允许IT管理员禁用功能更新阻止

辆车左右各 6 个货柜，后面有一块触摸屏，前方左右部署了 32 线的激光雷达，头顶则是朝向前后左右的 4 个摄像头。

　　这时，只要在车后的触摸屏输入订单上的开箱码，装了你的商品的货柜门就会自动打开，外卖到手。

　　从下单到送达，整个过程平均只要 17 分钟。

　　配送无人，仓储也无人

　　没错，那个我们每天用来吃喝玩乐的的平台美团，现在开了这样一家智慧零售门店。

　　整个门店的系统正如上面所述，分为两部分，一部分是负责发货的无人微仓，另一部分是负责运货的无人配送。

　　我们现在看到的无人配送车是美团的中型车魔袋，从 16 年切入自动驾驶配送领域，18 年正式开始迭代，基本上不到一年就可以完成一代产品的更新。

　　目前园区内有 2 台无人配送车，美团即将根据园区增长的用户需求把这个数字翻倍。

　　现场工程师表示，一台无人配送车可以用3~5 年，甚至糟糕的天气也可以运行，下小雨、中雨都没问题，甚至还能防雪。因此，这种适应性也让无人配送车可以 24 小时运行。

　　美团无人配送开放平台负责人陈娜透露，十一假期期间，MAI Shop 已经开始了试运营，过程相当高效，从用户下单到出单平均 3 分半的时间，之后再过
 

MLPerf Inference v0.7 边缘端测试项

　　任何一个基准测试都需要给业界具有参考价值的指标。MLPerf 基准测试是在业界缺乏对 AI 芯片公认的评价标准的 2018 年诞生，因此，MLPerf 组织既需要给出各方都认可的成绩，还需要根据 AI 行业的发展完善评价标准。

　　不过，AI 行业发展迅速，AI 模型的参数越来越多，应用的场景也越来越广泛。评价 AI 芯片和系统的推理性能需要涵盖可编程性、延迟、准确性、模型大小、吞吐量、能效等指标，也需要选择更具指导价值的模型和应用。

　　此次增加的推荐系统测试对于互联网公司意义重大。在王喆的《深度学习推荐系统》一书中提到，2019 年天猫“双 11”的成交额是 2684 亿元，假设推荐系统进行了优化，整体的转化率提高1%，那么增加的成交额大约为 26.84 亿元。

　　另外，MLPerf Inference v0.7 中增加医疗影像 3D U-Net 模型测试与新冠大流行以及 AI 在医疗行业的重要性与日俱增密切相关，比如一家初创公司使用 AI 简化了超声心电图的采集工作，在新冠大流行初期发挥了作用。

　　基准测试从 v0.5 到 v0.7，能够为要选用 AI 芯片和系统的公司提供更直观和有价值的参考是 MLPerf 基准测试的价值所在，比如，帮助金融结构的会话式 AI 更快速回答客户问题，帮助零售商使用 AI 保证货架库存充足。

　　与此同时，这也将促进 MLPerf 组织在业界的受认可程度，从接近翻倍的提交成绩的组织就能看出来。

　　GPU 云端推理性能最高是 CPU 的 237 倍

　　过去几年，云端 AI 训练市场 NVIDIA 拥有绝对优势，云端 AI 推理市场被 Intel 赚取了大部分利润是事实。这让不少人都产生了 GPU 更适合训练而 CPU 更适合推理的认知，但 MLPerf 最新的推理测试结果可能会改变这一观点。

　　MLPerf Inference V0.7 的测试结果显示，在数据中心 OFFLINE（离线）测试模式下，赛灵思 U250 和 IntelCooper Lake 在各个测试模型下与 NVIDIAT4 的差距不大，但 A100 对比 CPU、FPGA 和自家的 T4 就有明显的性能差距。

（编辑：黔东南站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!