边缘计算正在改变诸多行业,视频监控就是其中之一。
作为视频监控领域知名企业,Milestone Systems的视频管理产品Milestone XProtect兼容各种IP摄像机、编码器和数字视频录像机,全球安装量已经超过15万台,正是这样一家企业,在数字化转型大潮中,也开启了自己的数字化转型之旅。
在数字化转型过程中,Milestone找到了英特尔和HPE。
英特尔为视频监控行业提速
作为全球芯片领域领军企业,英特尔在边缘计算领域投入由来已久,自2018年推出OpenVINO以来,凭借这套开发套件,英特尔已经帮助数十万AI开发者大幅度提升了AI推理性能,而Open Model Zoo中已经拥有涵盖物体检测、动作识别、机器问答、语音转文本等超过270个预训练优化模型,这极大地简化了开发者的模型设计步骤。
英特尔与Milestone的合作可以追溯到六年前,早在2016年,英特尔就已经与Milestone建立起了合作关系,以优化配备了英特尔处理器的工作站的解码性能,以及英特尔®Quick Sync Video技术。
为了这一目的,Milestone和英特尔的工程师展开了一项为期一年的研究项目,在这一项目中,Milestone的工程师使用英特尔®Media Server Studio套件及其英特尔®Media SDK,基于英特尔®Quick Sync Video优化了Milestone Xprotect视频管理系统及其客户端客户端。
经过双方这次合作,彼时Milestone发布的Milestone XProtect Smart Client 2016工作站实现了以1920×1080像素、每秒25/30帧的画面流畅显示全高清视频,并且最多可以支持25个相机同时在线工作。
经过这次接触,双方在视频监控领域合作不断加深,Milestone XProtect随后不仅与英特尔的OpenVINO开发套件进行了协同,而且逐渐用上了基于英特尔®至强®可扩展处理器的超融合解决方案。
基于HPE SimpliVity的视频管理超融合方案
2021年4月,英特尔对外发布了第三代英特尔®至强®可扩展处理器,这代处理器在10纳米工艺加持下最多拥有40个核心,每插槽最多可支持6TB系统内存,8个DDR4-3200内存通道,以及64个第四代PCIe通道。集成了包括英特尔®深度学习加速技术、英特尔®高级矢量扩展512技术和英特尔®Speed Select技术,这让第三代英特尔®至强®可扩展处理器成了主流数据中心的一颗强力主芯。
HPE是英特尔长期战略合作伙伴,双方在技术路线和产品路线上有着长期的协同和默契,在HPE众多产品中不乏搭载英特尔®至强®可扩展处理器的优秀产品,HPE SimpliVity 380 Gen10 H就是这样一款支持英特尔®至强®可扩展处理器的混合式存储产品,当这一产品用于视频管理领域的边缘工作负载和备份归档工作负载时,经验证,可以支持多达75台摄像机。
HPE SimpliVity本质上是一个超融合存储架构,结合HPE ProLiant DL380服务器,HPE SimpliVity 380具有紧凑、可扩展的2U机架式特点,能够整合服务器、存储和存储网络服务,通过对本地IT的控制和管理,为IT组织提供云的敏捷性和经济性。
HPE与Milestone的合作正是基于HPE SimpliVity超融合架构,面向企业用户提供便捷、边缘优化的超融合解决方案,以运行Milestone的视频管理系统的工作负载。
HPE SimpliVity通过简化IT运维、支持虚拟机管理以及提供内置数据保护等功能,有效地简化了Milestone Xprotect的视频管理。也正是在英特尔、HPE、Milestone三方合力之下,再次将视频监控行业引领到了一个新的高度。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。