「角力」人工智慧，老將英特爾的「新江湖」

無AI不熱點，當晶片公司都在談論人工智慧的發展戰略時，作為晶片老將的英特爾也在試圖做點什麼。

過去幾年，熟悉的合作夥伴英偉達成為了人工智慧領域發展最為迅猛的晶片公司，網際網路巨擘谷歌儼然成為開發者最熟悉的軟體算法提供平台，而諸如華為、ARM等公司也推出了類似」達文西」和「周易」這樣的人工智慧平台來籠絡開發者，「算力」成為高頻詞彙的同時也讓人工智慧在商業領域的合作與競爭中火花四濺。

「英特爾最強的是CPU，處理能力強，但在訓練上能夠比英偉達的GPU便宜而且好用嗎？」一位還在讀研二的學生在英特爾的人工智慧大會上發出了這樣的疑問，這也是很多人對於這家老牌晶片廠商在人工智慧戰略上的誤解。

英特爾的人工智慧戰略和邊界是什麼？面對競爭對手時有什麼優勢？在回答第一財經記者的提問時，英特爾全球副總裁兼中國區總裁楊旭表示，人工智慧的產品不能靜態的去看，剛開始很多人用英偉達的產品做訓練，但是到應用層面的時候就需要推理，而這就到了英特爾的強勢區域。

不能在今天或者一個點上看問題。

「目前的人工智慧還處於初期階段，是一場沒有終點的馬拉松。

」楊旭在上述人工智慧大會上表示，英特爾AI願景是建立最好的計算平台，實現人工智慧的價值需要做好三件事，推動技術創新，與生態系統和技術社區開展開放協作，解決重大挑戰推動應用部署落地。

AI不僅僅是模型的訓練

兩年前，Naveen Rao還是深度學習初創公司Nervana Systems的執行長兼聯合創始人。

在公司被英特爾收購後，在他主導推出的神經網絡處理器Nervana成為了英特爾人工智慧的驅動中心，Nervana NNP系列也應運而生，Naveen Rao則被任命為人工智慧產品事業部的總負責人。

目前在數據科學和深度學習計算領域，除了Nervana NNP，英特爾的晶片布局還有Xeon（至強）晶片系列、Movidius的視覺晶片VPU、以及FPGA（現場可編程門陣列），這幾條產品線分別對應幾個不同的細分應用場景。

而在此次人工智慧大會上，Naveen Rao宣布了多條產品線的更新情況，包括將於2019年面市的Spring Crest，隸屬於英特爾Nervana神經網絡處理器NNP，神經計算棒二代（簡稱英特爾NCS 2），利用該計算棒英特爾表示可以在網絡邊緣構建更智能的AI算法和計算機視覺原型設備。

Nervana NNP系列是神經網絡處理器，在深度學習的訓練和推斷階段中，Nervana NNP主要針對訓練階段的計算，按照英特爾的計劃，到2020年要將深度學習訓練（Deep Learning，簡稱「DL」）的效果提高100倍。

這款神經網絡處理器由英特爾和Facebook一起合作設計，可以預測該晶片很大程度上應該會對Facebook的機器學習框架Pytorch有很好的支持。

而NCS 2則是基於英特爾Movidius Myriad X視覺處理單元，與上一代神經計算棒相比，能夠以較低的成本加快深度神經網絡推理應用的開發。

英特爾NCS 2支持深度神經網絡測試、調整和原型製作，可以幫助開發者進入實際應用的量產階段。

記者在現場看到，英特爾NCS 2看起來就像個普通U盤，首次配備了神經計算引擎（專用硬體神經網絡推理加速器）。

藉助這項產品，計算機視覺和人工智慧可以輕鬆地部署到物聯網和邊緣設備原型上。

這意味著無論開發者研發智能相機、無人機、工業機器人還是下一代智能家居設備，英特爾都能讓原型設備運行得更加快速。

此外，只要一台筆記本電腦，開發者只需幾分鐘就可以讓他們的 AI 和計算機視覺應用程式運轉起來。

此外，英特爾Movidius VPU晶片早就面向在汽車、無人機等新興的硬體市場，比如大疆無人機、 特斯拉 ，以及Google Clips攝像頭中都採用了Movidius的視覺晶片。

而在上述大會現場，騰訊優圖的負責人演示了最新的人工智慧系列產品，其中就有利用英特爾公司Movidius Myriad晶片可實現在攝像頭上的直接推理的解決方案案例。

Naveen Rao對記者表示，人工智慧演進是計算的革命。

今天，人們看到機器能夠「看見」世界，卻不能真正理解世界。

所以需要加強學習，強化學習，對現實世界的模擬。

在人工智慧領域，英特爾專注於三個方面：工具、硬體和社區。

楊旭則認為，AI不僅僅是模型的訓練，還有推理，行業的應用落地需要更龐大的技術支撐，現在AI僅僅處於初級階段。

「2018年有46%的企業CIO（首席信息官）制定了AI應用的執行計劃，但其中只有4%得到了執行。

國內人工智慧行業2017年的市場規模為9億美金，而估計到2022年這一數字將達到90億美金，複合增長率超過58%。

事實上，這一些列數字是對人工智慧產業未來發展空間的肯定。

」楊旭說。

AI江湖的強者之爭

AI領域從不缺少玩家。

在此前的一場會議上，華為輪值董事長徐直軍正式對外公布了華為在AI領域的最新動作：推出全棧全場景AI解決方案，並且同時推出兩款AI晶片，華為昇騰910（Ascend 910）和Ascend 310。

在關於910的介紹中，徐直軍強調，該款晶片是目前全球已發布的單晶片計算密度最大的AI晶片。

Arm中國的全新人工智慧平台「周易」也在兩周前首次公開亮相。

Arm表示，「周易」平台主要包含自主研發的全新人工智慧處理器AIPU以及AIPU SDK，以及同中國生態合作夥伴共同開發的Tengine人工智慧軟體框架，適配Arm CPU、Mali GPU和第三方AI處理單元，實現人工智慧算力優化。

而AI晶片提供算力支持的最大玩家目前依然是英特爾和英偉達。

英偉達的GPU抓住了計算設備需求的關鍵時機，在圖形渲染、人工智慧和區塊鏈領域的計算表現十分突出，在這些業務方面也給英特爾帶來壓力。

同時英偉達似乎和英特爾的「Intel Inside」不同，它更希望成為真正的算力平台，並且成功推出了自己的CUDA平台。

英特爾則通過收購來打通各場景應用。

比如2015年167億美元收購「現場可編程門陣列巨頭」Altera，FPGA在雲計算、物聯網、邊緣計算等方面有很大的潛力，2016年收購Nervana，同年還收購了視覺處理晶片初創公司 Movidius。

「其實我們也一直在跟蹤（行業的最新動向），和很多公司都有早期的接觸，看到的是更多是互補，不是競爭，很多晶片廠商都是在加速，和英特爾之間的至強產品其實是有互補性，所以這裡面的互補性，合作的空間很大。

」楊旭對記者說。

但也有分析指出，在人工智慧領域，由於計算場景的需求差異化極大，谷歌根據自己的需要研發成熟的晶片變得必要，技術上也更可行。

英特爾如果要為不同的場景定製晶片，意味著英特爾將全面轉入2B領域，和之前的2B2C模式相比，純2B的業務顯然會更像乙方，業務線的複雜度會急劇增長。

而歷史上來看，一家公司從2C轉向2B總體來看往往都是因為失去了在行業中的核心統治地位而不得不退而求次。

不過，儘管英特爾外遇強敵，轉型、擴張的步伐十分堅定。

但根據IC Insights的統計數據，2017年排名前10位的半導體廠商研發總支出為359億美元，英特爾位列第一。

報告顯示，2017年英特爾的研發支出為131億美元，占集團總支出的36％，約為英特爾2017年銷售額的五分之一。