英特尔的AI布局：专注技术，收获未来

如果说过去10年是互联网颠覆商业模式的10年，那么无疑未来的10年人工智能则有极大的可能接棒互联网，成为新的风口并产生新的商业机会。

不过，眼下的人工智能行业呈现出了庞大和无序，从哪里落地，哪里将是突破口?业界一直在不断的探索和思考。对此，我的观点是，真正能够肩负起推动人工智能进步和落地的公司，必然是在互联网、云计算、大数据和物联网等领域拥有成熟技术架构体系的巨头公司。

那么，在人工智能时代渐行渐近的今天，英特尔有机会成为这个角色的扮演者吗?关键的是，英特尔对人工智能有何所思所想?在技术领域又有哪些新的投入和布局呢?

人工智能时代的角色定位

如今放眼全球，人工智能确实都受到了前所未有的重视。科技巨头们甚至将人工智能视为推动下一次产业革命的关键技术，纷纷在人工智能领域加大投入。

英特尔销售与市场事业部副总裁夏乐蓓

这背后的重要原因和驱动力在于，云计算技术解决了计算资源的获取，大数据技术产生了更多数据资产，机器学习、深度学习技术大幅度提升了系统效率，这就形成了一个完整的服务于人工智能行业的技术链条。

新任英特尔中国研究院院长宋继强，就以机器人的发展过程为例，阐述了人工智能在这个过程当中的演进阶段和技术所起到的价值作用。

第一阶段是互联，主要是指过去机器人是固定的，通过联网后更多的信息来源于网络，同时产生更多的信息交互，这时候机器就不再孤立。

第二阶段是智能，主要是指通过软件实现机器的初步感知，让机器和人之间形成更高级的交互，比如做图像和语音识别等等，机器在这个阶段有了一定的“个性化”。

第三阶段是自主，主要是指机器对人有了更深入的理解，包括怎么知道人现在是什么情绪，并且做一些推理和规划，然后做相应的处理和反馈，这是机器演进的终极阶段，它必须是可预测和可靠的。

宋继强认为，在构造基于人工智能的自主机器里面有三个关键的维度，第一步是感知，二是认知，三是行动，要把这三个步骤连贯起来形成一个闭环。

显然，要形成这样的闭环，技术的挑战由此可见，包括通过各式各样的传感器数据进入到机器中，机器需要第一时间做出反馈和处理，这是终端可见的困难。

与此同时，在看不见的后端处理过程中的挑战，则包括机器需要大量的计算能力和学习能力，应该说目前已初步有了结果，比如字符识别、语音识别，图像识别等，但也还未完全穷尽，而更高维度的认知探索，业界现在才刚刚开始而已。

对此，英特尔销售与市场事业部副总裁夏乐蓓认为，人工智能实际是高性能计算在现在和未来的进一步延展和进化，这是英特尔传统的优势领域。对英特尔而言，进入人工智能领域是非常自然的选择，也是技术上的自然演进。

在夏乐蓓看来，当下最热门的机器学习，乃至更细分的深度学习，只是人工智能当中一个新生但发展速度很快的领域，也是英特尔投入最大的领域。可以这么理解，机器学习是实现人工智能的方法，深度学习是实现机器学习的技术。因此，对英特尔而言，人工智能、机器学习和深度学习是相辅相成的。

以机器学习为例，它主要是进行培训和评分。培训过程通过数据推动制定决策，并推动譬如汽车或机器人内部的自动化智能;然后是评分过程，即机器完成学习后，如何将其投入实际应用?因此，无论是学习还是评分，都需要强大的计算能力，而这正是英特尔所擅长的。

综上所述，其实就不难理解英特尔在人工智能的角色定位了，那就是“IA for AI”。

英特尔人工智能的全局观

英特尔中国研究院院长宋继强

应该说，围绕人工智能的布局，英特尔已经描绘出了清晰可见的发展路线图和构建了一条十分完整的技术发展链条，具体来说：

一、从终端布局看，英特尔主要做的是人与机器的新交互，通过提供英特尔Curie模块、Edison计算平台、Cedar Trail芯片平台、RealSense实感技术以及凌动处理器等技术，英特尔希望把终端设备进一步的智能化，并通过联网让这些设备产生的数据，进入到后端的数据中心中去。

二、从后端布局看，有数据显示在世界上所有的服务器中，有将近7%都在运行跟机器学习有关的负载，其中大多数都使用了英特尔的处理器。因此，英特尔今年最新发布的至强E5 v4系列处理器，非常适合处理机器学习模型评分(scoring)应用。

此外，适用于超级计算领域的新一代至强融核处理器家族(Xeon Phi)，专攻高度并行的工作负载，为机器学习模型训练(training)提供强劲性能，同时可以运行多种分析工作负载，可扩展性也有大幅提升。

三、在计算性能的延伸上，FPGA是目前为了解决深度学习对计算能力的要求而出现的技术，是一种介于专用芯片和通用芯片之间，具有一定的可编程性，可同时进行数据并行和任务并行计算，在处理特定应用时有更加明显的效率。

去年12月，Altera的FPGA纳入到英特尔的产品线中。目前，英特尔现在一直在开发统一的接口，希望原来在至强系列处理器上运行的深度学习、机器学习负载，以后就可以在至强融核、FPGA 上以互补、配合的方式运行。

四、在软件层面的布局上，英特尔致力于提供数学核心函数库和提供较高级别算法的数据分析加速库，能够以高性能的算法，供开发人员调用。接下来，针对深度学习，英特尔还将发布数学核心函数库——深度学习神经网络 (Intel MKL-DNN)，并开源供MKL深度学习神经网络层的使用。

五、在并购方面，英特尔近期宣布收购Nervana，该公司旗下的 Engine 芯片在深度学习训练时有着比传统 GPU 的能耗和性能优势。借助收购 Nervana，则有望帮助英特尔将自己在处理器的优势延伸到深度学习领域，从而打造一系列适应深度神经网络的特殊处理器。

无独有偶，就在这几天，英特尔又再次收购初创公司 Movidius，深入机器视觉战场。由此不难看出，英特尔这一系列的技术和布局突显了其强大的实力和竞争力，也从一个侧面证明了英特尔在人工智能时代的新志向。

正如夏乐蓓所言：从在云端的数据中心到设备终端，再反过来到云端的数据中心，中间历经各个大数据的环节，我们认为在这样一个良性循环当中，如果一家企业能够获得领导的地位，它也必然能够在人工智能领域中获得和保持领导地位。

我认为，这正是英特尔基于自身的技术实力和前瞻思考，在人工智能时代构建的全局观。

推动中国融入人工智能时代

夏乐蓓表示，如今在无人机、机器人、智能硬件以及数据中心等等消费、企业级市场，都涌现出了很多非常优秀的中国企业，这些都预示着中国在如今科技创新领域具有举足轻重的地位。

与此同时，过去30年在技术积累和行业实践的基础上，英特尔为中国的各行各业输出计算能力和技术服务，现在英特尔同样希望推动中国融入人工智能时代。

可以说，在这方面英特尔一直是坚定的推动者。例如，在英特尔的帮助下，京东、奇虎360使用的机器学习模块可扩展性提高了10倍，有些机器学习的周期缩短了8倍。

京东现在可以更详细地分析客流行为，为用户提供更好的推荐。还有一些支付企业，使用了完整的端到端机器学习流水线，卷积神经网络收敛速度提高30倍，从而能更精准地预防欺诈行为，保护用户的资产。

不仅如此，今年对外展示的讯飞听见智能会议系统，也是依托科大讯飞深耕多年的自然语言处理、声纹识别、语音识别等核心语音技术，基于英特尔至强处理器以及FPGA的高性能计算平台所打造的以实时语音转写为核心功能的解决方案。

同时，在迈向人工智能未来的道路上，英特尔还将和科大讯飞把合作推进到深度学习离线部分，并在高性能计算、大数据和人工智能领域探索新技术和新方向。

在车联网领域，英特尔研发的“ADAS高级驾驶助手系统”已开始与众多汽车厂商进行合作测试，在中国与中交兴路就组建了车联网联合创新中心，双方将结合中交兴路重点项目，就智能车载终端技术、车联网云平台、行业大数据解决方案以及业务模式创新等方面开展深入合作。

凡此种种，不难看出现在英特尔正在大力输出自身的技术能力，中国众多的企业也将直接受惠于英特尔多年来在人工智能领域的探索成果。

总结一下，英特尔如今针对人工智能已经在端到端领域做了全面的布局，同时基于“IA for AI”的理念，英特尔也希望把自身的技术实力输出给越来越多的中国企业。可以预见，“Intel Inside”在人工智能时代依然能够随处可见。