从前沿技术到落地方案，英特尔中国研究院展示超宽的产业融合能力

英特尔中国研究院成立于1998年，是其全球六大研究中心之一。研究院并不是仅仅局限于研究CPU，而是从整个人类技术周期出发，聚焦于改变未来的应用方向。例如 ：5G、边缘计算、人工智能等等。英特尔中国研究院的定位也不是一个单纯的研究机构，而是被赋予了Seek（发现）、Solve（解决）和Scale（推广）三重重要的意义存在。英特尔中国研究院，可以是一个最全面的前沿技术的研究机构，也是一个最强方案商，也是一个Intel品牌精神的图腾，政产学研的粘合剂。

在近日召开的“智探索·汇无界”为主题的“2022英特尔中国研究院探索创新日”活动上，我们看到了其诸多将前沿技术的探索进行实际落地的案例，以及一系列公布的政产学研合作发布。

“四大超级技术力量”构成数字化转型的基础

从PC时代迈入到移动计算时代之后，我们的生活以更多数字化的方式被重构。而目前我们已经步入了边缘计算的时代，更多的传统产业也在进行数字化的转型，已经完成了数字化的产业开始AI赋能。中国在整个数字化转型的过程中把握到了加速发展的机遇，最近十年的数字经济规模增长了4倍，并且在未来场景的率先落地上，中国也将展现领先的优势。

英特尔研究院副总裁、英特尔中国研究院院长宋继强分享到：展望未来的发展，英特尔认为“四大超级技术力量”是构成数字化转型的基础，这“四大超级技术力量”是无所不在的计算，从云到边缘的基础设施，无处不在的连接以及人工智能。

据悉，英特尔中国研究院有一个“3S”研究和创新的战略。“Seek”指的是要去发现问题，找到机会。在与政府合作伙伴的政策导向、宏观层面找到机会；从广泛的学术网络的可转化成果上找到机会；从紧密合作的产业合作伙伴的业务挑战助力中找到问题的定义。“Slove”是指通过研发一些技术以提供解决方案。例如视觉人工智能算法、智能边缘、智能交通、机器人和加速芯片等。“Scale”指的是将新技术融入到英特尔广泛的产品和技术平台当中去，以帮助它找到更广泛的使用机会，同时利用英特尔大规模制造的优势，帮助客户和合作伙伴找到性价比最高、最容易规模化的实施路径。

据宋继强院长介绍，近年来英特尔中国研究院开始推动一种新型研究网络，学术界和intel的合作变成了底座，仍然可以在人才、算法等基础模块上做合作，但是在上面要积极的与政府和产业融合。在很多新的产业转型过程当中，政府有导向、资源，可以提供先行先试的场景，英特尔相关产业界的合作伙伴有数据、现成的平台可以去转换。这种模式称之为政产学研合作。

从主机时代、到PC时代、互联网时代、移动计算时代，到现在的边缘计算时代和未来的虚拟现实融合时代，让英特尔一直能够穿越不同技术周期的底层逻辑在于其技术和产业的双轮驱动逻辑。在创新领域的不断探索，找到新的技术点去提供方案；在规模化和商业化中去寻找落脚点。“商业化导向非常重要，我们称之为导向轮。这两个轮子一起转，就可以非常好地提供闭环的持续创新效应。”宋继强院长说到。

类脑芯片与机器人平台融合落地

在此次创新日活动上，intel展示了其Loihi类脑芯片与HERO机器人平台的结合，这位类脑技术进入产业落地提供了前瞻的意义。

Loihi是类脑神经元结构的人工智能芯片，目前已经发展到第二代。而HERO是Intel之前应用在服务机器人上的异构计算平台。这两者的结合，是一个跨界创新的案例，也就是Intel所提到的“融合创新”理念的体现。可以预见到在未来，Loihi与其他的机器人平台的结合也未尝不可，类脑芯片的落地也有望获得实际进展。

全尺度深度视觉学习突破AI扩展瓶颈

在人工智能的拓展和落地上，挑战来自于算法、模型和计算等多个方面，尤其是对于计算、存储、网络资源，以及供电都相对紧张的边缘设备而言，实现AI的落地更具备挑战。在此次创新日上，Intel前瞻性提出了亚比特神经网络技术，从统计意义上实现了小于1比特的DNN量化，实现了显著的DNN压缩和加速。该网络架构的硬件友好度较高，在FPGA的实际部署中相比BNN实现了超过3倍的推理加速。

此外，ODConv系列模型也将于下半年在英特尔研究院的开源项目Omni-Scalable Vision AI Model Zoo中发布。通过并行策略采用多维注意力机制沿核空间四个维度学习互补性助力器，显著提高大型及轻量型CNN模型性能。

此外，Intel还提供了给予参数共享的神经视频传输技术，利用超分辨网络对数据的强大过你和能力，可用一个超分辨网络，达到多个超分辨网络的性能，减少视频传输带宽，实现优于H.264/H.265的更高视频画面质量。

此外，Intel还展示了其三维人体运动追踪技术（3DAT）的实际应用。在demo展示中仅需一个摄像头就可以实现的多人三维运动追踪，可以实现简单易用、鲁棒性高、高质量的实时动态捕捉。这种捕捉技术完全依赖于视觉技术和强大的算法，对于更复杂场景构建也可以使用更多摄像头来实现盲区减少。

规模化、去中心化开启边缘计算新时代

除了边缘端的资源受限之外，不同边缘设备、不同平台之间的连接也是一个边缘应用落地的难题。这直接造成了更多的设备、计算量和通讯量的冗余。如下图所示，今天的边缘系统中，同一个节点位置可能需要多个边缘设备来实现同样的计算工作，对接不同的云端平台；而在未来，边缘系统会发展的更为去中心化。边缘端承载的工作将会更为规模和系统化。

以车路协同举例，Intel的创新融合可以提供高可靠的分布式边缘系统框架，从底层硬件、到上层的公共边缘服务、再到上层的开放边缘系统框架和最顶层的应用的服务，实现开放的边缘计算应用编程接口。

为了更好地实现车路协同，英特尔中国研究院实现了对来自摄像头、雷达、激光雷达等传感器的海量数据进行全天候、实时的数据融合分析。在100毫秒内完成复杂场景下的交通风险预判。

在现场的demo演示中，英特尔介绍了如何利用边缘计算技术，实现虚实结合的场景测试，从而提供自动驾驶的测试和开发。这种虚拟场景下的真实道路测试（RTAS）采用“云—边—车”三层架构：在云端开发测试场景库和控制模型，在边缘生成虚拟场景并下发到被测车辆，被测车与虚拟场景在真实道路和环境上实时互动。依托该架构，环境、互动和车辆的真实动态能实时返回边缘，并形成闭环，实现虚拟世界和物理世界的有效融合。

总结

除了上述提到的演示之外，英特尔中国研究院还在现场展示了其3D ToF手势识别应用、智能服务机器人等。作为一家业内领先的半导体厂商，英特尔中国研究院把更多的精力放在了行业应用的赋能上，整体产业生态的融合上，专注于把技术成果转化到正式的业务应用场景当中。以3S为目标，在双轮驱动的逻辑下，未来有望看到英特尔中国研究院在中国有更多的政企产研的成果落地。