从Curie到Xeon Phi 英特尔如何布局人工智能？

编者按：从人工智能第一次被提出以来，关于它争议从未停歇过，如今时机已经成熟，市场的目光也开始聚焦于此。转型中的英特尔也看到它未来存在着无限的可能性，英特尔希望通过布局人工智能的各个方面而成为行业的领导者，这是英特尔第一次在国内就人工智能问题召开的媒体沟通会。

（编者在不修改原意的情况下对本文中所涉及到英特尔方面的讲话内容进行了部分精简。）

这是个人工智能的时代

其实直到今天，依然有许多人认为人工智能离我们很远，遥不可及，殊不知每台Windows设备当中的微软小娜（Cortana）、iPhone的Siri、推荐引擎、人脸识别、图像识别，这些技术的背后正是基于人工智能的支持，其实人工智能已经走进了我们的生活，它不像小说和电影里描述的那么科幻，它触手可及。

之所以说人工智能在未来存在的无限可能，是因为人工智能涉及的领域太多，硬件与软件同步跟上以后，它会极大地改变商业运转和人们生活的方式。

在会议上，英特尔认为，人工智能的时代已经来临，究其原因可以归为以下三点：

一、目前云计算已经实现了大规模扩张，云计算遍布在世界的各个角落。

二、随着硬件水平的提升，计算的成本在不断的下降，计算的经济性越来越强。

三、联网设备在不断的增加，设备之间的互联性进一步提升，数据实现爆炸性增长。

 实际上，由于人工智能需要极大的高性能计算，因此它对硬件以及算法的要求比较苛刻。PC时代的落幕正是因为性能计算已经在个人PC领域严重溢出，而人工智能领域恰恰只是高性能计算的开始，这对于英特尔来说无疑是一件兴奋的事情。人工智能对高性能计算的要求正如游戏对GPU的需求，无穷无尽，至少我们现在还看不到人工智能的性能溢出阈值。

 人工智能中的机器学习

当我们正在关注人工智能的时候，其实我们是在关注机器学习。机器学习是人工智能这个大领域里的一个分支，它是目前人工智能当中发展最快的一个分支。因为人工智能就是在不断的进行机器学习，而让自己变得更智能，这里有一个大家熟悉的例子——谷歌的阿尔法Go(AlphaGo)。今年AlphaGo与李世石九段的围棋比赛引起了各界的强势关注。在AlphaGo与李世石对战5个月之前，AlphaGo击败了欧洲围棋冠军樊麾二段，直到去年年底它的围棋等级分为3168，而排行世界第二的李世石是3532分，按照这个等级分对弈，AlphaGo每盘的胜算只有约11%，而结果是3个月之后它在与李世石对战中4：1大胜，其学习能力之快，让人惶恐不安。

机器学习不仅需要强大的硬件支持、更需要硬件的进一步优化，Intel非常自豪的认为自己的芯片（Xeon Phi、FPGA）、存储（3DXPoint闪存技术）、传感器（包括RealSense）、库、以及参考架构这一系列的都能让开发者更好的展开机器学习方面的研究，这是一个全方位的布局。而人工智能领域的另一位老大Nvidia则专心于暴力的提升GPU性能从而加速机器学习的发展。Nvidia和Intel都希望能将PC行业的领导地位延伸至人工智能领域，但是两家对于人工智能的策略则不尽相同。

 人工智能与机器结合

英特尔中国研究院院长宋继强博士表示，智能的机器发展过程不是一蹴而就的，它经历了多个阶段。总的来看是三个阶段：

一、互联。从原来无法联网的嵌入式设备到今天联网后的机器，让它们不在孤立无援。

二、智能。通过软硬件实现感知和处理，让机器与人类进行高级交互，这个时代基本上就是我们通过智能手机技术发展起来的时代。

三、自主。自主机器需要很深的技术理解，在这一阶段，人工智能可以发挥重大作用，包括机器怎么去进行规划、推理、预测、最后做出正确的处理和反馈，在这一过程中，机器的行为必须是可靠的。

而我们现在正处于“智能”阶段的后期。从智能到自主，英特尔从计算角度来看AI，分析了目前我们所面临的两个挑战：

1、多传感器数据之间的交换与机器的实时反馈

2、AI到底是放在设备端还是放在云端？

 对于第一个挑战。由于人工智能交互的复杂性，这使得人工智能的机器往往会使用许许多多的传感器，它们会采集包括图像信号、声音信号、能量信号、生物信号、电信号等等，当然光是采集还不够它们还要进行处理。这里英特尔举一个例子，在宇航里处理一些异常事物的机器人叫“螳螂机器人”，有4000个传感器，其中有很多传感器是视觉的，这个时候的数据流是非常多，如此多的数据流输入的同时要做处理、反馈，这就是一个很大的挑战。

 对于第二个挑战，英特尔也举了一些例子。例如人脸表情识别，人脸有最基本的7种表情可以检测出来，这需要100帧/秒的图片处理速度，由于这个交互的过程需要很快的速度，如果通过云端金处理，再反馈到设备端那就太慢了，所以这种时候我们只能在设备端进行。而像无人车这种，前端主要负责的是感知，感知后的数据处理则是交给云端进行，因为无人车涉及到的信息特别多，不仅仅是简单的图像识别、还包括一些环境识别、生物识别，因为处理的数据量大，而且全面，要必须有安全性，所以这个时候就需要用到云端。这里还涉及到一个传输速率和时延问题，5G网络是非常必要的。

如果简单的将英特尔对于人工智能的产品布局，可以分以下几层：

Xeon Phi+ Nervana：用于云端最顶层的高性能计算。

Xeon+FPGA：用于云端中间层/前端设备的低功耗性能计算。

Core（GT）：用于消费级前端设备的性能计算、图形加速。

Euclid：提供给开发者/创客的开发板，集成Atom低功耗处理器、RealSense摄像头模块、接口，可用做无人机、小型机器人的核心开发部件。

Curie：提供给开发者/创客的模块，其内置Quark SE系统芯片、蓝牙低功耗无线电、以及加速计、陀螺仪等传感器，可用做低功耗可穿戴设备的核心部件。

关于5G方面，英特尔一直在推动NFV（Network Function Virtualization）的进程发展，目前中国移动已经开始大规模部署NFV相关硬件设备，而华为与英特尔也是这方面的合作伙伴。

 从微型传感器到企业级云端处理器，从开发者到企业，英特尔希望通过这种整体而全面的端到端链接，渗入人工智能的每一个环节，以此形成良性循环的发展。

雷锋网原创文章，未经授权禁止转载。详情见转载须知。