英特尔引导人工智能由技术到落地，解决实际问题

5月16日，由国家发展和改革委员会、科学技术部、工业和信息化部、国家互联网信息办公室、中国科学院、中国工程院、中国科学技术协会和天津市人民政府共同主办的第二届世界智能大会于天津梅江会展中心举行。在大会采访过程中，英特尔中国研究院院长宋继强向至顶网记者详细介绍了英特尔如何引导人工智能由技术突破到产业落地。

 英特尔中国研究院院长 宋继强

从技术突破到产业落地——人工智能发展新趋势

在人工智能领域英特尔一直处于行业领导者的地位，也曾连续两年参加世界智能大会。今年世界智能大会以“智能时代：新进展、新趋势、新举措”为主题。因此，宋继强院长首先就如何看待人工智能产业发展的新趋势向我们进行了介绍：

比较明显的趋势是原来很多企业都在尝试一些新的算法和技术点，如今我们把这些技术应用到各个行业里去解决具体和实际的问题。从技术的突破，转成产业的落地，并且实实在在的转到业务收入上面来。

对于芯片领域来讲，前两年很多学术界在用各种各样的方法，去试算法，用GPU、FPGA，用英特尔的多核处理器。从去年的下半年到今年，越来越多的公司，包括很多的国内公司已经在做自己的行业专用芯片。而这个专用芯片通常更多的是用ASIC方式来制作定制化芯片。

例如现在阿里巴巴采用专用芯片来满足应用领域的功耗的要求、延迟的要求、成本和价格的要求。谷歌使用TPU架构，也就是ASIC架构，满足很严格的低延迟要求，用户远程请求过来以后，确定的时间内给他反馈。微软也有类似的需求，但是它上面使用的应用种类比谷歌丰富，所以它用的是FPGA硬件加速的方案。

所以会看到在服务器端，通过通用的多核处理器，支持多种数据分析和机器学习任务。在云端的云服务里，使用FPGA做实时的响应支持，为很多机器学习、人工智能加速。ASIC方案有NNP神经网络计算的加速器，这都是在服务器端的。

具体到一些应用场景里，像智能摄像头、无人机，以及家里用的智能设备。这些设备都会具备一些语音功能、图像识别功能，并对功耗和尺寸、价格都有很高要求。这些设备就更需要有定制化的芯片支持，包括无人驾驶车。

从这些例子就可以看到，在不同的应用领域和不同的位置，前端、数据中心，甚至边缘计算，都需要有不同种类的芯片支持，而不是一种，一种是解决不了所有问题的，所以英特尔有一个比较广泛的产品线去支持不同种类的业务落地。

现在的趋势很明显，就是利用现在多种芯片架构，以合适的组合来去支持不同应用领域的要求，这个要求主要体现在性能上、功耗上、价格上、尺寸上，这都是部署阶段的要求。我们管这种叫异构，通过一个通用的CPU，加上不同种类的其他的硬件架构加速，来去快速适应行业的要求，这是一个近期比较明确的趋势。

新技术、新算法对计算能力的挑战

看清趋势，才可以更好的引领新技术的落地。深度学习、大数据分析这些新技术、新算法又会为哪些行业产生新的变革？作为当前首屈一指的计算芯片厂商，英特尔在智能制造、大数据分析以及目前正在兴起的语音、图像识别、人脸识别等具体应用中，又该如何应对这些计算能力挑战？宋院长继续就这些问题为我们进行了解答。

首先在智能制造领域，就是要把原来是按照固定大批量生产的流水线，能够改造成适应客户需求的生产。客户的订单可能是多样的，而且是小批量的。最终是到千人千面，每个人都有定制的想法。这个实际上是要求整个生产的环节流程首先是自己能柔性制造，就是自己去组织这个流程，而不是以前固定好了这个流水线。

在智能制造里英特尔可以帮助用户做到的是：提供前端所需要的灵活、自主移动设备的感知部分，感知部分有深度摄像头，可以帮助做快速感知，还有Movidius这样的芯片，帮助做人工智能、视觉识别、物体识别的计算加速，而且是低功耗的。同时，也有通讯网络的支持，帮它快速连接到边缘服务器上，边缘服务器上可以有FPGA这样的硬件加速，帮它做特定任务的加速，因为各个工厂里可能需要加速的东西并不完全一样，没有办法用ASIC的方式去做，但是FPGA就是一个很好的选择。

在数据挖掘比较好的例子，一个是零售行业，一个是金融，这两个领域的数据产生量非常大。

金融领域一直是英特尔比较看重的，而且这里面的数据量非常大，机器学习、数据挖掘的算法都可以很好的应用。这些算法通常来讲，我们通过像至强可扩展处理器，可以很灵活地帮助他们做加速，训练的时候也可以用多核处理器的方式训练，也可以用英特尔的FPGA帮助做特殊的加速模块训练。

零售和人脸识别是比较相关的。人脸识别是一个具体的技术，但是它可以用在很多场景里，刚才讲到的安防或者是做门禁，这是一种。在零售领域，特别是智能零售领域也需要对人的身份进行判断。所以就是人脸识别会用在这些领域里，而且都要求能有比较快速的、性价比高的方案。这个时候，ASIC这种方案，像Movidius的方案是非常好的选择，可以放在智能摄像头里，很快帮它达成监测和识别的能力。

如何把人工智能由技术转变为工具和产品

从技术转换为可以应用的工具或产品，需要经过一段漫长而艰苦的研发历程。其中有很大一部分，是在进行软硬件的磨合，从而挖掘出芯片的最大潜力。在这方面，英特尔是否可以协助厂商，将人工智能从技术更快的转化成为可以使用的产品呢？宋院长继续向我们进行了解答：

英特尔实际上也在做超越纯技术点之外的一些工作，帮助建立起一些软件、硬件的工具，甚至是一些评价的体系，来去把这个产品推到一个产业。比如现在英特尔正在根据无人车这个产品推广一套安全机制，来分析和判断无人驾驶车辆的采集信息，从而对异常情况进行正确的判断。

也就是说，英特尔除了在提供一些软件工具之外，还在推动整个评价体系的建立，从而帮助建立一个新的行业。从一个技术到最后整个行业的蓬勃发展，其实里面还有很多超越技术本身的事情英特尔也会向用户提供更加广泛的支持，协助用户制定出大家一致认同的规范。

人工智能发展前景展望

人工智能未来是会取代人类的工作，还是会更好的服务于人类的工作？这是一个老问题，但也是在每次人工智能技术进步下的新问题，人工智能的未来发展前景如何，宋继强向我们进行了展望：

人工智能现在还是初级阶段。行业比较公认的是它的终极目标是希望让一个系统或者说一个算法、一个程序能够按人的智能的方式去完成一个任务，尤其是这种交互的任务。那么它就至少有感知、认知和决策三个阶段的处理能力。

现在人工智能在走前面的第一步，通过深度学习的方法，把视觉的信号、声音的信号基本上都能够比较准确的反映到计算机系统里。第二步现在正在努力去克服，这一部分最大的困难是它有很多歧义，同时还有一些不确定性。

现在英特尔做的两个前瞻性的研究，一个是神经拟态的芯片，这跟现在直接对某些具体算法加速的芯片是不一样的。具体算法加速是为了已经有的算法做硬件的加速，比如刚才讲的ASIC、FPGA，都是这种类型的。但是神经拟态芯片是面向未来的，它的结构就像人脑一样，由多个神经元构成，神经元之间的互相连接，有多种学习方法可以共存在一个芯片里边。不同的芯片的部分可以负责不同的任务，多任务可以同时学习，还可以互相影响，用一些不同的学习方式，自己学习，互相之间产生关联。这是本身在硬件层级就有一个新的架构去支持。

同时在算法层面，英特尔也继续增加对概率计算的投资，提升处理不确定性事件的能力。这种能力一旦具有了，对于一个计算系统更好地处理现实世界中各种复杂的情况就更有帮助了。

所以我们认为，下一步要解决对于环境各种场景的理解，并且加入自学习的能力，加入对不确定性的处理能力。加入这部分以后，我们可以想像，计算系统不管是用在哪个领域，对人会更有帮助了，可以实实在在的解决一些更有挑战性的问题。

机器会取代人的工作吗？

对于未来人工智能是会取代人类的工作还是可以更好的服务于人类的工作？宋继强院长认为在不同任务的种类上要不同地去判断。比如在很多高危或恶劣环境下，人工智能的机械设备取代人类去工作是非常好的事情。但是涉及到有一些创造性的工作或者是有一些选择性，比较需要人的灵活处理能力去做的，还是要人来做。人工智能最终来讲还是服务于人的，应该是为人的效率提高或者是工作生活的环境更好来服务。

英特尔一直在表达对人工智能方面的贡献有三个：一个是要加速它的发展，让它的能力能够去适应各种不同行业的要求。二是要降低使用人工智能的难度，不再是只有很少的人或企业才能够有能力、有钱、有资源去使用。三是保证人工智能做好事，大家达成共识，确保人工智能的能力应用在为人服务的范畴里，而且是做好事。这也是英特尔一直坚持的三大主要目标。