自適應(yīng)和智能計(jì)算的全球領(lǐng)先企業(yè)賽靈思公司（Xilinx， Inc．（NASDAQ： XLNX））與 SK 電訊（NYSE： SKM）今日宣布，SK 電訊采用賽靈思 Alveo? 數(shù)據(jù)中心加速器卡實(shí)現(xiàn)基于人工智能（ AI ） 的實(shí)時(shí)物理入侵與盜竊檢測(cè)服務(wù)。 SK 電訊在賽靈思 Alveo 卡上實(shí)現(xiàn)的 AI 推斷加速器（ AIX ），采用深度神經(jīng)網(wǎng)絡(luò)可以提供高效且精準(zhǔn)的物理入侵檢測(cè)。韓國第二大物理安全公司 ADT CAPS 批準(zhǔn)并已經(jīng)著手該項(xiàng)物理入侵檢測(cè)服務(wù)的商業(yè)部署。

SK 電訊基于 AI 的物理入侵檢測(cè)服務(wù)名為T viewTM，能實(shí)時(shí)監(jiān)測(cè)幾十萬名用戶的商用與家用攝像系統(tǒng)，并在出現(xiàn)物理入侵的情況時(shí)立即派遣安保人員前往現(xiàn)場(chǎng)。運(yùn)用深度神經(jīng)網(wǎng)絡(luò)來處理成千上萬個(gè)攝像頭的海量數(shù)據(jù)，就需要一個(gè)功能強(qiáng)大的 AI 加速器來提供充足的吞吐量與精準(zhǔn)度。

Tview 采用的就是構(gòu)建在賽靈思 Alveo U250 加速器卡上的 AI 推斷加速器 （ AIX ）。 運(yùn)行在 SK 電訊的數(shù)據(jù)中心服務(wù)器上的Alveo U250 加速器卡，在盜竊檢測(cè)服務(wù)中展現(xiàn)出了極高的吞吐量與精準(zhǔn)度。與業(yè)界領(lǐng)先的 GPU 相比，Alveo U250 加速器卡提供了更低的檢測(cè)時(shí)延，并達(dá)到了更高的吞吐量（每秒幀數(shù)），且業(yè)經(jīng)驗(yàn)證更具性價(jià)比優(yōu)勢(shì)。 Alveo 加速器卡提供了更高的吞吐量與精準(zhǔn)度，這不僅意味著將有更多客戶可以享受到基于人工智能的實(shí)時(shí)安全服務(wù)，也意味著面對(duì)安全威脅能夠提供更可靠的安全防護(hù)。

SK 電訊CTO 兼信息與通信技術(shù)（ ICT ）研發(fā)中心負(fù)責(zé)人 Park Jin－h(huán)yo 表示：“人工智能時(shí)代，新型的服務(wù)正以前所未有的速度進(jìn)行部署，我們將不斷推動(dòng)云系統(tǒng)的創(chuàng)新，通過在不同環(huán)節(jié)提供更可靠且高效的服務(wù)，為我們的客戶帶來更大價(jià)值。與賽靈思在 AIX 方面的聯(lián)手合作，代表了SK 電訊針對(duì) AI 服務(wù)簡(jiǎn)化云系統(tǒng)的一項(xiàng)新的成就�！�

賽靈思 Alveo 加速器卡旨在滿足數(shù)據(jù)中心 AI 工作負(fù)載對(duì)性能與靈活性的需求，相對(duì)于GPU， 可將 AI 語音翻譯的性能提升 10 倍1，將視頻分析管道 （pipeline ）吞吐量提升 3 倍多2。借助賽靈思?16nm UltraScale架構(gòu)， Alveo 加速器卡能靈活適應(yīng)不斷變化的算法與加速要求，在不改變硬件的前提下支持特定領(lǐng)域架構(gòu) （DSA），實(shí)現(xiàn)面向一系列工作負(fù)載的性能優(yōu)化，同時(shí)降低總體擁有成本。

賽靈思 Alveo 加速器卡在 SK 電訊數(shù)據(jù)中心針對(duì) AI 服務(wù)的商業(yè)部署，基于SK 電訊此前發(fā)布的基于賽靈思FPGA的自動(dòng)語音識(shí)別（ ASR）應(yīng)用。賽靈思為SK語音助理 NUGU 提供的出色的加速功能，為其市場(chǎng)的成功提供了重要支持。

賽靈思數(shù)據(jù)中心事業(yè)部市場(chǎng)營銷副總裁 Donna Yasay 表示：“此次與 SK 電訊進(jìn)行合作是賽靈思在商業(yè) AI 服務(wù)領(lǐng)域取得的一次重要?jiǎng)倮�，我們與 SK 電訊展開協(xié)作，極大提升了盜竊檢測(cè)與防范機(jī)制。與此同時(shí)，賽靈思在實(shí)時(shí)計(jì)算與分析領(lǐng)域的領(lǐng)導(dǎo)地位有助于進(jìn)一步擴(kuò)大韓國市場(chǎng)的人工智能服務(wù)。賽靈思 Alveo 加速器卡具備強(qiáng)大的靈活應(yīng)變能力、低時(shí)延及高吞吐量，是處理 T view 服務(wù)中可視化 AI 推斷工作負(fù)載的理想選擇�！�