英特尔人工智能的全局观：专注于技术，收获于未来

英特尔人工智能的全局观

　　应该说，围绕人工智能的布局，英特尔已经描绘出了清晰可见的发展路线图和构建了一条十分完整的技术发展链条，具体来说：

　　一、从终端布局看，英特尔主要做的是人与机器的新交互，通过提供英特尔Curie模块、Edison计算平台、Cedar Trail芯片平台、Real Sense实感技术以及凌动处理器等技术，英特尔希望把终端设备进一步的智能化，并通过联网让这些设备产生的数据，进入到后端的数据中心中去。

　　二、从后端布局看，有数据显示在世界上所有的服务器中，有将近7%都在运行跟机器学习有关的负载，其中大多数都使用了英特尔的处理器。因此，英特尔今年最新发布的至强E5v4系列处理器，非常适合处理机器学习模型评分(scoring)应用。

　　此外，适用于超级计算领域的新一代至强融核处理器家族(Xeon Phi)，专攻高度并行的工作负载，为机器学习模型训练(training)提供强劲性能，同时可以运行多种分析工作负载，可扩展性也有大幅提升。

　　三、在计算性能的延伸上，FPGA是目前为了解决深度学习对计算能力的要求而出现的技术，是一种介于专用芯片和通用芯片之间，具有一定的可编程性，可同时进行数据并行和任务并行计算，在处理特定应用时有更加明显的效率。

　　英特尔中国研究院院长宋继强

　　去年12月，Altera的FPGA纳入到英特尔的产品线中。目前，英特尔现在一直在开发统一的接口，希望原来在至强系列处理器上运行的深度学习、机器学习负载，以后就可以在至强融核、FPGA上以互补、配合的方式运行。

　　四、在软件层面的布局上，英特尔致力于提供数学核心函数库和提供较高级别算法的数据分析加速库，能够以高性能的算法，供开发人员调用。接下来，针对深度学习，英特尔还将发布数学核心函数库——深度学习神经网络(IntelMKL-DNN)，并开源供MKL深度学习神经网络层的使用。

　　五、在并购方面，英特尔近期宣布收购Nervana，该公司旗下的Engine芯片在深度学习训练时有着比传统GPU的能耗和性能优势。借助收购Nervana，则有望帮助英特尔将自己在处理器的优势延伸到深度学习领域，从而打造一系列适应深度神经网络的特殊处理器。

　　无独有偶，就在这几天，英特尔又再次收购初创公司Movidius，深入机器视觉战场。由此不难看出，英特尔这一系列的技术和布局突显了其强大的实力和竞争力，也从一个侧面证明了英特尔在人工智能时代的新志向。

　　正如夏乐蓓所言：从在云端的数据中心到设备终端，再反过来到云端的数据中心，中间历经各个大数据的环节，我们认为在这样一个良性循环当中，如果一家企业能够获得领导的地位，它也必然能够在人工智能领域中获得和保持领导地位。

　　我认为，这正是英特尔基于自身的技术实力和前瞻思考，在人工智能时代构建的全局观。