价格：666.00起
0
联系人：
电话：
地址：
Intel造出革命性CPU芯片：比i7快6万倍今年5月，IBM展示了首个包含17个量子位的计算系统，谷歌为云服务部署了9个量子位的前沿成果。今天，Intel宣布，首颗17量子位超导测试芯片已经交付荷兰合作伙伴QuTech。因为量子位单元极其脆弱，一旦有噪声或温度过高就会罢工或数据丢失，所以Intel创造了一个逼近绝对零度的环境。不过，Intel的专家表示，他们运用了的新的技术，使得通讯效率比传统的线焊高10到100倍。很多人可能对量子位并不了解，对于量子计算机更是一头雾水。传统计算机都是二进制，也就是只能用“0”和“1”来记录所有的信息状态，每一步能做到的只有2的一次方——2次运算。2个量子位的量子计算机，每一步可做到2的2次方——也就是4次运算，所以Intel的这颗芯片一步就达到2的17次方，也就是131072次。包括IBM在内，现在正向50量子位迈进，一旦攻克，将超越现存所有的超级计算机。据悉，我国已经自主开发出了10量子位的超导量子线路样品。现代民用消费级CPU 领域，曾经出现过多次石破天惊一样的巨大变革。1990年代我们见证了奔腾取代486，X86 CPU厂商从列强并立转入二元竞争；2000年开始的频率大战，让AMD第一次有了同Intel叫板的资本；2006年开始的双核时代，AMD领跑了前半程，后半程被Intel独家主宰。民用处理器近一次让人震惊是什么时候呢？是2019年3月 AMD zen 架构Ryzen 品牌系列处理器的发布——将软硬件多核化发展的浪潮推上了新的高峰。一年以来，AMD攻势如潮，先后在桌面甜点、发烧级领域，笔记本领域和服务器领域攻城拔寨，用性价比战术搅乱Intel对市场的控制。AMD的性价比何来？塞更多的核心，保持不弱的单核性能就是了。Intel 与AMD 这一波争雄的主题就是（堆）核大战！ 由于Ryzen架构的单线程性能几乎已经追平了第五代Broadwell架构处理器，与Intel Skylake、Kabylake 为代表的新架构相比，同频同核心性能差距极为微弱，所以两家处理器的比拼完全成为了核心X频率的简单惨烈战场。2019年的台北电脑展上，Intel 拿来千万级功率的压缩机，炮制了28核不可量产CPU 怒超5GHz的眼球壮举，针锋相对地试图抢夺AMD 32核ThreadRipper的头条效应，将这波惨烈搏杀推上了高潮。那么，截止目前，双方在这种竞争中都准备了哪些弹药，已经放出去的杀招收效又如何呢？我们下面展开来谈。人工智能，从至强® 开始西安盈谷基于 CPU 分析医疗影像，实现快速辅助诊断西安盈谷基于英特尔® 架构打造医疗智能化辅助诊断系统医学影像技术近年来的蓬勃发展，虽然有助于医生对患者的病情进行更为细致和精确的检查，堪称医患双方共同的福音，但它们也一直面临着一系列的、难以克服的挑战，使得其潜力无法得到全面释放。这些挑战主要包括：资源配置不均衡使得不同地区、层级的医疗机构在影像系统上的技术和人才储备存在很大差距，对其利用的程度和水平也就参差不齐；很多医学影像设备还没有互联互通，无法通过充分的数据共享为医生的诊断提供更全面的信息。而即便这两个挑战得以解决，如果海量医学影像数据的读片和分析还只能依靠人力，那么就算是专家级的医生，也要为此消耗大量时间和精力，且无法在长时间工作时保持理想的效率和准确率。针对这些挑战，专注医学影像核心技术近 20 年的西安盈谷网络科技有限公司（以下简称“西安盈谷”），正致力于将其专业医学影像核心技术和产品，与先进的云计算、大数据和人工智能等技术结合起来，凝聚成高效、智能的医疗智能化辅助诊断能力，来助力广大医疗机构提升诊疗效率及质量。西安盈谷给出的解决方案是一记“组合拳”，首先是将通过其医真云* 的部置，利用创新的医技设备物联网技术 AMOL，将源自不同设备的海量医学影像数据链接起来，再通过其医学影像处理及分析云计算 @iMAGES 核心引擎，来输出强劲的影像大数据在线处理能力。后，构建 Cloud IDT 服务，将人工智能技术引入到医学影像处理和分析中。在打造和优化这一解决方案的过程中，西安盈谷与长期引领医疗信息化技术和人工智能技术创新的英特尔公司达成了合作，不仅采用了其全新的英特尔® 至强® 可扩展处理器等先进产品和技术，还在英特尔的支持下完成了 Cloud IDT 服务向英特尔架构平台的迁移，以及对于 Tensorflow* 等人工智能技术框架的部署和优化。双方的紧密协作，使得西安盈谷医疗智能化辅助诊断系统在筛查时间、报告智能编写等多个指标维度上收获了用户的好评。超级链接消弭医学影像分析能力差异医学影像技术可为诊疗过程带来巨大的便利，然而，其“硬件”可以迅速到位，“软件”却无法一蹴而就，它的使用要求影像科医生不仅要具备临床医学、医学影像学等方面的专业知识，也必须熟练掌握放射学、CT、核磁共振、超声学等相关技能，同时还需具备运用各种影像诊断技术进行疾病诊断的能力。在这种情况下，虽然医学影像设备在医疗机构已相当普及，但在一些边远地区或是基层医疗机构，却常常面临空有设备却没人有能力“读片”的尴尬境地。不仅如此，由于各医疗机构的信息化系统彼此独立，且影像数据标准未完全统一，各个机构的影像归档和通信系统（Picture Archiving and Communication Systems，下简称 PACS）也形成了现实中的信息孤岛，它们存储的医学影像数据几乎没有连通，这就会造成偏远地区患者在基层医疗机构得不到有效的病情分析，长途奔波到大医院后，却还需要重复检查的怪现象。 图一：将医技设备链接和聚合起来的医真云针对上述问题，西安盈谷祭出了第一个法宝——医真云，它可借助医技设备物联网技术 AMOL，将相关的医技设备及医疗服务过程都通过云的方式链接起来。如图一所示，医疗机构的影像中心、病理中心、超声中心等处的设备都能通过医真云聚合到一起，在这之上，精准全医技工作及协同服务、区域医疗协同平台、临床影像科研平台、医真优医、医真社交等能力和应用得以建立，并以SaaS 云的方式来满足各层级医疗机构对医学影像数据处理能力的需求。以精准全医技工作及协同系统为例，通过接入医真云，各级医疗机构都能获得多设备、海量数据的云存储功能，具备实时处理、高速分析的云计算能力，并实现跨终端、跨平台的一系列功能应用。利用医真云，来自大、中型医疗机构的医学影像专家，可以随时随地处理不同地区传来的影像数据，并对疑难杂症进行协同会诊，有效实现了医疗资源的高效共享。“基于英特尔® 架构的医真云能够帮助患者、医生和医院间建立新的互惠关系。”西安盈谷网络黄烨东表示：“一方面，医生和患者之间将获得一条远程诊疗的通道；另一方面，医生与医生之间可以获取新的医疗数据，实现经验分享；同时，医院之间能够更有效地加强沟通，进行协同会诊、联合医疗科研攻关等工作。”医真云实现的医学影像数据互通和整合，让各医疗机构不仅可以规避过度检查、重复治疗等问题，还打破了数据孤岛现象，建立了无边界医疗全连接，提高医疗服务质量。通过数据的积累和分析，数据利用效率得到进一步提升，能够有效地对临床决策及医疗科研展开支撑。同时，数据上云，也让诊疗过程的质控得到了进一步提高。依托医真云，医疗机构能够轻松制定数据质量质控、报告内容质控、诊断结果质控、临床治疗质控、康复慢病跟踪等多种质控方法。强力引擎为医学影像处理和分析赋能数据上云，是西安盈谷打造医疗智能化辅助诊断系统的第一步。如何用好云上的大数据，才是接下来的重头戏。借助英特尔® 架构提供的强劲性能动力，西安盈谷开发出了医学影像处理及分析云计算@iMAGES 核心引擎，对存储在医真云上的医学影像数据实施高速实时计算处理。在西安盈谷看来，影像是计算出来的，而不是“传输”出来的。利用新一代英特尔® 至强® 可扩展处理器输出的更高并发计算能力，@iMAGES 核心引擎可以快速地对远端传来的影像数据进行多维度重建。以现在常见的正电子发射计算机断层显像（Positron Emission Tomography CT , PET-CT）检查为例，这一检查是由PET扫描仪提供患者详尽的功能与代谢等信息，同时由CT机提供患者的精确解剖定位，可用于各类疾病的早期发现和诊断。由于 PET-CT 检查实际上是将两种检查合二为一，因此 PET-CT 影像融合能力就会对检查结果产生至关重要的影响。 图二：云端 PET-CT 融合如图二所示，结合英特尔® 架构平台提供的强劲算力，@iMAGES 核心引擎提供了基于云端的出色 PET-CT 融合能力，不仅能够提供基于形态学和功能的“热力图”，还可以对影像做出半定量化的标准化摄取值（Standard Uptake Value, SUV）分析，用于后续对肿瘤等疾病的鉴别和定量分析。在其他医学影像计算处理上，@iMAGES 核心引擎也展现了强大的处理能力，例如在功能性磁共振成像（Functional Magnetic Resonance Imaging, fMRI）检查中，该引擎可以快速地执行弥散、灌注、神经束成像等功能；而进行心脏血管成像检查时，它也具备了冠脉分割、冠脉中轴线、冠脉及斑块定量化分析等功能。人工智能为医疗诊断提供强“大脑”为了让智能化辅助诊断系统能够真正帮助医疗机构提升诊疗能力，西安盈谷与英特尔一起，基于医真云、@iMAGES 核心引擎所汇集、处理的海量数据，以全新的 Cloud IDT 服务实现了人工智能辅助医学诊疗的创新，并取得了实实在在的进展。以肺癌为例，它在早期常表现为无症状、易被忽视的肺结节。肺结节的早期确认（良性或恶性）能有效降低肺癌的死亡率。由于微小的肺结节往往难以被人眼及时、准确地发现，因此肺癌一旦确诊，往往已是中晚期，使得患者失去了佳治疗的窗口期。而今，在 Cloud IDT 服务的辅助下，低剂量 CT 肺小结节智能化辅助诊断定量的监测敏感度（探测率）已达到 95%，筛查时间也由人工方式所需的 10 多分钟缩短到6秒以内1。通过人工智能识别出肺结节后，再交由医生执行进一步的诊断，使得诊断效率和精准度大幅提升。而医真云上聚集的海量数据，也让人工智能检测模型得以获得大量的训练样本，进而不断提升检测能力。 图三：西安盈谷的人工智能医学图谱在西安盈谷的计划中，智能化辅助诊断系统在未来将针对人体的各个生理系统，具备数百种人工智能检测模型。目前，其人工智能医学图谱初稿中就已定义了约 984 种疾病与医学检测数据的关联关系1。同时，该系统还基于自然语言处理（Natural Language Processing, NLP）能力，创建了报告智能助手这一功能，可协助医生更加高效地撰写高质量检查报告。英特尔先进技术为智能系统注入源动力作为西安盈谷的深度合作伙伴，英特尔向智能化辅助诊断系统提供了全方位的技术助力，不仅输出了全新的英特尔® 至强® 可扩展处理器，还协助完成了其 Cloud IDT 人工智能服务向英特尔平台的迁移，以及对人工智能技术框架的优化。作为英特尔新一代处理器产品，英特尔® 至强® 可扩展处理器不仅拥有强大的通用计算能力，还为智能化辅助诊断系统提供了其亟需的并行计算能力。系统中涉及的大量影像处理、人工智能处理，都对并行计算能力有严苛要求，而至强® 可扩展处理器集成的英特尔® 高级矢量扩展 512（英特尔® AVX-512），正是增强单指令多数据流（Single Instruction Multiple Data，SIMD）执行效率的关键技术。英特尔® 至强® 可扩展处理器对通用计算能力和并行计算能力的兼顾，非常有助于系统应用负载的整合。据测试，在处理能力上，两台基于该处理器的服务器所支撑的虚拟机数据量，可以达到原先平台的 2.5 倍，这可大大降低用户的总拥有成本（Total Cost of Ownership, TCO）2。“原先我们的系统，渲总线频率AMD 羿龙II X4 955黑盒前端总线（FSB)是将CPU连接到北桥芯片的总线。前端总线（FSB）频率（即总线频率）是直接影响CPU与内存直接数据交换速度。有一条公式可以计算，即数据带宽=（总线频率×数据位宽）/8，数据传输大带宽取决于所有同时传输的数据的宽度和传输频率。比方，支持64位的至强Nocona，前端总线是800MHz，按照公式，它的数据传输大带宽是6.4GB/秒。外频与前端总线（FSB）频率的区别：前端总线的速度指的是数据传输的速度，外频是CPU与主板之间同步运行的速度。也就是说，100MHz外频特指数字脉冲信号在每秒钟震荡一亿次；而100MHz前端总线指的是每秒钟CPU可接受的数据传输量是100MHz×64bit÷8bit/Byte=800MB/s。
