英特爾人工智能的全局觀：專注于技術，收獲于未來

英特爾人工智能的全局觀

　　應該說，圍繞人工智能的布局，英特爾已經描繪出了清晰可見的發展路線圖和構建了一條十分完整的技術發展鏈條，具體來說：

　　一、從終端布局看，英特爾主要做的是人與機器的新交互，通過提供英特爾Curie模塊、Edison計算平臺、Cedar Trail芯片平臺、Real Sense實感技術以及凌動處理器等技術，英特爾希望把終端設備進一步的智能化，并通過聯網讓這些設備產生的數據，進入到后端的數據中心中去。

　　二、從后端布局看，有數據顯示在世界上所有的服務器中，有將近7%都在運行跟機器學習有關的負載，其中大多數都使用了英特爾的處理器。因此，英特爾今年最新發布的至強E5v4系列處理器，非常適合處理機器學習模型評分(scoring)應用。

　　此外，適用于超級計算領域的新一代至強融核處理器家族(Xeon Phi)，專攻高度并行的工作負載，為機器學習模型訓練(training)提供強勁性能，同時可以運行多種分析工作負載，可擴展性也有大幅提升。

　　三、在計算性能的延伸上，FPGA是目前為了解決深度學習對計算能力的要求而出現的技術，是一種介于專用芯片和通用芯片之間，具有一定的可編程性，可同時進行數據并行和任務并行計算，在處理特定應用時有更加明顯的效率。

　　英特爾中國研究院院長宋繼強

　　去年12月，Altera的FPGA納入到英特爾的產品線中。目前，英特爾現在一直在開發統一的接口，希望原來在至強系列處理器上運行的深度學習、機器學習負載，以后就可以在至強融核、FPGA上以互補、配合的方式運行。

　　四、在軟件層面的布局上，英特爾致力于提供數學核心函數庫和提供較高級別算法的數據分析加速庫，能夠以高性能的算法，供開發人員調用。接下來，針對深度學習，英特爾還將發布數學核心函數庫——深度學習神經網絡(IntelMKL-DNN)，并開源供MKL深度學習神經網絡層的使用。

　　五、在并購方面，英特爾近期宣布收購Nervana，該公司旗下的Engine芯片在深度學習訓練時有著比傳統GPU的能耗和性能優勢。借助收購Nervana，則有望幫助英特爾將自己在處理器的優勢延伸到深度學習領域，從而打造一系列適應深度神經網絡的特殊處理器。

　　無獨有偶，就在這幾天，英特爾又再次收購初創公司Movidius，深入機器視覺戰場。由此不難看出，英特爾這一系列的技術和布局突顯了其強大的實力和競爭力，也從一個側面證明了英特爾在人工智能時代的新志向。

　　正如夏樂蓓所言：從在云端的數據中心到設備終端，再反過來到云端的數據中心，中間歷經各個大數據的環節，我們認為在這樣一個良性循環當中，如果一家企業能夠獲得領導的地位，它也必然能夠在人工智能領域中獲得和保持領導地位。

　　我認為，這正是英特爾基于自身的技術實力和前瞻思考，在人工智能時代構建的全局觀。