随着边缘计算技术和工业互联网应用的快速发展,边缘智能设备需要支持的功能不断增加,并且,不同类型的功能依赖不同的硬件实现性能加速,比如:网络传输需要独立CPU的高级网卡支持或与新的安全协议快速对接,视频监控需要GPU资源来进行视频分析加速。此外,随着功能需求的不断增加,原有边缘智能设备方案也要升级不同的硬件,而对于在现场已经部署完成的边缘智能设备,单独升级其中的某部分硬件模块,从可行性和成本上均面临很大挑战。
上述问题的有效解决需要一种全新的方案。
近日,江行智能与香港理工大学计算学系王丹教授团队共同研发的智能网卡项目TAPU-NIC: A Smart Network Interface Card based on a novel Transmission-Analytics Processing Unit for EdgeBox(为边缘计算设计的基于传输分析集成处理的智能网卡)取得重要成果:全球首款可按需、灵活提供CPU和GPU资源的边缘智能网卡问世。该项目由香港特别行政区政府创新科技署创新科技基金支持,相关成果申请专利一项,发表高水平论文三篇。该款智能网卡的原型系统将应用于江行智能EdgeBox系列产品。
该项目的核心成果是一种新颖的传输分析处理单元(TAPU),并对不同模式使用的资源进行动态调节。TAPU提供的这种关键特性可以在不调整边缘智能设备已有硬件的前提下,为资源优化问题提供最佳的解决方案。依赖该特性,项目组进一步研发了智能网卡模块TAPU-NIC。

图1:TAPU-NIC模块架构
该模块包含机器视觉类算法模型和系统网络应用,可根据边缘侧实际业务需求,自适应动态调整GPU和CPU资源分配,优化边缘智能设备性能,灵活支持场景应用。原型系统由江行智能EdgeBox,TAPU-NIC,以及商用摄像头组成,并在香港理工大学进行现场测试。图2展示了系统演示画面,我们可以清晰的看到,系统可以按需设置视频分析参数和网络应用参数,动态提供CPU资源和GPU资源。实验结果显示,TAPU可以提高24%视频应用分析的准确度,以及减少22%的响应时间。
图2:系统演示画面
江行智能联合创始人兼CTO樊小毅博士表示:非常荣幸能与香港理工大学王丹教授团队合作研发项目,很感谢香港创新科技署对项目的大力支持。作为一家高科技创业公司,我们一直非常重视产学研的紧密合作,江行智能希望通过开放性的合作推动行业前沿问题的研究,加速一系列研发成果的有效转化,从而推动技术进步。目前,我们已经同清华大学、香港理工大学、中国科学技术大学、华北电力大学等众多高校建立了合作关系,相信这个名单会不断扩大下去,更多AI+边缘计算的科研成果会落地工业场景。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。