اینتل با فریمورک جدید خود، چالشهای توسعه هوش مصنوعی فیزیکی را برطرف کرد.
شرکت اینتل در رویداد کامپیوتکس 2026، علاوه بر معرفی پردازندههای جدید زئون (Xeon) برای سرورها، از فریمورک نرمافزاری جدیدی تحت عنوان Physical AI OpenVINO رونمایی کرد. این فریمورک به منظور حل مشکلات موجود در توسعه هوش مصنوعی فیزیکی و رباتیک در مقیاس وسیع طراحی شده است.
به گفته اینتل، با ترکیب پردازندههای Core Ultra Series 3 در این فریمورک، هزینههای مالکیت برای شرکتها به طرز معناداری کاهش یافته است. پیش از این، پیادهسازی هوش مصنوعی فیزیکی بر روی رباتها، نیازمند توسعه زیرساختهای نرمافزاری و پردازش دادههای اختصاصی برای هر ربات بود که این امر مشتریان را به استفاده از سیستمهای پردازش دوگانه و هزینهبر محدود میکرد. اکنون، پلتفرم یکپارچه اینتل فرآیندهای توسعه را سادهتر کرده و کارایی کدنویسی را به شدت افزایش میدهد.
چالشهای موجود در هوش مصنوعی فیزیکی
برای درک اهمیت این دستاورد، باید با مفهوم هوش مصنوعی فیزیکی آشنا شویم. این فناوری با استفاده از ترکیب هوش مصنوعی و سیستمهای فیزیکی همچون رباتها و خودروهای خودران به این تجهیزات این امکان را میدهد که محیط اطراف خود را حس و درک کرده و تصمیمات لازم را اتخاذ کنند.
طبق توضیحات اینتل، چالش اصلی در صنعت ساخت مدلهای هوش مصنوعی بهتر نیست، بلکه پیادهسازی و انتقال آنها بر روی رباتهای واقعی در مقیاس وسیع است. این فرآیند معمولاً شامل مراحل آموزش مدل، شبیهسازی و توسعه میشود، اما در مرحله پیادهسازی با یک شکاف بزرگ مواجه میشود. سازندگان تجهیزات رباتیک در گذشته ناچار بودند هزاران خط «کد رابط» را برای هر پلتفرم رباتیک بهطور سفارشی بازنویسی کنند.
مزایای فریمورک اینتل
فریمورک جدید اینتل به ایجاد یک مسیر استاندارد بین مدلهای هوش مصنوعی فیزیکی و اجرای آنها در رباتها کمک میکند. اینتل در مقایسهای با پردازنده Core Ultra x7 358H و پلتفرمهای رباتیک انویدیا، برتری خود را در زمینه هزینه، عملکرد و ارزش خرید نشان داده است.
- هزینه نسبت به پلتفرم AGX Orin حدود 1.1 برابر و پلتفرم Thor حدود 2 برابر بیشتر است.
- در بخش توان پردازشی خالص، پردازنده اینتل با ثبت عدد 180، عملکردی بالاتر از AGX Orin با امتیاز 138 دارد.
- در تست عملی تأخیر، پردازنده اینتل 50 درصد سریعتر از AGX Orin عمل کرده و تنها 10 درصد ضعیفتر از پلتفرم Thor میباشد.
هوش مصنوعی فیزیکی، مدلهای هوشمند را مستقیماً به حسگرها و قطعات حرکتی متصل کرده تا بتوانند با محیطهای پویا سازگار شوند. پردازش محلی دادهها به این سیستمها کمک میکند تا با سرعت و ایمنی بیشتری به تغییرات محیطی پاسخ دهند، که این امر بسیار حائز اهمیت است.
