以3D感知開啟智慧機器人新時代：從深度相機到OpenVINO的邊緣智慧革命
在機器人技術的發展長河中，有些時刻象徵著技術能力的本質躍升：從2D視覺到深度學習、從手工特徵到端對端模型、從依賴雲端到邊緣運算。而如今，我們正站在另一個重大轉折點的前端——3D 空間感知與即時推論的全面融合
【活動報導】Intel攜手生態系夥伴分享Edge AI機器人應用部署實戰經驗
在日前由英特爾(Intel)主辦的邊緣AI系列研討會──機器人專場，就邀請了多家生態系夥伴廠商，以「打造你的Edge AI機器人：從平台技術到應用實戰」為題，與現場數十位開發者聽眾共同探討潛力無窮的智慧機器人應用部署經驗與最新技術趨勢。
AI Agent時代來臨：看邊緣AI如何成為驅動智慧機器人的關鍵
仿生機器人由於型態各異，採用VLA架構將會需要一定的調整時間，不利於應用快速落地。此時使用代理架構，不僅運動部分僅需要依照各機體原生的SDK進行串接，也可導入各專業廠商成熟的軟體產品，作為代理可呼叫的行為工具，直接達成商用等級的機器人應用。
OpenVINO×ExecuTorch：解鎖英特爾架構AI PC模型推論效能新境界
在這篇深度解析技術文章，我們將探討ExecuTorch的OpenVINO後端——這是一種專為簡化異質運算複雜度而設計的解決方案，讓單一模型能智慧地運用CPU、GPU與NPU的專有功能，達到近乎原生的效能表現。
讓生成式AI應用在Intel架構系統本地端高效率運作的訣竅
各種AI模型正進駐PC，而且它們變得更聰明、快速、強大；然而，仍會有一個問題：如何在不同的硬體加速器──例如英特爾的GPU或NPU──上讓模型發揮最佳效能？
加速英特爾GPU上的LLM：實用的動態量化指南
動態量化是一種強大的最佳化技術，能顯著提升Transformer模型在Intel GPU的性能，包括搭載於Lunar Lake、Arrow Lake處理器，配備XMX引擎的硬體，以及Alchemist、Battlemage等系列獨立顯卡。