全力轉(zhuǎn)向以數(shù)據(jù)為中心的英特爾，正在加速人工智能的落地。通過AI、5G、智能邊緣的融合，英特爾進入到B端的行業(yè)應用當中，業(yè)務覆蓋了智慧城市、工業(yè)互聯(lián)網(wǎng)、智慧醫(yī)療、自動駕駛等多個領(lǐng)域。

　　近日，英特爾推出了一系列的AI軟硬件產(chǎn)品，包括集成AI加速的英特爾第三代至強可擴展處理器、英特爾首個人工智能優(yōu)化FPGA Stratix 10 NX等;同時，子公司Mobileye宣布與日本和東南亞地區(qū)最大的交通運營商之一WILLER達成戰(zhàn)略合作，雙方將在日本及東南亞市場推出自動駕駛出租車(Robotaxi)服務。

　　毫無疑問，人工智能將加速進入工作與生活當中。今年以來，新冠肺炎疫情成為全球面臨的共同挑戰(zhàn)。“危”中有“機”，從醫(yī)療救助和生命科學第一線，到經(jīng)濟和社會的有序運轉(zhuǎn)，再到公共服務、政策制定等各方面，以人工智能為代表的智能科技發(fā)揮愈發(fā)重要的作用。

　　老牌的英特爾在新的轉(zhuǎn)型中，四面出擊，從收購AI企業(yè)到深入AI應用，重新建立AI生態(tài)。當然，英特爾也將直面英偉達、賽靈思、以及一眾科技巨頭的競爭。

　　建AI生態(tài)：從XPU到量子計算

　　從PC賽道拓展至數(shù)據(jù)賽道的過程中，英特爾重新梳理了六大技術(shù)核心能力，來應對智能化業(yè)務。英特爾將六大技術(shù)支柱(制程和封裝、XPU架構(gòu)、內(nèi)存和存儲、互連、安全、軟件)作為引擎，并把人工智能融入，以CPU+GPU+FPGA+ASIC的全面產(chǎn)品布局，軟硬結(jié)合實現(xiàn)從云到端的智能部署。

　　在此基礎(chǔ)上，英特爾強調(diào)的是自身的云、邊、端全棧優(yōu)勢和“XPU”的能力。在人工智能的賽場上，“全棧”也成為了英特爾、華為等大公司的著力點，大家的野心都很大。

　　英特爾中國研究院院長宋繼強告訴21世紀經(jīng)濟報道記者：“X代表了很多種處理架構(gòu)，因為新的市場機會帶來的數(shù)據(jù)種類非常不同，傳感器的種類不一樣、數(shù)據(jù)獲得途徑也不一樣，這導致了這些數(shù)據(jù)肯定不可以用同一種架構(gòu)，比如用CPU或者CPU+GPU去處理，一定要用異構(gòu)的方式。”

　　雖然英特爾生產(chǎn)的是通用芯片，但是通過異構(gòu)的排列組合，可以實現(xiàn)定制化需求。宋繼強就介紹道，比如英特爾旗下Movidius專門做AI矩陣運算，Habana Labs專門做矩陣運算的加速，還有FPGA的靈活的架構(gòu)做稀疏數(shù)據(jù)處理的加速，再前沿還有神經(jīng)擬態(tài)計算、量子計算，“通過量子計算怎么樣去提供更高等級高并行度計算能力支持，它對AI也是會有很強的加速作用，英特爾也在做這一方面的研發(fā)。”

　　談及全棧，宋繼強表示：“AI公司很多又做算法、做框架，甚至有些做硬件方面的一些定制的優(yōu)化，有些是有硬件專門的加速器。而英特爾的特點是不只是全棧，既有上面的框架支持，也有底層的性能庫。我們對于AI加速的硬件種類非常多，不僅擁有唯一一個能夠在CPU當中植入專門AI加速的DL Boost技術(shù)，同時在GPU，F(xiàn)PGA，在專用的ASIC方面都有芯片硬件去支持等等。”

　　集邦咨詢分析師姚嘉洋向21世紀經(jīng)濟報道記者分析道：“在數(shù)據(jù)中心或是云業(yè)務上，Intel的處理器業(yè)務不會輕易受到動搖，這在Intel的DCG(數(shù)據(jù)中心業(yè)務)營收表現(xiàn)上可以看出端倪。但在AI運算加速芯片上，Intel仍然會面臨如GPU、FPGA業(yè)者(如NVIDIA與XILINX)的強力競爭，在這方面，Intel能否有辦法維持自身的AI運算加速芯片的競爭優(yōu)勢，還需要看后續(xù)的情況。

　　AI平臺期：“弱AI不弱，強AI不強”

　　目前，英特爾已經(jīng)在多個行業(yè)領(lǐng)域進行AI應用嘗試。比如，英特爾與南京經(jīng)濟技術(shù)開發(fā)區(qū)以及多家生態(tài)合作伙伴打造的南京“未來科技智慧中心”，通過共建5G+智慧園區(qū)，培育創(chuàng)新生態(tài);在工業(yè)互聯(lián)網(wǎng)領(lǐng)域，英特爾大連工廠需要實時、準確地對晶圓進行檢測，從而保證產(chǎn)品的良率，通過基于英特爾的人工智能軟硬件技術(shù)，與純?nèi)斯�檢測方式相比，檢測效率提升了100倍。此外，英特爾的芯片也應用到港口與船舶、機場、鐵路與車輛、車隊管理、道路基礎(chǔ)設(shè)施等領(lǐng)域中。

　　但是在AI落地過程中，還存在不少的問題，英特爾中國區(qū)物聯(lián)網(wǎng)事業(yè)部首席技術(shù)官兼首席工程師張宇告訴21世紀經(jīng)濟報道記者：“在垂直行業(yè)包括像零售行業(yè)、工業(yè)制造，還有智能交通、醫(yī)療等等，我們看到各個行業(yè)所面臨的問題不一樣，它需要用人工智能不同的算法去解決特定的問題，也就是各個行業(yè)碎片化非常的明顯。這就要求我們在開發(fā)人工智能的時候，需要針對不同的行業(yè)有定制化的開發(fā)，這就增加了人工智能應用開發(fā)的一些成本，如何降低成本是我們現(xiàn)在看到的各個行業(yè)面臨的一個重要問題。

　　另外一個落地的難點是在于數(shù)據(jù)，目前我們擁有比較多的數(shù)據(jù)往往都是基于像人、物在交通領(lǐng)域收集到的數(shù)據(jù)，像Imagenet上，我們采集到將近四千多萬張人和物的一些照片。但是在一些特定的行業(yè)，采集或者處理的數(shù)據(jù)往往是定制化的。這就是要求我們在一個有限數(shù)據(jù)集的情況下，能夠快速生成一些新的適用于某些特定領(lǐng)域、特定應用的一些新的模型。”

　　總結(jié)來看，如何在使用AI功能時降低成本，同時用少量數(shù)據(jù)模型來得到訓練結(jié)果，是實踐中的難題。解決這些問題，需要AI技術(shù)應用的升級。

　　從AI的整體發(fā)展來看，在宋繼強認為，從深度學習發(fā)展的曲線來看，現(xiàn)在確實進入了平臺期。這意味著AI也隨之進入平臺期。

　　宋繼強解析道：“人工智能在弱人工智能這個領(lǐng)域是不弱的，當你把人工智能應用領(lǐng)域收窄，可以找到方法把這件事情做好。但是如果想讓它做到通用，就是學界或者是產(chǎn)業(yè)界通常認為的強人工智能，這一能力是不強的，因為它的跨領(lǐng)域遷移能力還沒有那么強，并且去對抗一些數(shù)據(jù)的攻擊也沒有那么強。在整個學術(shù)界或者產(chǎn)業(yè)界現(xiàn)在的發(fā)展趨勢來看，人工智能正在由2.0階段向3.0階段遷移，2.0階段是基于數(shù)據(jù)驅(qū)動的，通過大量可標注的數(shù)據(jù)訓練出深度學習的模型，來幫助我們完成一些具體領(lǐng)域的任務。”

　　在他看來，往3.0遷移，要把人工智能發(fā)展的更為全面，第一它要能夠可以解釋，第二要提升人工智能利用少量數(shù)據(jù)持續(xù)學習的能力。