هوش مصنوعی فیزیکی یک قدم به جلو؛ اینتل از دستاورد جدید خود رونمایی کرد + تصویر

شرکت اینتل با معرفی چارچوب جدید Physical AI مبتنی بر OpenVINO و پردازنده‌های Core Ultra Series 3 ادعا کرده که مشکل مقیاس‌پذیری هوش مصنوعی فیزیکی را حل کرده است.

به‌ گزارش سرویس هوش مصنوعی تک‌ناک، سری Core Ultra 300 اینتل، مبتنی بر معماری Panther Lake، نخستین‌بار در CES 2026 معرفی شد و سپس نسخه‌های موبایلی آن برای کاربردهای سازمانی در مارس 2026 تحت عنوان Core Ultra Series 3 عرضه گردید.

شرکت اینتل در جریان Computex 2026، هم‌زمان با معرفی خانواده جدید پردازنده‌های زئون برای دیتاسنترها، توسعه پلتفرم هوش مصنوعی رباتیک خود را با معرفی چارچوب جدید Physical AI مبتنی بر OpenVINO گسترش داده است.

هوش مصنوعی فیزیکی (Physical AI) به رویکردی اطلاق می‌شود که در آن مدل‌های هوش مصنوعی با سامانه‌های فیزیکی نظیر ربات‌ها، وسایل نقلیه خودران، پهپادها و تجهیزات صنعتی یکپارچه می‌شوند تا این سیستم‌ها بتوانند ادراک محیطی، تصمیم‌گیری و اجرای عمل در دنیای واقعی را انجام دهند. این فرایند مبتنی بر مدل‌های VLA (Vision-Language-Action) است.

بیشتر بخوانید: کنترل برنامه‌های ویندوز با اپلیکیشن Codex ممکن شد

برخلاف هوش مصنوعی سنتی که خروجی‌های دیجیتال تولید می‌کند، در رویکرد هوش مصنوعی فیزیکی، مدل‌ها به حسگرها و عملگرهای فیزیکی متصل می‌شوند و امکان سازگاری بلادرنگ با شرایط محیطی و اجرای مستقل عملیات را فراهم می‌کنند. در این معماری، محاسبات لبه‌ای (Edge Computing) نقش کلیدی دارد، چرا که این سیستم‌ها نظیر OpenVINO نیازمند تاخیر بسیار پایین، قابلیت اطمینان بالا و تصمیم‌گیری آنی هستند. پردازش محلی داده‌های حسگرها به‌جای ارسال آنها به زیرساخت‌های ابری، باعث کاهش تاخیر، بهینه‌سازی پهنای باند، ارتقای حریم خصوصی و افزایش توان واکنش لحظه‌ای سیستم‌ها در محیط‌های پویای فیزیکی می‌شود.

برای مطالعه بیشتر: یوتیوب برچسب‌گذاری خودکار ویدیوهای هوش مصنوعی را آغاز کرد

شرکت اینتل اعلام کرده است که با کمک پلتفرم OpenVINO موفق به رفع یکی از حلقه‌های مفقوده کلیدی در مسیر استقرار گسترده هوش مصنوعی فیزیکی شده است. این شرکت تاکید کرده است که در مدل‌های پیشین، مقیاس‌پذیری چنین سیستم‌هایی مستلزم توسعه زنجیره پردازش کاملا سفارشی برای هر سامانه رباتیک بود؛ زنجیره پردازشی که باید ورودی‌های سنسوری، کدک‌ها و حلقه‌های استنتاج را به‌ صورت مجزا مدیریت می‌کرد. این پیچیدگی عملیاتی در نهایت باعث وابستگی مشتریان به معماری‌های دوگانه محاسباتی می‌شد که علاوه بر افزایش هزینه کل مالکیت (TCO)، نگهداری و به‌روزرسانی آنها را نیز به‌ شدت دشوار می‌کرد.

خبر پیشنهادی: مدیرعامل گوگل خطاب به نسل جوان: هوش مصنوعی آینده شغل و زندگی شما را تعیین می‌ کند

در پاسخ به این چالش، اینتل با بهره‌گیری از پردازنده‌های Core Ultra Series 3 در کنار چارچوب جدید OpenVINO Physical AI، یک پشته یکپارچه سخت‌افزار-نرم‌افزار ارائه کرده است. هدف این رویکرد، کاهش TCO، استانداردسازی توسعه و بهبود چشمگیر بهره‌وری کد در کاربردهای هوش مصنوعی فیزیکی است. بر اساس داده‌های مقایسه‌ای منتشرشده، اینتل ادعا می‌کند که راهکارهای این شرکت از منظر هزینه، کارایی و ارزش عملیاتی نسبت به پلتفرم‌های رباتیک انویدیا از جمله Jetson AGX Orin و Jetson Thor T5000، به‌ویژه در سناریوهای مبتنی بر مدل‌های VLA در مقیاس متوسط، مزیت رقابتی ارائه می‌دهند.