英特尔“智能+”业务策略:深挖数据红利 创造增值空间

本文主要是介绍英特尔“智能+”业务策略:深挖数据红利 创造增值空间,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

3月28日,以“万有IN力,数立未来”为主题,“2019英特尔中国媒体纷享会”在北京举行。会上,英特尔阐述如何深挖数据红利以推动产业增值和升级,强调英特尔与产业伙伴共同加速数字经济落地。

图片1

英特尔公司全球副总裁兼中国区总裁杨旭发表演讲

“英特尔以数据为中心,推动全面计算创新,不断发展智能互联技术和解决方案。”英特尔公司全球副总裁兼中国区总裁杨旭表示,“在‘智能+’时代,深挖数据红利能够为产业创造增值空间,进而加速数字经济落地。我们将与中国一路同行,必将远行!”

人口红利曾是中国发展的关键驱动力,而现在要提高资源利用率,提升附加值,实现产业转型升级,智能科技在高质量发展中扮演着越来越重要的角色。新的机会在于,中国仍具备规模优势,也是世界第一数据大国。2018年,中国约产生7.6ZB的数据,而且还将保持每年30%的增长,到2025年的数据量将达到48.6ZB1。

与此同时,在海量数据高速增长的趋势下,绝大部分数据还未转化成商业价值,数据红利亟待开发。产业界已经认识到,“智能+”是增值和升级的重要路径,而这也是英特尔的优势所在。英特尔携手产业伙伴和各行各业的用户,利用智能互联技术,深度挖掘数据红利,推动应用创新和落地。

杨旭在演讲中,以几个关键经济领域为例,阐述了“智能+”升级的方向和实践:

智能制造:中国是世界第一制造大国,数据红利正在推动制造业的转型升级。智慧工厂是智能制造的关键一步,工业物联网越来越广泛地应用,推动了智慧生产线的建设。柔性制造是智能制造的一个新模式,能够实现生产线和生产资源的智能调配,通过边云协同响应定制化需求。机器学习、人机协同等技术,可以实现管理可视化,提升自动化管理水平。英特尔工厂也全面部署了工业互联网,成为核心竞争力的一部分。

服务业升级:服务业已经是中国经济的第一大产业,智能互联技术正在推动服务业格局的改变,谁能更好地构建数据红利,谁就能获得成长先机。比如,零售业是高度竞争的行业,智能互联技术帮助“新零售”重构新体验;无人驾驶催生“乘客经济”,到2050年将会创造7万亿美元的经济价值;数据科技提升文化创意产业的创造力,实现了超乎想象的“新文创”。

供应链重塑:无论制造业还是服务业,都需要强大的供应链支撑,供应链的成本、反应速度和可靠性,是企业竞争力的一部分。物流仓库的整合和升级是大趋势,通过应用机器视觉、机器人等技术,能够实现7X24小时无人分拣,高效精准。智能车队实现智能调度,可以提高物流效率,节约能源,带来成本优势;结合AI、自动驾驶技术,还能避免疲劳驾驶事故。商业物流的安全性是关键挑战,应用英特尔互联物流平台技术,可以实现物流透明、可视化。

以数据为中心,英特尔的转型不断深化,取得了积极进展。2018年,英特尔营收首次突破700亿美元,连续三年营收创下新高,以数据为中心的业务占比达到48%。英特尔始终放眼长远,一以贯之地投资创新,2018年研发支出达到135亿美元,在半导体行业排名第一,资本性支出达到152亿美元。

面向未来,英特尔的成长空间更为广阔,到2022年总体潜在市场规模将达到3000亿美元。英特尔相信,这将是公司历史上最成功的一次转型。

这篇关于英特尔“智能+”业务策略:深挖数据红利 创造增值空间的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/255606

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

让树莓派智能语音助手实现定时提醒功能

最初的时候是想直接在rasa 的chatbot上实现,因为rasa本身是带有remindschedule模块的。不过经过一番折腾后,忽然发现,chatbot上实现的定时,语音助手不一定会有响应。因为,我目前语音助手的代码设置了长时间无应答会结束对话,这样一来,chatbot定时提醒的触发就不会被语音助手获悉。那怎么让语音助手也具有定时提醒功能呢? 我最后选择的方法是用threading.Time

在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

1. 单例模式(Singleton Pattern) 确保一个类只有一个实例,并提供一个全局访问点。 示例代码: class Singleton {constructor() {if (Singleton.instance) {return Singleton.instance;}Singleton.instance = this;this.data = [];}addData(value)