編者按：從人工智能第一次被提出以來，關(guān)于它爭議從未停歇過，如今時機已經(jīng)成熟，市場的目光也開始聚焦于此。轉(zhuǎn)型中的英特爾也看到它未來存在著無限的可能性，英特爾希望通過布局人工智能的各個方面而成為行業(yè)的領(lǐng)導者，這是英特爾第一次在國內(nèi)就人工智能問題召開的媒體溝通會。

（編者在不修改原意的情況下對本文中所涉及到英特爾方面的講話內(nèi)容進行了部分精簡。）

 

這是個人工智能的時代

其實直到今天，依然有許多人認為人工智能離我們很遠，遙不可及，殊不知每臺Windows設(shè)備當中的微軟小娜（Cortana）、iPhone的Siri、推薦引擎、人臉識別、圖像識別，這些技術(shù)的背后正是基于人工智能的支持，其實人工智能已經(jīng)走進了我們的生活，它不像小說和電影里描述的那么科幻，它觸手可及。

之所以說人工智能在未來存在的無限可能，是因為人工智能涉及的領(lǐng)域太多，硬件與軟件同步跟上以后，它會極大地改變商業(yè)運轉(zhuǎn)和人們生活的方式。

在會議上，英特爾認為，人工智能的時代已經(jīng)來臨，究其原因可以歸為以下三點：

一、目前云計算已經(jīng)實現(xiàn)了大規(guī)模擴張，云計算遍布在世界的各個角落。

二、隨著硬件水平的提升，計算的成本在不斷的下降，計算的經(jīng)濟性越來越強。

三、聯(lián)網(wǎng)設(shè)備在不斷的增加，設(shè)備之間的互聯(lián)性進一步提升，數(shù)據(jù)實現(xiàn)爆炸性增長。

 實際上，由于人工智能需要極大的高性能計算，因此它對硬件以及算法的要求比較苛刻。PC時代的落幕正是因為性能計算已經(jīng)在個人PC領(lǐng)域嚴重溢出，而人工智能領(lǐng)域恰恰只是高性能計算的開始，這對于英特爾來說無疑是一件興奮的事情。人工智能對高性能計算的要求正如游戲?qū)PU的需求，無窮無盡，至少我們現(xiàn)在還看不到人工智能的性能溢出閾值。

 

 人工智能中的機器學習

當我們正在關(guān)注人工智能的時候，其實我們是在關(guān)注機器學習。機器學習是人工智能這個大領(lǐng)域里的一個分支，它是目前人工智能當中發(fā)展最快的一個分支。因為人工智能就是在不斷的進行機器學習，而讓自己變得更智能，這里有一個大家熟悉的例子——谷歌的阿爾法Go(AlphaGo)。今年AlphaGo與李世石九段的圍棋比賽引起了各界的強勢關(guān)注。在AlphaGo與李世石對戰(zhàn)5個月之前，AlphaGo擊敗了歐洲圍棋冠軍樊麾二段，直到去年年底它的圍棋等級分為3168，而排行世界第二的李世石是3532分，按照這個等級分對弈，AlphaGo每盤的勝算只有約11%，而結(jié)果是3個月之后它在與李世石對戰(zhàn)中4：1大勝，其學習能力之快，讓人惶恐不安。

機器學習不僅需要強大的硬件支持、更需要硬件的進一步優(yōu)化，Intel非常自豪的認為自己的芯片（Xeon Phi、FPGA）、存儲（3DXPoint閃存技術(shù)）、傳感器（包括RealSense）、庫、以及參考架構(gòu)這一系列的都能讓開發(fā)者更好的展開機器學習方面的研究，這是一個全方位的布局。而人工智能領(lǐng)域的另一位老大Nvidia則專心于暴力的提升GPU性能從而加速機器學習的發(fā)展。Nvidia和Intel都希望能將PC行業(yè)的領(lǐng)導地位延伸至人工智能領(lǐng)域，但是兩家對于人工智能的策略則不盡相同。

 

 人工智能與機器結(jié)合

英特爾中國研究院院長宋繼強博士表示，智能的機器發(fā)展過程不是一蹴而就的，它經(jīng)歷了多個階段?？偟膩砜词侨齻€階段：

一、互聯(lián)。從原來無法聯(lián)網(wǎng)的嵌入式設(shè)備到今天聯(lián)網(wǎng)后的機器，讓它們不在孤立無援。

二、智能。通過軟硬件實現(xiàn)感知和處理，讓機器與人類進行高級交互，這個時代基本上就是我們通過智能手機技術(shù)發(fā)展起來的時代。

三、自主。自主機器需要很深的技術(shù)理解，在這一階段，人工智能可以發(fā)揮重大作用，包括機器怎么去進行規(guī)劃、推理、預測、最后做出正確的處理和反饋，在這一過程中，機器的行為必須是可靠的。

而我們現(xiàn)在正處于“智能”階段的后期。從智能到自主，英特爾從計算角度來看AI，分析了目前我們所面臨的兩個挑戰(zhàn)：

1、多傳感器數(shù)據(jù)之間的交換與機器的實時反饋

2、AI到底是放在設(shè)備端還是放在云端？

 對于第一個挑戰(zhàn)。由于人工智能交互的復雜性，這使得人工智能的機器往往會使用許許多多的傳感器，它們會采集包括圖像信號、聲音信號、能量信號、生物信號、電信號等等，當然光是采集還不夠它們還要進行處理。這里英特爾舉一個例子，在宇航里處理一些異常事物的機器人叫“螳螂機器人”，有4000個傳感器，其中有很多傳感器是視覺的，這個時候的數(shù)據(jù)流是非常多，如此多的數(shù)據(jù)流輸入的同時要做處理、反饋，這就是一個很大的挑戰(zhàn)。

 對于第二個挑戰(zhàn)，英特爾也舉了一些例子。例如人臉表情識別，人臉有最基本的7種表情可以檢測出來，這需要100幀/秒的圖片處理速度，由于這個交互的過程需要很快的速度，如果通過云端金處理，再反饋到設(shè)備端那就太慢了，所以這種時候我們只能在設(shè)備端進行。而像無人車這種，前端主要負責的是感知，感知后的數(shù)據(jù)處理則是交給云端進行，因為無人車涉及到的信息特別多，不僅僅是簡單的圖像識別、還包括一些環(huán)境識別、生物識別，因為處理的數(shù)據(jù)量大，而且全面，要必須有安全性，所以這個時候就需要用到云端。這里還涉及到一個傳輸速率和時延問題，5G網(wǎng)絡(luò)是非常必要的。

 

如果簡單的將英特爾對于人工智能的產(chǎn)品布局，可以分以下幾層：

Xeon Phi+ Nervana：用于云端最頂層的高性能計算。

Xeon+FPGA：用于云端中間層/前端設(shè)備的低功耗性能計算。

Core（GT）：用于消費級前端設(shè)備的性能計算、圖形加速。

Euclid：提供給開發(fā)者/創(chuàng)客的開發(fā)板，集成Atom低功耗處理器、RealSense攝像頭模塊、接口，可用做無人機、小型機器人的核心開發(fā)部件。

Curie：提供給開發(fā)者/創(chuàng)客的模塊，其內(nèi)置Quark SE系統(tǒng)芯片、藍牙低功耗無線電、以及加速計、陀螺儀等傳感器，可用做低功耗可穿戴設(shè)備的核心部件。

關(guān)于5G方面，英特爾一直在推動NFV（Network Function Virtualization）的進程發(fā)展，目前中國移動已經(jīng)開始大規(guī)模部署NFV相關(guān)硬件設(shè)備，而華為與英特爾也是這方面的合作伙伴。

 從微型傳感器到企業(yè)級云端處理器，從開發(fā)者到企業(yè)，英特爾希望通過這種整體而全面的端到端鏈接，滲入人工智能的每一個環(huán)節(jié)，以此形成良性循環(huán)的發(fā)展。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。