Google、Intel 联盟,推动机器学习、物联网发展

简介:

昨日, Google 和 Intel 重申了两者在四个领域的合作伙伴关系:Kubernetes 容器编排框架、机器学习、物联网开发和安全。

在以上的四个领域,涉及到软件或服务的改进都由谷歌负责,硬件或贡献则由英特尔负责 。 这不是新的合作,相反,经过他们这样互补,企业已经在对应领域倍速增长。

这其中首当其冲的就是 Kubernetes。 Kubernetes,起源于谷歌,英特尔提供了优化,以便它可以在英特尔硬件上运行更顺利。这符合长期以来的模式。

这两家公司还在努力保障英特尔物联网边缘设备与谷歌云端平台(GCP)之间的连接,以及其他英特尔硬件与 GCP 基础设施之间的安全集成。

思考这二者的合作模式,它们源自于英特尔受 PC 市场继续收缩的影响,正在努力重塑自己。英特尔一直试图通过生产新型支持硬件来扩大其市场份额,并使其在前沿的软件项目中越来越受欢迎。

英特尔和谷歌可以互利共赢的另一个领域是英特尔与容器硬件加速技术的合作:Clear Containers 项目和在其上运行的实验性的 OpenStack 相关项目。在这两个公司之间的项目中,有很大的共同努力的空间,尽管英特尔需要的帮助远远超过谷歌。

本文转自d1net(转载)

相关实践学习
钉钉群中如何接收IoT温控器数据告警通知
本实验主要介绍如何将温控器设备以MQTT协议接入IoT物联网平台,通过云产品流转到函数计算FC,调用钉钉群机器人API,实时推送温湿度消息到钉钉群。
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
目录
相关文章
|
7月前
|
机器学习/深度学习 数据采集 物联网
【机器学习】Google开源大模型Gemma2:原理、微调训练及推理部署实战
【机器学习】Google开源大模型Gemma2:原理、微调训练及推理部署实战
283 0
|
存储 机器学习/深度学习 人工智能
数据网格在物联网、人工智能和机器学习中的用例和应用
在这篇文章中,我们讨论了网格在不同设置中的实际应用。
246 15
数据网格在物联网、人工智能和机器学习中的用例和应用
|
机器学习/深度学习 存储 人工智能
High&NewTech:2021 年Google谷歌 I/O 开发者大会 Kemal 等三人主题演讲分享《TensorFlow 在机器学习领域的进展》
High&NewTech:2021 年Google谷歌 I/O 开发者大会 Kemal 等三人主题演讲分享《TensorFlow 在机器学习领域的进展》
High&NewTech:2021 年Google谷歌 I/O 开发者大会 Kemal 等三人主题演讲分享《TensorFlow 在机器学习领域的进展》
|
机器学习/深度学习 传感器 存储
为什么人工智能和机器学习与物联网紧密结合
IoT 中的 AI 和 ML 分析通过使用语义将原始数据转换为可操作的见解来实现生产力、效率和有效性的提升。
572 16
为什么人工智能和机器学习与物联网紧密结合
|
机器学习/深度学习 传感器 人工智能
物联网和机器学习促进企业业务发展的5种方式
物联网和机器学习是当今商业领域最具颠覆性的两项技术。另外,这两种创新都能给任何公司带来显著的好处。它们一起可以彻底改变企业业务。
313 2
物联网和机器学习促进企业业务发展的5种方式
|
机器学习/深度学习 传感器 人工智能
Google I/O 李飞飞等四领域女性专家,谈机器学习的过去、现在和未来
在 Google I/O 首日的 Keynote 中,Google 公布了一系列新的硬件、应用和基础研究。自去年提出 AI First 战略,今年的大会上 Google 同样安排了不少与机器学习开发相关的内容,比如《教程 | 如何使用谷歌 Mobile Vision API 开发手机》。
132 0
Google I/O 李飞飞等四领域女性专家,谈机器学习的过去、现在和未来
|
机器学习/深度学习 人工智能 机器人
Google I/O 2017:值得期待的机器学习内容有哪些?
当地时间 5 月 17-19 日,谷歌将在山景城举办 Google I/O 开发者大会。从已经公布的日程来看,人工智能、安卓、云、Chrome OS、虚拟现实和增强现实、物联网等都将在本次大会上登台亮相。其中,机器学习和 TensorFlow 将会成为本次大会上的重头戏,涉及到的主题将包括但不限于云、大数据、移动机器学习、Google Assistant 和 Magenta 等。
135 0
Google I/O 2017:值得期待的机器学习内容有哪些?
|
机器学习/深度学习 分布式计算 并行计算
10月15日社区直播【Intel MLlib:构建平台优化的Spark机器学习】
Intel MLlib是一个为Apache Spark MLlib优化的软件包。它在保持和Spark MLlib兼容的同时,在底层利用原生算法库来实现在CPU和GPU上的最优化算法,同时使用Collective Communication来实现效率更高的节点间通信。我们的初步结果表明,该软件包在最小化应用改动的基础上,可以极大地提升MLlib算法的性能。
10月15日社区直播【Intel MLlib:构建平台优化的Spark机器学习】
|
4月前
|
机器学习/深度学习 算法 数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法,通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理,包括初始化、数据点分配与簇中心更新等步骤,以及如何在Python中实现该算法,最后讨论了其优缺点及应用场景。
228 6
|
17天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于机器学习的人脸识别算法matlab仿真,对比GRNN,PNN,DNN以及BP四种网络
本项目展示了人脸识别算法的运行效果(无水印),基于MATLAB2022A开发。核心程序包含详细中文注释及操作视频。理论部分介绍了广义回归神经网络(GRNN)、概率神经网络(PNN)、深度神经网络(DNN)和反向传播(BP)神经网络在人脸识别中的应用,涵盖各算法的结构特点与性能比较。

相关产品

  • 物联网平台