0
編者按：從人工智能第一次被提出以來，關于它爭議從未停歇過，如今時機已經成熟，市場的目光也開始聚焦于此。轉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的領導者，這是英特爾第一次在國內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容進行了部分精簡。）
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，這些技術的背后正是基于人工智能的支持，其實人工智能已經走進了我們的生活，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域太多，硬件與軟件同步跟上以后，它會極大地改變商業運轉和人們生活的方式。
在會議上，英特爾認為，人工智能的時代已經來臨，究其原因可以歸為以下三點：
一、目前云計算已經實現了大規模擴張，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，計算的經濟性越來越強。
三、聯網設備在不斷的增加，設備之間的互聯性進一步提升，數據實現爆炸性增長。
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在個人PC領域嚴重溢出，而人工智能領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對GPU的需求，無窮無盡，至少我們現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
當我們正在關注人工智能的時候，其實我們是在關注機器學習。機器學習是人工智能這個大領域里的一個分支，它是目前人工智能當中發展最快的一個分支。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注。在AlphaGo與李世石對戰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%，而結果是3個月之后它在與李世石對戰中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化，Intel非常自豪的認為自己的芯片（Xeon Phi、FPGA）、存儲（3DXPoint閃存技術）、傳感器（包括RealSense）、庫、以及參考架構這一系列的都能讓開發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展。Nvidia和Intel都希望能將PC行業的領導地位延伸至人工智能領域，但是兩家對于人工智能的策略則不盡相同。
人工智能與機器結合
英特爾中國研究院院長宋繼強博士表示，智能的機器發展過程不是一蹴而就的，它經歷了多個階段。總的來看是三個階段：
一、互聯。從原來無法聯網的嵌入式設備到今天聯網后的機器，讓它們不在孤立無援。
二、智能。通過軟硬件實現感知和處理，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發展起來的時代。
三、自主。自主機器需要很深的技術理解，在這一階段，人工智能可以發揮重大作用，包括機器怎么去進行規劃、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：
1、多傳感器數據之間的交換與機器的實時反饋
2、AI到底是放在設備端還是放在云端？
對于第一個挑戰。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，這個時候的數據流是非常多，如此多的數據流輸入的同時要做處理、反饋，這就是一個很大的挑戰。
對于第二個挑戰，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，再反饋到設備端那就太慢了，所以這種時候我們只能在設備端進行。而像無人車這種，前端主要負責的是感知，感知后的數據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、還包括一些環境識別、生物識別，因為處理的數據量大，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網絡是非常必要的。
如果簡單的將英特爾對于人工智能的產品布局，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/前端設備的低功耗性能計算。
Core（GT）：用于消費級前端設備的性能計算、圖形加速。
Euclid：提供給開發者/創客的開發板，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部件。
Curie：提供給開發者/創客的模塊，其內置Quark SE系統芯片、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備的核心部件。
關于5G方面，英特爾一直在推動NFV（Network Function Virtualization）的進程發展，目前中國移動已經開始大規模部署NFV相關硬件設備，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級云端處理器，從開發者到企業，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節，以此形成良性循環的發展。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
