AI, der administrerer lokalet, ikke mødet.

Lokalet har allerede siliciummet.

Polaris blev designet fra bunden til at køre AI i vores produkter, ikke til at få det tilføjet senere. Polaris Pro har en NPU på chippen med en ydelse på 9.6 TOPS ved laveste præcision, hvilket er nok til at køre en sprogmodel på kanten af netværket, så data og behandling bliver på enheden og i lokalet i stedet for at forlade bygningen, blive behandlet et andet sted og komme tilbage. Siliciummet er kun halvdelen. Hvert lokale rapporterer til én cloud over én udgående forbindelse med én identitet pr. enhed, og hele installationen kan nås gennem et dokumenteret API, så det, der gør Polaris til et sted at placere AI, er lige så meget måden, clouden og API'erne er bygget på, som det, der sidder i kassen. Vi tror, at AI vil blive ved med at skabe reel innovation i AV på begge sider af lokalet, for deltagerne i mødet og for administratorerne, der driver hundredvis af dem.

Efterhånden som vi nærmer os udgivelsen af AI-funktioner, lister vi dem her for det kommende kvartal.

For IT-chefen er det et opslagsproblem. Hvert Polaris-lokale rapporterer allerede til én cloud, over én udgående forbindelse, med én identitet pr. enhed, så en assistent, der kan svare på „hvilke lokaler er ved at fejle, og hvorfor“, læser data, der findes i dag. Derfor er det første skridt på denne side en MCP-server. Det svære var aldrig modellen; det var at have hele installationen samlet ét sted, man kunne spørge til.

For slutbrugeren er det et realtidsproblem, og det er en helt anden ingeniøropgave. Det sker inde i et levende møde, hvor latenstid, hvor lyden håndteres, og hvor inferensen faktisk kører, er selve designet og ikke detaljer, man afklarer senere.

Det, Polaris Cloud kører i dag →Polaris Cloud som produkt →Sådan sikres enheden →