垂直市場和特定邊緣應用場景的解決方案。此外，這款系統芯片具有自上而下的管理功能，其中包括可提供一流遠程控制和管理功能的英特爾博銳（Intel vPro）選項，這對于管理和維護部署在物聯網邊緣的系統至關重要。
關于面向物聯網邊緣的第12代英特爾酷睿系統芯片：與第10代英特爾?酷睿?臺式機處理器系列中的12W / 65W機型相比，面向物聯網邊緣的第12代英特爾酷睿系統芯片可提供高達4倍的圖形處理速度1，和高達6.6倍的GPU圖像分類推理性能2。它內置英特爾?硬件線程調度器（Intel? Thread Director），可以智能地引導操作系統將相應工作負載分配給合適的內核。此外，與第10代英特爾?酷睿?臺式機處理器相比，這款系統芯片具有多達14個內核和20個線程，單線程性能提升高達1.32 倍3，多線程性能提升高達1.27倍4。
面向物聯網邊緣的第12代英特爾酷睿系統芯片還支持用于推理和機器視覺的高性能AI功能。多達96 EU的圖形執行單元可實現AI工作負載的高度并行化，與此同時，該款處理器還采用了英特爾?深度學習加速（Intel? DL Boost），并通過在CPU上內置AI加速功能來提供額外的推理性能。此外，該款處理器還完全支持英特爾?發行版OpenVINO?（Intel? Distribution of OpenVINO?）工具套件優化和跨架構推理。
Panhorst表示：“通過將CPU與高性能集成顯卡、增強的視覺計算和AI功能整合到一個緊湊的處理配置中，面向物聯網邊緣的第12代英特爾酷睿系統芯片能夠幫助客戶解鎖更多全新機會——從定制化零售網點解決方案到改善醫療診斷的精確成像和模式識別。”
面向物聯網邊緣的第12代英特爾酷睿系統芯片能夠造福于各行各業：
? 零售、銀行、酒店和教育領域的客戶將能夠擴展邊緣系統的遠程控制和管理功能，提高無接觸式銷售點的價值，并快速響應不斷變化的供需情況。
? 工業制造領域的客戶可以更好地利用工業PC、邊緣服務器、高級控制器、機器視覺系統和虛擬化控制平臺。
? 醫療領域客戶將能夠在邊緣提供增強的超聲成像功能、醫療車、內窺鏡檢查功能和臨床設備。
說明：
性能因用途、配置和其它因素而異，更多信息請參見intel.com/e/er?cid=em&source=elo&campid=smggmo_WW_gmocoma_EMNL_EN_2022_0901_Socketed_SoC_C-MKA-30126_T-MKA-33420&content=smggmo_WW_gmocoma_EMNL_EN_2022_0901_Socketed_SoC_C-MKA-30126_T-MKA-33420&elq_cid=1498379&em_id=83830&elqrid=20643b7b2032415a9b26fdd42f673e46&elqcampid=53139&erpm_id=1165354&s=334284386&lid=464312&elqTrackId=89cf2912a65d464b9975fdba12431536&elq=20643b7b2032415a9b26fdd42f673e46&elqaid=83830&elqat=1__;!!FMox2LFwyA!ppcKpblJavW_8MAqF3deYCpwZaNWon6SL7rI-2-Tfr4EuKnlJ8qEUpF1G3vM4xZNlUt3KEj8O1oxrB8$">Intel.com/PerformanceIndex 。
1. 根據3DMark - Fire Strike - Graphics Score測量結果顯示，圖形處理性能提升高達4倍；
2. 根據MLPerf v1.1 ResNet50 - Offline - int8 – GPU和MLPerf? Inference Edge v1.1 Inference ResNet-v1.5測量結果顯示，GPU圖像分類推理性能提升高達6.6倍；結果未經MLCommons?協會的驗證。MLPerf名稱和標志是MLCommons協會在美國和其它國家的商標，保留所有權力，嚴禁未經授權使用。更多信息請參見https://mlcommons.org/zh/；
3. 使用InteI Compiler 2021.2版本，通過SPECrate2017_int_base (1-copy) 測量，單線程性能提升高達1.32倍；
4. 使用InteI Compiler 2021.2版本，通過SPECrate2017_int_base (n-copy)測量，多線程性能提升高達1.27倍。
EETOP 官方微信
創芯大講堂 在線教育
半導體創芯網 快訊
相關文章
