英特爾人工智慧的全局觀：專注於技術，收穫於未來

如果說過去10年是網際網路顛覆商業模式的10年，那麼無疑未來的10年人工智慧則有極大的可能接棒網際網路，成為新的風口並產生新的商業機會。

不過，眼下的人工智慧行業呈現出了龐大和無序，從哪裡落地，哪裡將是突破口？業界一直在不斷的探索和思考。

對此，我的觀點是，真正能夠肩負起推動人工智慧進步和落地的公司，必然是在網際網路、雲計算、大數據和物聯網等領域擁有成熟技術架構體系的巨頭公司。

那麼，在人工智慧時代漸行漸近的今天，英特爾有機會成為這個角色的扮演者嗎？關鍵的是，英特爾對人工智慧有何所思所想？在技術領域又有哪些新的投入和布局呢？

人工智慧時代的角色定位

如今放眼全球，人工智慧確實都受到了前所未有的重視。

科技巨頭們甚至將人工智慧視為推動下一次產業革命的關鍵技術，紛紛在人工智慧領域加大投入。

英特爾銷售與市場事業部副總裁夏樂蓓

這背後的重要原因和驅動力在於，雲計算技術解決了計算資源的獲取，大數據技術產生了更多數據資產，機器學習、深度學習技術大幅度提升了系統效率，這就形成了一個完整的服務於人工智慧行業的技術鏈條。

新任英特爾中國研究院院長宋繼強，就以機器人的發展過程為例，闡述了人工智慧在這個過程當中的演進階段和技術所起到的價值作用。

第一階段是互聯，主要是指過去機器人是固定的，通過聯網後更多的信息來源於網絡，同時產生更多的信息交互，這時候機器就不再孤立。

第二階段是智能，主要是指通過軟體實現機器的初步感知，讓機器和人之間形成更高級的交互，比如做圖像和語音識別等等，機器在這個階段有了一定的「個性化」。

第三階段是自主，主要是指機器對人有了更深入的理解，包括怎麼知道人現在是什麼情緒，並且做一些推理和規劃，然後做相應的處理和反饋，這是機器演進的終極階段，它必須是可預測和可靠的。

宋繼強認為，在構造基於人工智慧的自主機器裡面有三個關鍵的維度，第一步是感知，二是認知，三是行動，要把這三個步驟連貫起來形成一個閉環。

顯然，要形成這樣的閉環，技術的挑戰由此可見，包括通過各式各樣的傳感器數據進入到機器中，機器需要第一時間做出反饋和處理，這是終端可見的困難。

與此同時，在看不見的後端處理過程中的挑戰，則包括機器需要大量的計算能力和學習能力，應該說目前已初步有了結果，比如字符識別、語音識別，圖像識別等，但也還未完全窮盡，而更高維度的認知探索，業界現在才剛剛開始而已。

對此，英特爾銷售與市場事業部副總裁夏樂蓓認為，人工智慧實際是高性能計算在現在和未來的進一步延展和進化，這是英特爾傳統的優勢領域。

對英特爾而言，進入人工智慧領域是非常自然的選擇，也是技術上的自然演進。

在夏樂蓓看來，當下最熱門的機器學習，乃至更細分的深度學習，只是人工智慧當中一個新生但發展速度很快的領域，也是英特爾投入最大的領域。

可以這麼理解，機器學習是實現人工智慧的方法，深度學習是實現機器學習的技術。

因此，對英特爾而言，人工智慧、機器學習和深度學習是相輔相成的。

以機器學習為例，它主要是進行培訓和評分。

培訓過程通過數據推動制定決策，並推動譬如汽車或機器人內部的自動化智能；然後是評分過程，即機器完成學習後，如何將其投入實際應用？因此，無論是學習還是評分，都需要強大的計算能力，而這正是英特爾所擅長的。

綜上所述，其實就不難理解英特爾在人工智慧的角色定位了，那就是「IA for AI」。

英特爾人工智慧的全局觀

應該說，圍繞人工智慧的布局，英特爾已經描繪出了清晰可見的發展路線圖和構建了一條十分完整的技術發展鏈條，具體來說：

英特爾中國研究院院長宋繼強

一、從終端布局看，英特爾主要做的是人與機器的新交互，通過提供英特爾Curie模塊、Edison計算平台、Cedar Trail晶片平台、RealSense實感技術以及凌動處理器等技術，英特爾希望把終端設備進一步的智能化，並通過聯網讓這些設備產生的數據，進入到後端的數據中心中去。

二、從後端布局看，有數據顯示在世界上所有的伺服器中，有將近7%都在運行跟機器學習有關的負載，其中大多數都使用了英特爾的處理器。

因此，英特爾今年最新發布的至強E5 v4系列處理器，非常適合處理機器學習模型評分（scoring）應用。

此外，適用於超級計算領域的新一代至強融核處理器家族（Xeon Phi），專攻高度並行的工作負載，為機器學習模型訓練（training）提供強勁性能，同時可以運行多種分析工作負載，可擴展性也有大幅提升。

三、在計算性能的延伸上，FPGA是目前為了解決深度學習對計算能力的要求而出現的技術，是一種介於專用晶片和通用晶片之間，具有一定的可編程性，可同時進行數據並行和任務並行計算，在處理特定應用時有更加明顯的效率。

去年12月，Altera的FPGA納入到英特爾的產品線中。

目前，英特爾現在一直在開發統一的接口，希望原來在至強系列處理器上運行的深度學習、機器學習負載，以後就可以在至強融核、FPGA 上以互補、配合的方式運行。

四、在軟體層面的布局上，英特爾致力於提供數學核心函數庫和提供較高級別算法的數據分析加速庫，能夠以高性能的算法，供開發人員調用。

接下來，針對深度學習，英特爾還將發布數學核心函數庫——深度學習神經網絡 (Intel MKL-DNN)，並開源供MKL深度學習神經網絡層的使用。

五、在併購方面，英特爾近期宣布收購Nervana，該公司旗下的 Engine 晶片在深度學習訓練時有著比傳統 GPU 的能耗和性能優勢。

藉助收購 Nervana，則有望幫助英特爾將自己在處理器的優勢延伸到深度學習領域，從而打造一系列適應深度神經網絡的特殊處理器。

無獨有偶，就在這幾天，英特爾又再次收購初創公司 Movidius，深入機器視覺戰場。

由此不難看出，英特爾這一系列的技術和布局突顯了其強大的實力和競爭力，也從一個側面證明了英特爾在人工智慧時代的新志向。

正如夏樂蓓所言：從在雲端的數據中心到設備終端，再反過來到雲端的數據中心，中間歷經各個大數據的環節，我們認為在這樣一個良性循環當中，如果一家企業能夠獲得領導的地位，它也必然能夠在人工智慧領域中獲得和保持領導地位。

我認為，這正是英特爾基於自身的技術實力和前瞻思考，在人工智慧時代構建的全局觀。

推動中國融入人工智慧時代

夏樂蓓表示，如今在無人機、機器人、智能硬體以及數據中心等等消費、企業級市場，都湧現出了很多非常優秀的中國企業，這些都預示著中國在如今科技創新領域具有舉足輕重的地位。

與此同時，過去30年在技術積累和行業實踐的基礎上，英特爾為中國的各行各業輸出計算能力和技術服務，現在英特爾同樣希望推動中國融入人工智慧時代。

可以說，在這方面英特爾一直是堅定的推動者。

例如，在英特爾的幫助下，京東、奇虎360使用的機器學習模塊可擴展性提高了10倍，有些機器學習的周期縮短了8倍。

京東現在可以更詳細地分析客流行為，為用戶提供更好的推薦。

還有一些支付企業，使用了完整的端到端機器學習流水線，卷積神經網絡收斂速度提高30倍，從而能更精準地預防欺詐行為，保護用戶的資產。

不僅如此，今年對外展示的訊飛聽見智能會議系統，也是依託科大訊飛深耕多年的自然語言處理、聲紋識別、語音識別等核心語音技術，基於英特爾至強處理器以及FPGA的高性能計算平台所打造的以實時語音轉寫為核心功能的解決方案。

同時，在邁向人工智慧未來的道路上，英特爾還將和科大訊飛把合作推進到深度學習離線部分，並在高性能計算、大數據和人工智慧領域探索新技術和新方向。

在車聯網領域，英特爾研發的「ADAS高級駕駛助手系統」已開始與眾多汽車廠商進行合作測試，在中國與中交興路就組建了車聯網聯合創新中心，雙方將結合中交興路重點項目，就智能車載終端技術、車聯網雲平台、行業大數據解決方案以及業務模式創新等方面開展深入合作。

凡此種種，不難看出現在英特爾正在大力輸出自身的技術能力，中國眾多的企業也將直接受惠於英特爾多年來在人工智慧領域的探索成果。

總結一下，英特爾如今針對人工智慧已經在端到端領域做了全面的布局，同時基於「IA for AI」的理念，英特爾也希望把自身的技術實力輸出給越來越多的中國企業。

可以預見，「Intel Inside」在人工智慧時代依然能夠隨處可見。

申耀的科技觀察（微信號：shenyao），由非著名科技媒體人申耀創辦、10萬公里公路自駕經驗老斯基，在各大自媒體平台擁有專欄，致力於科技行業的觀察和思考，在這裡讀懂科技行業，知趨勢，贏未來！