摘要
這篇文章探討了 Intel 推出的 Core Ultra 處理器，它專為 工業 4.0 應用而設計，結合了 CPU、GPU 和 NPU，可以同時處理傳統的工業應用和 AI/ML 工作負載，提升效率和效能。Core Ultra 處理器 支援 低功耗設計，並整合 OpenVINO 工具套件，讓開發者能更輕鬆地定制 AI 模型。文章也介紹了 Core Ultra 處理器 在 品質控制、預測性維護和生成式 AI 等領域的應用案例。
Intel Core Ultra 處理器如何為工業 4.0 應用程式提供 AI/ML 加速？
英特爾 Core Ultra 處理器透過以下方式為工業 4.0 應用程式提供 AI/ML 加速：
●整合式架構：英特爾 Core Ultra 處理器在單一封裝中提供三個整合式運算引擎：用於所有工作負載的 CPU 核心、用於 AI/ML 工作負載的 GPU 以及同樣用於 AI/ML 工作負載的 NPU。這種組合可在不爭奪資源的情況下，在 CPU 上執行傳統工業應用程式（如 IPC、控制迴路或 HMI），同時在 GPU 和/或 NPU 上平行執行 AI/ML 應用程式。
●GPU 平行處理：這些處理器配備整合式 Intel® Arc™ 圖形 GPU，可提供 16 個向量引擎，實現 AI/ML 工作負載的高度平行化。CPU 核心上支援的內建 Intel® Deep Learning Boost (Intel® DL Boost) 指令進一步增強了 AI/ML 效能。
●NPU 的 AI/ML 加速：Intel Core Ultra 處理器採用 Intel® AI/ML Boost NPU 加速器，用於持續的 AI/ML 輸送量和卸載，可提供高達每秒 11 兆次的有效運算 (eTOPS)。此加速器可用於滿足快速、低功耗的推論需求。
●OpenVINO™ 工具包的軟體最佳化：英特爾發行版 OpenVINO™ 工具包支援加速 AI/ML 推論，以簡化電腦視覺和生成式 AI/ML 應用程式的 AI/ML 開發。此工具包的 2024.0 版本支援將 AI 模型從 CPU 卸載到英特爾 Core Ultra 處理器上的 NPU。
總之，英特爾 Core Ultra 處理器結合了硬體功能（如整合式 GPU 和 NPU）和軟體最佳化（透過 OpenVINO 工具包），為工業 4.0 應用程式提供顯著的 AI/ML 加速。這種加速實現了更快的缺陷偵測、預防性維護以及其他需要大量運算的 AI/ML 工作負載的改進輸送量。
Intel Core Ultra 處理器如何針對不同的工業 AI/ML 工作負載進行優化？
英特爾Core Ultra 處理器透過以下方式針對不同的工業 AI/ML 工作負載進行優化：
●整合多個運算引擎： 每個處理器都整合了三個運算引擎：CPU 核心、GPU 和 NPU。這種組合允許並行處理各種工作負載，例如在 CPU 上運行傳統的工業應用程式（如 IPC、控制迴路或 HMI），同時在 GPU 和/或 NPU 上運行 AI/ML 應用程式，而不會爭奪資源。
●針對 AI/ML 工作負載的專用加速器：
○GPU： 內建 Intel® Arc™ 繪圖 GPU，提供 16 個向量引擎，可高度平行處理 AI/ML 工作負載。透過 CPU 核心上支援的 Intel® Deep Learning Boost (Intel® DL Boost) 指令集，可以進一步提升 AI/ML 效能。
○NPU： Intel® AI / ML Boost NPU 加速器提供高達每秒 11 兆次的運算效能 (eTOPS)，專為持續的 AI/ML 吞 throughput 和減輕 CPU 負擔而設計，適用於需要快速、低功耗推論的工作負載。
●軟體優化：
○Intel Distribution of OpenVINO™ 工具套件： 透過 OpenVINO 工具套件，開發人員可以最佳化 AI/ML 推論，簡化電腦視覺和生成式 AI/ML 應用程式的開發流程。OpenVINO 的 AUTO plugin 可以自動偵測處理資源，並最大化推論效能，針對不同的使用場景（例如優先考慮延遲、功耗或吞吐量）進行客製化。
●靈活的產品系列： 英特爾Core Ultra 處理器系列提供八種 SKU，具有不同的核心數、功耗等級和 CPU 頻率，以滿足各種使用場景的需求。
總之，英特爾酷睿 Ultra 處理器透過其獨特的架構、整合的加速器和軟體優化，為工業 AI/ML 工作負載（如缺陷檢測、預測性維護和生成式 AI）提供高效能、低功耗的解決方案。
Intel Core Ultra 處理器與工業 4.0 中 AI/ML 的實際應用場景有哪些？
Intel Core Ultra 處理器在工業 4.0 中 AI/ML 的實際應用場景包括：
●品質控管：品質控管是工業 AI/ML 的核心用例之一。此應用程式使用電腦視覺 AI 來檢查產品並偵測產品缺陷。在此應用程式中，位於生產線上檢查區域的相機會將產品影像傳送到 AI 模型，該模型會將這些影像與其訓練過的完美產品圖片進行比較，並回報任何缺陷。此流程的速度讓生產線可以從基於抽樣的品質檢查轉變為檢查通過生產線的每一項產品。它還可以快速找出有缺陷的產品，以便在製程中以最少的損失進行製造補救。
●品質控管：品質控管是工業 AI/ML 的核心用例之一。此應用程式使用電腦視覺 AI 來檢查產品並偵測產品缺陷。在此應用程式中，位於生產線上檢查區域的相機會將產品影像傳送到 AI 模型，該模型會將這些影像與其訓練過的完美產品圖片進行比較，並回報任何缺陷。此流程的速度讓生產線可以從基於抽樣的品質檢查轉變為檢查通過生產線的每一項產品。它還可以快速找出有缺陷的產品，以便在製程中以最少的損失進行製造補救。
●時序預測性維護：這些技術在全球製造廠房中很普遍，是一種在生產設備造成停機之前找出問題的方法。藉助 AI，預測性維護可以更早發現問題。預測性維護分析會找出機器運作變化與設備故障之間的關聯性。挑戰在於，當傳統預測性維護警報發出時，系統效能下降已經開始。AI 模型可以取代基於時間序列的設備維護，並在設備出現故障跡象之前，向維護人員發出設備問題和效能異常警報。
●生成式 AI：基於大型語言模型 (LLM) 的生成式 AI 主導了大眾對 AI 用例的理解。而生成式 AI 在製造業中也扮演著重要角色。生成式 AI 會擷取大量的知識資料集，並且能夠以書面內容回應提示。生成式 AI 在製造業中的一些關鍵用例包括客戶回饋分析、庫存最佳化、供應商評估、維護排程等。
Intel Core Ultra 處理器透過整合 GPU 和 NPU 處理核心，來加速持續性和一般的 AI/ML 工作負載。此外，它還具有低至 15W 的 TDP，有助於提高永續性。總之，Intel Core Ultra 處理器系列專為下一代工業運算環境而設計。
Intel Core Ultra 處理器中的 NPU 如何加速 AI/ML 工作負載？
Intel Core Ultra 處理器中的 NPU (神經處理單元) 主要透過以下方式加速 AI/ML 工作負載：
●專用於 AI/ML 推論： NPU 專為加速 AI/ML 推論任務而設計，例如圖像分類、物體偵測和語音辨識等，能以極高效率執行這些任務。
●高 eTOPS 效能： Intel Core Ultra 處理器中的 NPU 可提供高達每秒 11 兆次的有效運算 (eTOPS) 效能，代表其能夠快速處理大量 AI/ML 運算。
●減輕 CPU 負擔： NPU 可以分擔原本由 CPU 處理的 AI/ML 工作負載，讓 CPU 專注於其他任務，例如運行傳統工業應用程式或處理系統任務。
●低功耗運算： NPU 在執行 AI/ML 推論任務時，功耗遠低於 CPU 或 GPU，有助於延長工業設備的電池續航力或降低整體功耗。
●與 OpenVINO 工具包整合： Intel Distribution of OpenVINO 工具包的 2024.0 版本支援將 AI 模型從 CPU 卸載到 Intel Core Ultra 處理器上的 NPU，讓開發人員更容易利用 NPU 的效能優勢。
總之，NPU 作為 Intel Core Ultra 處理器中專用的 AI/ML 加速器，透過其高運算效能、低功耗特性以及與軟體生態系的整合，為工業 4.0 中的 AI/ML 應用提供顯著的效能提升和效率優化。
參考來源