實驗室自動化
智慧的自動化實驗室儀器正協助實驗室提高運作效率，在提供更先進測試服務的同時，為 AI 驅動的工作流程與程序奠定了基礎。
您是開發人員嗎？
透過 Intel® 開發者專區取得開發 Intel® 硬體及軟體的官方資源，加快您的生產過程。
什麼是實驗室自動化？
實驗室自動化利用管理系統（LIMS）和自動化實驗室儀器提供的精密實驗室資訊，大規模提供精確無誤的測試結果。這類智慧實驗室儀器利用內建的處理器驅動機器人技術、支援物聯網（IoT）技術，以及執行精密的分析。
Intel 和 Intel 夥伴與實驗室儀器製造商密切合作，協助將應用程式最佳化、引進創新技術，並且滿足不斷變化的顧客需求。
為今日而打造，為明日而設計
您本季出貨的儀器，將會在未來幾年穩定運作。儀器必須能跟上快速創新的腳步，才能持續發揮效用，特別是在分析和 AI 領域。
搭載 Intel® 技術的硬體、開發工具與軟體的實驗室儀器，能夠取得處理密集工作負載所需的運算效能、跟上全新層次自動化的腳步，以及安全管理前所未有的資料量。
自動化實驗室儀器—目前的趨勢是變革的推手
臨床實驗室一方面利潤下滑，另一方面越來越需要更精密的測試。研究實驗室持續承受壓力，必須加速取得更多突破性成果。兩個市場都期望儀器製造商提供更聰明彈性的裝置，不僅能執行高階測試、將更多流程自動化，還能作為未來創新技術的基礎平台。
成本壓力
實驗室紛紛尋求改善營運的方法，也期望儀器能提供更豐富的功能，並且降低成本。改採單 CPU 配置可降低材料成本、提升效能，並且提供更優異的使用者體驗。
遠距診斷
縮短停機時間是實驗室環境的關鍵。整合式電腦視覺（CV）系統可支援遠端儀器診斷，有助於提早加速辨識及解決問題。Intel® 硬體、開發者工具組與參考應用程式，能彈性靈活根據各種儀器需求打造 CV 解決方案。
安全性與管理性
在醫療保健產業，資料安全是首要議題。Intel® 運算平台採用硬體支援的安全技術，例如加速的資料加密與值得信賴的執行技術，協助儀器製造商滿足網路安全需求。
分析與人工智慧成長
新式實驗室儀器必須支援日益複雜的分析方式，並且為未來的人工智慧做好準備。最新的 Intel® 技術結合了 AI 加速，以及靈活的多用途運算效能。實驗室儀器以 Intel 技術為基礎，可支援範圍更廣的分析與 AI 功能。
客戶成功案例
KFBIO 加速癌症篩檢處理量
KFBIO 深度學習 AI 解決方案能偵測並分類子宮頸抹片的異狀。KFBIO 利用 Intel® 最佳化與工具組，在 Intel® Xeon® CPU 將處理量提高 8.4 倍1。
Broad Institute 的最佳化投資獲得回報
Intel 和 Google 與 Broad Institute 合作，為開放原始碼生物醫學平台 Terra 降低雲端運算成本並提升效能。
實驗室自動化的未來發展
Intel 正協助製造商整合新技術，不僅能在當前創造價值，還能為未來奠定基礎。
利用 Intel 技術推進數位病理學
Intel 利用最佳化的軟體與 AI 模型管理平台，輕鬆擴充數位病理學解決方案。
推進臨床實驗室自動化的未來發展
Intel 正協助血庫和臨床化學儀器製造商提供新服務，並且利用電腦視覺、AI 和機器人技術提高處理量。
新興的研究實驗室技術趨勢
Intel® 技術、硬體與開發者工具，正協助研發實驗室在大數據分析與自主實驗導入 AI。
生物製藥製造邁向數位化
Intel® 軟硬體解決方案引領生物製藥製造業數位轉型，為邁向工業 4.0 這種新式的軟體定義資料導向營運方式奠定基礎。
適用於實驗室自動化的 Intel® 技術
單一新式 Intel® 處理器提供的效能，足以支援實驗室儀器從硬體定義邏輯轉換為軟體型基礎架構。現今的儀器若搭載 Intel® CPU，能夠支援長年持續擴充功能，並且因應日益增長的需求。
專為物聯網增強的處理器結合即時運算、頻外遠端管理與硬體型安全措施，兼具工業級可靠性，效能更優異也更靈活彈性。
Intel® 硬體提供各式各樣功能，讓您利用標準化的單一 CPU 架構製造多種實驗室儀器，不僅可精簡物料表、簡化認證流程，還可統一管理裝置。
Intel Atom® 處理器
Intel Atom® 處理器為儀器自動化提供節能效能，例如樣本處理、分類、離心與分析功能。
Intel® Core™ 處理器
Intel® Core™ 處理器運算效能較高，而 Intel® Iris Xe 顯示晶片則可實現高階儀器分析與配備 4K 顯示器的工作站。
Intel® Xeon® 可擴充處理器
透過 Intel® Xeon 處理器，您可以在實驗室用邊緣伺服器執行多種虛擬化工作負載，包括高內涵篩選（HCS）、培養菌計數和其他影像分析。
Intel® FPGA
若要加速關鍵工作負載及因應瞬息萬變的需求，您可現場設計 Intel® FPGA 與 SoC FPGA 的程式。
Intel vPro® 平台
即使系統關機，需要進行遠距診斷、維護及排除故障時也能存取系統。
Intel® Deep Learning Boost
為電腦視覺、語音辨識和其他深度學習 AI，一邊執行既有的工作負載，一邊執行複雜的 AI 工作負載。
適用於實驗室自動化的 Intel® 開發者工具
Intel 提供的工具可讓儀器製造商擴充系統功能並簡化開發流程。
Intel® Distribution of OpenVINO™ 工具組
OpenVINO™ 工具組打造的深度學習 AI 模型經過最佳化，可在任何組合的 Intel® 硬體執行，並且締造最高效能。成千上百種預先訓練的模型與參考應用程式，能夠幫助您加速上市。
Video Analytics Serving
將最佳化媒體分析管道部署為容器型服務。Video Analytics Serving 支援 GStreamer 或 FFmpeg 定義的管道。它隨附的 API 可用於探索、啟動、停止、自訂及監控管道執行。
Azure Video Analyzer
使用 Azure 雲端將 AI 影片分析管道建置及部署為服務。Video Analytics Serving 延伸模組支援 GStreamer 與 FFmpeg 管道。
Intel® Media SDK
Intel® Media SDK 為開發者提供一組豐富的程式庫、工具與樣本，跨 Windows 和 Linux 支援在應用程式進行硬體加速的影片編碼、解碼與處理。
常見問答集
實驗室自動化利用精密的實驗室資訊管理系統（LIMS）、機器人物料搬運系統，以及越來越聰明彈性的實驗室儀器，可追蹤測試樣本、評估結果，以及執行勞力密集型臨床工作。
實驗室自動化用於臨床和生物製藥研究實驗室以及製造設施。材料研究實驗室利用自動化探索新的化合物與分子。
基礎實驗室自動化仰賴內建運算能力和高速網路功能的自動化實驗室儀器。儀器的組裝方式旨在打造由自動化控制系統與資訊管理系統管理的工作流程。高效能工作站與內部部署或雲端型伺服器支援全實驗室的自動化與營運技術。
人工智慧讓實驗室自動化更聰明彈性也更自主。AI 需要攝影機、麥克風和其他感應器才能擷取資料，還需要額外的軟體與運算能力。
相關閱讀材料
瞭解健康與生命科學領域的其他進展。
1. KFBIO Cervical Cancer Screening OpenVINO™ 模型在 Intel® Xeon® Gold 6148 處理器的處理量效能：
新推出：
測試 1：Intel 截至 2019 年 6 月 15 日的測試。雙插槽 Intel® Xeon® Gold 6148 處理器、20 核心、開啟 HT、開啟渦輪、總記憶體 192 GB（12 個插槽/16 GB/2,666 MHz）；BIOS：SE5C620.86B.0X.01.0007.062120172125（ucode：0x200004d）、CentOS Linux 版本 7.5.1804 (Core)；深度學習架構：Keras 2.2.4 與 Intel 最佳化的 TensorFlow：1.13.1；拓樸：RetinaNet：https://github.com/fizyr/keras-retinanet；編譯器：gcc 4.8.5、MKL DNN；版本：v0.17、BS=8、同時包括合成資料與客戶資料、一個執行個體/兩個插槽、資料類型：FP32。
測試 2：Intel 截至 2019 年 6 月 15 日的測試。雙插槽 Intel Xeon Gold 6148 處理器、20 核心、開啟 HT、開啟渦輪、總記憶體 192 GB（12 個插槽/16 GB/2,666 MHz）；BIOS：SE5C620.86B.0X.01.0007.062120172125（ucode：0x200004d）、CentOS Linux 版本 7.5.1804 (Core)；Intel® 軟體：OpenVINO™ R2019.1.1094；拓樸：RetinaNet：https://github.com/fizyr/keras-retinanet；編譯器：gcc 4.8.5、MKL DNN；版本：v0.17、BS=1、八個非同步要求、同時包含合成資料與客戶資料、一個執行個體/兩個插槽；資料類型：FP32。
基準：
Intel 截至 2019 年 6 月 15 日所做的測試。雙插槽 Intel Xeon Gold 6148 處理器、20 核心、開啟 HT、開啟渦輪、總記憶體 192 GB（12 個插槽/16 GB/2,666 MHz）；BIOS：SE5C620.86B.0X.01.0007.062120172125（ucode：0x200004d）、CentOS Linux 版本 7.5.1804 (Core)；深度學習架構：Keras 2.2.4 與 Vanilla TensorFlow：1.5；拓樸：RetinaNet：https://github.com/fizyr/keras-retinanet；編譯器：gcc 4.8.5、MKL DNN 版本：v0.17、BS=8、同時包括合成資料與客戶資料、一個執行個體/兩個插槽、資料類型：FP32。