雷锋网按：2020年8月7日-8月9日，2020第五届全球人工智能与机器人峰会（CCF-GAIR 2020）于深圳正式召开。峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办，得到了深圳市政府的大力指导，旨在打造国内人工智能领域极具实力的跨界交流合作平台，是国内人工智能和机器人领域规模最大、规格最高、跨界最广的学术、工业和投资领域盛会。
CCF-GAIR 2020的AI芯片专场，来自学术界、产业界和投资界的6位大咖从AI芯片技术前沿、AI芯片的应用及落地、RISC-V芯片推动AI发展、新基建带来的投资机遇共同探讨新基建带来的机遇。
英特尔的首席工程师，人工智能技术中国首席架构师夏磊带来的是《指数级技术创新，加速AI应用落地》的主题分享。
英特尔的首席工程师，人工智能技术中国首席架构师夏磊
从万物互联、万物移动化到万物云化，我们进入了万物智能化的时代，这个时代对计算能力和性能的需求是指数级的。英特尔提出了“智能X效应”，指的是随着大数据和网络连接技术、5G的发展，AI可以把数据的互联和处理效应叠加起来，以乘法倍乘效应，促进行业应用的融合及迅速创新。
这既需要英特尔六大技术支柱（制程&封装、XPU架构、内存&存储、互联、安全、软件）的支持，也离不开英特尔持续大量的研发投入和对AI新创公司的收购。
英特尔认为，AI、5G及边缘计算结合是非常重要的应用场景。因此，英特尔不仅在计算的器件上进行投入，向业界提供更好的计算平台，提供从云到网络到边缘到端的全栈解决方案，也积极参与到智能化时代当中各个行业的应用。
夏磊分享了英特尔在医疗领域、“云-边-端”智能工厂领域、5G领域与业界合作的细节及成果。还带来了最新的《英特尔制造行业AI实战手册》，对英特尔与客户合作的应用实例进行了充分分享。
夏磊表示：“这是英特尔打造“智能X时代”及行业生态链的努力，我们希望能够与整个生态链合作伙伴有更多合作，解决传统行业和新兴行业中的业务挑战，进而推动社会的进步，共创更美好的未来。”
以下是夏磊在 CCF-GAIR 2020上的演讲内容，雷锋网(公众号：雷锋网)进行了不改变原意的编辑整理：
很高兴有机会在峰会上跟大家报告一下英特尔在计算方面如何实现指数级的创新，进而帮助AI应用更快速地落地。
整个产业界，特别是在IT技术的促进之下，正在进入一个新的数据时代，我们称为“智能X效应”时代。
“智能X效应”指的是随着大数据、网络连接、技术，AI智能能力的发展，算法、计算方法、器件突飞猛进，使得数据处理能够把数据的互联和处理效应叠加，进一步推动整个行业和产业界在智能化应用上的快速发展。这相当于乘法的倍乘效应，能够促进行业应用、产业应用的融合及迅速创新。
从万物互联、万物移动化到万物云化，现在进入到了万物智能化的时代。万物智能化时代对计算的能力和性能提出了更高的要求，这是一个指数级的性能需求。怎样满足需求？英特尔通过对六大技术支柱的投入，持续推动产品器件创新，满足指数计算的需求。
首先，英特尔在制程和封装方面持续投入。我们的制程从几百纳米推向今天的几十纳米到未来的几纳米。更进一步，在制程技术支持下，在“智能X时代”，不同场景和行业从算力、功耗、计算成本等维度，需要不同的计算器件。
第二，英特尔有丰富的不同计算架构的产品线。除了CPU之外，我们提出了XPU架构产品策略，目的是向业界提供从云到边到设备端丰富的计算选择，更好地满足各个类型的计算特性需求。
第三，我们在内存和存储技术上持续投入。英特尔推出了自己的存储技术，希望在计算和存储这两个环节能实现比较均衡的发展，不管是内存还是外存，存储容量足以支撑数据爆炸，在存储访问的延时上能满足计算对读写的要求。
第四，数据互连。包括芯片和芯片之间的互连，以及设备间的互连。
第五，安全。数据安全得到了越来越多行业同仁的关注，英特尔也在芯片之内提供更多的安全性指令数据保护技术，以及安全算法和硬件加速的支持。
第六，软件。随着芯片技术、存储技术及互连安全的技术变得越来越丰富和复杂，我们仍然希望开发者能够以一种比较简单的应用开发模式。所以英特尔提出了one API策略，希望开发者在软件上用统一的编程模式和框架编写一次代码，在不同底层器件上发挥代码的效率和性能，实现很好的兼容性。
在六大技术支柱方向之下，英特尔也持续对研发投入了巨大资金。最近几年英特尔在半导体行业里的研发投入都是名列前茅的，在产业里我们也收购了一些非常创新的企业，包括在人工智能领域的Habana Labs也刚刚被收入英特尔大家族中。
通过这样的技术投入和六大技术支柱的支持，英特尔希望通过指数级的创新实现并驱动“智能X时代”。这其中，英特尔会提供更智能的连接、存储、计算。
AI、5G及边缘计算结合，是我们看到的非常重要的应用场景。围绕这个场景，英特尔提供CPU+GPU+FPGA+ASIC的完整产品组合，满足AI+5G+边缘计算不同场景的需要。在端侧，英特尔可以提供VPU。在边缘，我们提供从酷睿到至强的方案，包括FPGA。在云端有至强、FPGA以及Habana这样的加速芯片。
在不远的将来，大家可以看到英特尔的独立显卡，我们有全面的产品布局支撑云到端的智能化部署。
英特尔不仅在计算的器件上进行投入，向业界提供更好的计算平台，同时也积极参与到智能化时代当中各个行业的应用，给个人、企业和社会带来更多切实的价值。
接下来我通过几个例子跟大家分享一下英特尔是怎样通过产业合作帮助用户、行业、社会提供更大智能化社会价值的。
第一个例子是医疗领域。疫情是今年的突发事件，英特尔与国内医疗影像创新企业汇医慧影合作。汇医慧影在英特尔平台上，利用他们在医疗影像上的人工智能算法，主要是基于图像分割的算法，实现对肺部病灶的快速定位和精准病症的实判。结合多模态的医疗数据，在肺炎病灶的检出率和准确率上能达到96%的高准确性。
最终的产品中，处理的效率上，结合英特尔器件的性能，以及英特尔提供的相应软件工具，可以在2-3秒里处理500张CT肺部影像，准确性和分析效率都达到了非常高的水平。
第二个例子是“云-边-端”智能工厂。最近几年国内智能制造发展非常快，去年我们和国内一家大型的动力锂电池制造企业合作，对工厂制造流程进行了云边端智能化改造，希望帮助他们利用智能化的技术实现实时、高准确性的产品质量监控。
我们知道，锂电池产品，特别是动力电池，质量关系到人的生命安全，因此制造过程对产品缺陷的管理非常严格。如果利用人工检测，会碰到效率问题。我们跟这家企业进行合作，在他们的生产流水线上引入了基于英特尔OpenVINO平台边缘计算实时方案，对每条产线上每秒钟产生的大概一万张生产流程图像进行实判。
这个实判模型是本地运作的，处理的结果发送到云端，云端AI系统可以进一步对图像进行更高精度的分析处理，通过边缘和云端的完整架构实现，生产质量达到1PPM，即每百万个产品缺陷率小于1。
他们利用了英特尔不同的软硬件方案实现，在软件层面上利用Analytics Zoo把底层差异抽象，这对上层应用而言，代码在边缘端和云端可以实现非常好的统一性，如果有必要，可以把云端算法投放到边缘；反过来，边缘端的业务有需要，也可以放到云端。“云边端”一体化对企业的软件开发、智能化部署带来了很大的便利。
第三个例子，是英特尔与韩国电信的一个合作成果。在5G部署过程中，网络基站部署的密度要求比原来的3G、4G要高很多，5G基站有宏站和微站的概念，密度通常是几十万甚至是上百万的。
运营商需要对这么大数量的5G基站的运营状态进行监测，确保每个基站运行正常。我们跟SK telecom进行智能化应用探索，利用AI技术，在网络设备上进行主动性网络质量监测。
什么叫主动性的？传统的网络质量监测是基站运行过程中发现异常后，才采取一些措施，这是滞后的。要实现更好的用户服务、更好的用户体验、更有效的管理，其实需要主动管理，在设备出现故障前，应该通过智能化手段和AI算法对网络信号和网络质量进行预测。
我们和SK telecom的合作就是在网络质量预测方面进行的探索。在这当中，英特尔不仅提供至强AI训练到推理的一体化平台，也利用了英特尔开源的Analytics Zoo方案，在算法上进行了创新，为5G网络质量监控提供新的创新AI拓扑，满足实时性和准确性的要求，SK telecom对这个成果非常满意。
刚才只是几个小小的例子，实际上英特尔还与更多行业生态合作伙伴进行了紧密合作，帮助智能应用的落地。我们也把行业应用落地的成果和经验非常开放地分享给业界更多的合作伙伴。
今天我也要代表英特尔借雷锋网这个特别好的平台，跟业界第一次分享新鲜出炉的《英特尔制造行业AI实战手册》，针对智能制造行业基于视觉的缺陷检测，以及时序预测的应用需求，结合六个经典的实现案例，我们把所有的实现技巧，以及英特尔与客户合作的应用实例进行了充分分享。
《手册》有针对医疗、金融等行业的内容，希望能把know how跟业界分享，进一步推动产业在“智能X时代”进行更多的创新。
这也是英特尔打造“智能X时代”及行业生态链的努力，我们希望能够与整个生态链合作伙伴有更多合作，解决传统行业和新兴行业中的业务挑战，进而推动社会的进步，共创更美好的未来。
最后，希望通过“智能X效应”，我们能够更好更快地跟大家一起实现英特尔的愿景，通过技术造福地球上的每一个人。
福利：关注『芯基建』公众号，回复『英特尔夏磊』获取演讲PPT和新鲜出炉的《英特尔制造行业AI实战手册》。
相关文章：
新基建浪潮下AI芯片的绝佳机遇 | CCF-GAIR 2020
清华高滨：基于忆阻器的存算一体单芯片算力可能高达1POPs | CCF-GAIR 2020
。
原创文章，作者：kepupublish，如若转载，请注明出处：https://blog.ytso.com/industrynews/70806.html