英特尔AI链条已全部打通以技术驱动人工智能***化

3月31日，英特尔公司在北京举行2017中国战略分享会，主题为“The NEXT——驾驭数据洪流，共立巨浪之巅”。此次活动从数据大趋势、英特尔转型大格局、创新增值大机会三大方面，全面阐述了英特尔如何在智能互联新形势下，进一步加深与中国产业的合作创新并共创未来的举措和进展。

驾驭数据的洪流

据国家发改委，2020年中国将成为世界第一数据资源大国，中国的数据总量有望达到8,000EB。英特尔CEO科再奇先生曾说：“数据就是未来的新石油”，这样说来，中国的石油储存量将是全世界最大的。

在数据的洪流下，英特尔重新定位自己为一家数据公司，一家具有全栈实力处理端到端数据的技术公司。从数据的采集、传输、挖掘、分析、加速，到把数据转化为洞察，产生价值、创造增值各个环节，英特尔都已布局。除了端到端的芯片综合实力，英特尔还对整个生态系统提供开放架构，为合作伙伴提供丰富的工具、先进的算法，对杀手级应用提供易部署的应用解决方案。

英特尔数据战略的要义所在，是实现增长的良性循环，分为三个层次：

1. 云、网络、人工智能：人工智能是云创新的另一个前沿，英特尔通过Nervana平台，打造Lake Crest深度学习芯片，探索全新的架构和算法，整合公司相关资源，推动未来的人工智能发展。在局端数据中心之上，加速未来网络转型，其核心是网络功能虚拟化（NFV）和软件定义网络（SDN）。
2. 物和设备：目前物联网仍处于起步阶段，智能设备的发展将深远影响行业增值。2017年初，英特尔发布了英特尔Go智能驾驶平台、收购了Mobileeye，让英特尔这个“大脑”有了“眼睛”。
3. 在云、物与设备两者之间，“加速技术”是巨大的推动力：包括存储、FPGA、5G等。存储方面，最新推出的英特尔傲腾TM（OptaneTM）产品系列，采用革命性的英特尔3D XPointTM技术，打破了内存和闪存界限。FPGA也起到“加速器”的作用，有效提升大数据密集计算的效率，在高性能基础上，提供定制化算法。有媒体指出，在加速下一代深度学习方面，FPGA将远超GPU、更具优势。5G将会推动信息技术（IT）和通信技术（CT）的融合，有些公司认为5G是通信技术的演进（evolution），而英特尔认为5G是一次革命（revolution），5G不仅仅是移动宽带，更要满足更高带宽、更低延迟和更大规模连接的智能互联未来需求，将会创造更为广泛的业务应用。

基于英特尔的数据战略和全新能力，英特尔不断推动创新与合作，共瞄准八个关键技术领域——人工智能、无人驾驶、5G、虚拟现实，聚焦中国制造2025、精准医疗、体育、机器人。

三问英特尔中国研究院院长宋继强

人工智能到底会从哪儿率先落地？

从目前来看人工智能的突破点是靠深度学习推动了视觉领域的突破和自然语言识别的突破，这两个领域推动的产业会率先落地。首先，新兴产业，比如虚拟现实，强烈需要人工智能。目前它带给客户的体验还不够完善，并没有真正把自然交互做进去，人还是被关在4×4米的环境里面，受限，没有实现真正用手和环境物体交互。这需要把视觉技术和集成多种传感器的数据融合在一起，让人***起来。

接下来说，近期可以利用上的，应该还有精准医疗领域。这个领域有非常大的数据量，既有基因排序，这是通过高性能计算解决的；也有医疗影像数据，是可以通过视觉分析解决的。同时，现在最新的，可以采集人的血液信息，这些通过数据都是很容易归纳出来的。现在这些技术可以结合深度学习，再结合英特尔的一些推理技术，整合起来就可以给用户提供实际的能力。

再往前一步讲，五年的规划是无人驾驶技术。无人驾驶是最能让人工智能发挥它的能力的领域，它既有各种数据的感知能力，又结合通讯、传输、云端的能力。

再往后是机器人领域，最需要把人工智能放进去，这样才能真正服务于我们各行各业。

哪些技术上突破能够帮助人工智能向前迈一大步？

目前人工智能的突破是靠很多有标记的数据训练出来的，训练好的模型只适合于这一件事，比如训练了识别人脸，就只是识别人脸做得最好，不能做语音识别，也就是它的跨领域能力不强。如果到一个新的领域，这个领域数据很少，很难拿到一大堆可以观察到的，又可以标签好的数据，就很难适配。所以目前在技术方面有待突破的点，一个是能跨领域，所以现在很多人研究迁移学习，怎么把A领域训练好的东西迁移到B领域中使用。

另外让人工智能真正地走出计算机。现在有些应用还是捆绑在PC或者手机上，真正让人工智能去接触实际的各种设备就等于走出计算机，因为它的交互能力和真正环境中的适应能力都很必要。目前这方面的研究和无人车相似，通过强化学习、通过反复刺激、通过迭代，让人工智能自己训练出一种能力，而不是深度学习模型构造生态网络去训练，我觉得这两种方式能够真正把人工智能技术往前再推进一步。

英特尔在人工智能大潮中会扮演什么样的角色？

英特尔在人工智能整个发展过程中一直起着蛮重要作用。在前面的60年，我们在幕后通过摩尔定律推动计算能力的上升，把存储价格降下来，让很多做人工智能研究的人可以在消费级的平台做这件事情，才有了90年代开始的神经网络技术，一路发展到现在的深度学习技术，能够形成突破。

现在，人工智能可以在一些有限的领域超过人了，可以替代人去做事情，但还没有普及到很多行业、很多领域都可以适用。这个时候，从产业的长期支持来讲，我们很害怕，这一波人工智能的浪潮不要像前两次一样进入冬天。前面进入冬天是因为只有技术，没有广泛的产业升级，没有通过真正的商业化把技术推动下去。所以一定要把产业升级真正推动起来，才能反过来以正循环带动技术的不断进步。英特尔在这个时候已经走到台前，通过一系列硬件芯片的布局，让前端、边缘计算端、服务器端都有人工智能的硬件支持，因为没有硬件支持的人工智能不能说是真正地落地。

刚才讲的硬件支持，加上上层的软件库是为了提升人工智能的能力，让它能做更多事情。接下来的事情是降低使用门槛。人工智能需要很大地数据、很多的计算力、很多的存储才能训练到比较好用的地步，这不是一般小公司能做的。真正让产业蓬勃发展起来的动因，是能够将人工智能应对到各种应用层面，在应用层面做的公司通常不具备这么大的实力后台，所以需要有公司把门槛降下来。英特尔和Google等等很多其他公司一起推动人工智能的***化，把门槛降下来，让真正做实业的人只关心怎么应用，而不用担心平台的问题。

第三部分英特尔关注的就是让人工智能做好事。任何一个技术出来，比如核技术，都是可以用在好的地方，也可以用在坏的地方。英特尔作为行业领导者积极寻求各方面的合作，让人工智能发挥正能量。

现场金句频出

英特尔全球副总裁兼中国区总裁 杨旭

• 今天人工智能刚刚开始。现在只能说大家关注度很高，而且都在积极投入。而且现在远远没到宣布谁在人工智能领域里是老大的时候，大家都在练内功。

• 人工智能需要处理很多非结构性数据，不是传统的规范性、结构性的数据。这意味着，我们需要完全不同的计算能力处理未来的数据形态。

• 光靠任何单独的芯片都没有能力完成未来庞大、多形态数据量的处理需求。英特尔承认，我们光靠以前的至强通用芯片系列是远远不够的，加上我们的Xeon Phi也是不够的。因此要收购Nervana，要加速。还需要FPGA，为什么FPGA这么重要？因为FPGA可以调配计算能力、加速能力，帮助你进一步加速。为了处理未来的数据，特别是感知数据，英特尔最近成立了两个部门，一个是人工智能部门，一个是加速部门。

英特尔中国研究院院长 宋继强

• 深度学习必须在存储很便宜、计算力很大的情况下才能发挥作用

• 最近这两年在视觉识别，识别人脸、识别物体、语音识别，已经超过人的能力，它提供服务的时候已经达到人的水平，并不是代替人，只是某些定义好的领域完成替代人的工作，现在处于爆发前夜，但是整个发展长河来讲还属于早期，还有很多的事情要做。