Intel 展位

首先还是最重磅的, Intel 把还没正式发布的 Arc Pro B60 拿过来了, 24G GDDR6, 456 GB/s, TDP 200 W. 从贴纸看这个还是工程样品. 我跟现场的工作人员说能否拔下来多拍几张, 结果被拒绝了, 因为没有螺丝刀. 机器搭配的是平平无奇 DDR5 4800.

另外还有个 KVCache 专用机, 使用 XEON 6 QAT 引擎, 内存不是很好拍摄, 仔细看应该是 DDR5 ECC RDIMM 32G 1Rx4 PC5-6400. 24条插满 (XEON 6 有12个内存通道), 总带宽大概在 1.2TB/s.

NVIDIA 展位

老黄展位还是 ConnectX-8 800G 网卡

以及 BlueField-3 DPU

还有个 Spectrum-4 (SN5600), 64 口 800G 交换机 (球球不要再磕碰了，这样流入垃圾佬手里还能用用)

另外还有个紫光晓通的 RTX Ada 5880 推理训练一体机, 不过PCB视觉检测这个场景感觉不至于上大模型? 直接yolo应该都可以.

其它展位

Beaver 3D 生成 3D模型直接打印

中科蓝讯的AI玩具开发板, 两个原型LCD屏幕, 然后搭配了语音模块. 云端使用豆包生成内容

爱动超越的工业车辆服务大模型助手

中科院天文台的天文AI科教平台, 基本是让AI识别拍摄的单位然后解说

地瓜机器人的边缘大模型网关控制机器人的演示

酷开教育的学习机, 现在学习机基本都在做大模型问答, 解决学习中的低频长尾问题以及试卷批阅, 生题解答等等

中科创达的AI座舱演示台

PICO 的智能导游

总结

目前来看 AI 与硬件结合基本可以分为两类:

一类是做基础设施的, 如 NVIDIA 和 Intel. 这类目标明确, 提升性能即意味着营收.

另一类则是想办法把自己现有的硬件系统绞尽脑汁接入AI的. 其中应用得比较好的我觉得应该是学习机/3D打印类的, 因为能补全现有产品的不足. 而做得较差的是现有成熟系统想要替换为AI的, 这部分会面临更新造成的方案不稳定的阵痛. 尤其是本身 yolo 能解决硬要上大模型的, 实在是看不出有什么必要性. 而替换为数字人的项目则比较模糊, 这类场景体验提升有限.

以上就是本次 火山引擎 | FORCE 原动力大会展厅的智能硬件部分