文/連于慧

英特爾在「從Edge AI到Physical AI：英特爾策略和解決方案」討論會議中指出，現在雲端的大模型已經多到讓業界都有「選擇困難症」，接下來真正的關鍵不是繼續發展出多厲害、多強大的模型，而是應該聚焦在如何透過軟硬體整合，協助企業讓實體AI落地。

英特爾憑藉長年深耕嵌入式技術、物聯網、邊緣運算領域累積的強大技術底氣，開宗明義指出，機器人等實體AI其實不一定非要外掛又貴、功耗又高的獨立GPU晶片，像是英特爾以內建整合式GPU和NPU的異質架構，就可以滿足多數的多模態情境和邊緣推理，讓很多高階邊緣設備不必要非得用雙晶片，更可以協助企業控制成本。

英特爾指出，Intel Core Ultra系列3邊緣運算處理器已經在今年1月跟著PC版本同步推出，採用最先進的Intel 18A製程。Core Ultra系列3採用系統單晶片解決方案，相較於傳統CPU搭配GPU的多晶片架構，可大幅降低整體持有成本。

另一個重點是，機器人落地面臨的另一個挑戰是動態資料的缺乏，沒辦法像語言模型的學習可以在短時間內從網路上抓取海量資料做練習，而是機器人必須透過實際的操作與一次次的練習與嘗試來蒐集資料。

以鼎泰豐為例，讓機器手臂摺毛巾不是難事，但每間分店對於毛巾歸納的要求都不一樣，有些店是摺成五條一疊，有些店要求十條一疊放到箱子。摺毛巾的動作可以用傳統的運動控制和CPU方式去計算，而毛巾摺好後要放哪裡，就要用AI去規劃。

因此，透過人類不斷示範來訓練機器人蒐集資料，也成為實體AI發展的關鍵。英特爾提出的Robotics AI Suite可以視為整套機器人開發環境，而Physical AI Studio可以協助開發者進行機器人蒐集資料、模型微調、參數設定等。另一套工具OpenVINO Physical AI可以協助開發者將完成訓練的模型導入實際機器人系統。

英特爾以晶圓廠中的自主移動機器人AMR（Autonomous Mobile Robot）為例，機器人要以高精準度來重複進行搬運晶圓卡閘FOUP。

另一個例子是Sensory AI打造的Ella咖啡機器人，能夠同時製作咖啡、處理餐點和下一筆訂單，可以解決當前缺工的問題。

英特爾也強調，機器人普及是讓AI去做重複性高且人類不想做的工作，因此AI不會取代人，像是AI腫瘤影像辨識剛出來時，很多人會擔心造成放射科醫生失業，但以前看X光片要等一個禮拜，有了AI影像辨識後，反而是增加效率。

英特爾提供符合不同需求的邊緣 AI 系統，更透過開放式邊緣平台Open Edge Platform，加速先進 AI 應用的部署。這些解決方案可簡化AI與既有基礎架構的整合，協助幾大應用場景包括零售、智慧城市、醫療、製造、運輸交通等加速導入邊緣 AI。

Intel AI Edge Systems： OEM 和 ODM 可取得針對邊緣AI應用達成最佳化的標準化藍圖、基準測試和驗證工具，使客戶和解決方案供應商可簡易地配置系統，以符合視覺 AI 或生成式 AI 等應用的效能需求，並提供各種能耗等級、尺寸和效能選項，確保獲得最佳的軟硬體整合結果。

Open Edge Platform：是一個模組化的開源平台，可簡化大規模邊緣和 AI 應用的開發、部署和管理。該平台提供類雲端的簡便性，使獨立軟體供應商ISV、解決方案開發者與作業系統供應商能有效整合軟體元件，並運用英特爾最新的軟體技術最佳化效能。此外，合作夥伴無需進行現場維護，即可在遠端邊緣設備上部署容器化工作負載，並透過 Intel vPro 及 Intel Active Management Technology 等功能進行管理。

Edge AI Suites：是開放且專為特定產業使用的 AI 軟體開發套件（SDK），提供給獨立軟體供應商、系統整合商和解決方案開發者使用。


英特爾目前已正式推出六套邊緣 AI 開發套件，包括針對城市交通、零售、教育及製造等產業的開發套件，以及機器人AI開發套件（Robotics AI Suite）、醫療與生命科學 AI 開發套件（Health & Life Sciences AI Suite）、政府與航太 AI 開發套件（Federal and Aerospace AI Suite）預覽版。