Axelera AI 推出多模型多流边缘AI安全方案，实现实时8K推理与精准目标识别

事件概述

Axelera AI 在 ISC West 2026 上展示了一套面向企业级安全场景的多模型、多流边缘AI系统。该系统基于 Voyager SDK、Metis AIPU 和 Intel Xeon 平台，能够实时处理多路8K视频流，峰值算力达到2.5 PetaOPS。官方表示，边缘AI的“试点阶段”已结束，规模化部署的关键在于以商用成本协调多模型、多视频流的工作负载。

核心能力与管道

Voyager SDK 为开发者提供了一套完整的边缘AI编排能力，包括：

• 硬件加速解码：同时解码多路4K/8K流，保持低延迟和高吞吐。
• Tiling预处理：将高分辨率帧切分为重叠瓦片，提升小目标检测精度，并对不同相机视角进行透视变换。
• 并发分析：并行运行多个模型（检测、跟踪、人脸关键点、目标分类）。
• 模型级联：将检测器输出传递给次级模型，如将人脸区域传递给识别模型。
• 自定义管道逻辑：支持用户用C++和Python实现条件分支等定制逻辑。
• 智能边缘编排：仅将关键元数据/事件上传云端，原始高分辨率视频留存本地。

Person-of-Interest（POI）识别方案

传统帧级人脸识别在复杂环境中易受模糊、遮挡、角度等影响，导致误拒和误识。Axelera AI 引入了时序处理方案：

1. 检测器后插入跟踪器，为每个跟踪ID构建姿态质量缓冲区。
2. 对每帧检测区域评估姿态角、像素密度和光照，仅保留最高质量区域替换缓冲区中的低分项。
3. 首个高质量区域立即触发识别（锚定与更新），缓冲区累积后再用贝叶斯更新合并识别置信度，例如两次70%匹配比一次90%更可靠。
4. 另设覆盖门：若单帧出现高置信度正面人脸，可立即生成警报，避免时序上遗漏。

该方案在不增加计算负担的前提下显著提升识别鲁棒性。

未来规划

Axelera AI 预告下一代 Europa 架构 将带来3倍性能提升，为更大规模的多模型、多流边缘AI部署提供支撑。