深度 | 英特尔AI战略全面解读

当英特尔在美国举办了第一次英特尔AI Day，英特尔CEO科再奇亲自出席，着力谈到这家公司对人工智能时代的全面认识和拥抱，人们意识到，“原来那家芯片公司也要做AI了。”

一年过去了，当英特尔AI Day在北京再次举办，同样是唠唠业务家常，说说英特尔在人工智能方面的实力、热情和愿景，寻常又有点特别，“原来这家芯片公司真的要做AI了。”

回望过去一年，英特尔几乎全心投入AI建设，整合Nervana，成立人工智能产品事业部（AIPG），扩张收购与投资布局，AI领域的举动，逻辑主线越发清晰了。在今年AI Day上，英特尔就释放了三个重要讯号，试图在明年50岁“知天命”来临之际，在人工智能的时代，改变自己的“人设”。

弥补GPU缺乏，转投“神经芯片”研发

如果说AI是一场马拉松，此刻重新回到赛道的英特尔，“快马加鞭”之余，还面临着一个无法回避的外界言论话题，对手英伟达。

毫无疑问，在PC时代，CPU/GPU曾是一对亲密无间的伙伴，但到了人工智能时代，却出现了“分歧”。“吃瓜”看热闹的背后，你需要知道的一个事实是，在界定两者的关系时，英伟达掌舵黄仁勋曾多次提到，GPU不会替代CPU。

虽然老黄在说这话时，一脸傲娇，但他看来，最完美的架构正是在万事皆能的CPU上，加上在某些重大计算挑战上非常有能量的GPU，后者非常擅长图形的计算处理工作和人工智能类型的应用。

当然，人工智能包含很多范畴，GPU在深度学习领域尝足了“甜头”，但真正使用还要考虑很多不同的约束条件，功耗、尺寸、价格来选择不同的硬件。尽管英特尔下大手笔，收购FPGA厂商Altera、AI芯片商Nervana，但依然无法解决缺乏GPU的问题。

于是，英特尔选择另辟蹊径。

“Loihi”的自动学习神经芯片。

代号“Loihi”自动学习神经芯片

Loihi 得名于夏威夷海底的一座火山，它由 128 个计算核心构成，每个核心集成 1024 个人工神经元，整个芯片拥有超过个 13 万个神经元与 1.3 亿个突触连接。 虽然无法与拥有超 800 亿个神经元的人脑相比，但是英特尔认为，Loihi 代表着未来人工智能芯片的发展方向。

其原因在于，Loihi 芯片能够像大脑一样通过脉冲或尖峰传递信息，并根据这些信息调节突触强度，能模仿大脑，通过环境中各种反馈信息进行自主学习、下达指令。

Loihi芯片提供了非常灵活的片上学习能力，将训练和推理整合至同一块芯片上。通过“异步激活”方式进行计算，使得机器学习更有效率，同时对于计算力的需求更小。

该芯片适用于无人机与自动驾驶、红绿灯自适应路面交通状况，用摄像头寻找失踪人口等任务。不过英特尔目前尚未制造出 Loihi 芯片，但已用 FPGA 芯片进行了硬件模拟测试。

展望未来，英特尔认为人工智能训练需要新型芯片架构。而神经形态计算恰好带来了一种方式，以类似大脑的结构提供超大规模的计算性能。

但英特尔并不是第一家使用神经科学指导芯片的公司。

此前，IBM已经构建了两代神经形态处理器，称为TrueNorth，同样基于脉冲神经元模式，但TrueNorth 包括4096个核心，模拟了一百万个神经元和2.56亿个突触，这个数字在Loihi之上。

英特尔已经意识到CPU不是唯一。

为了应对英伟达的进攻，英特尔正试图去拥抱其他芯片。截至目前，CPU+FPGA已经显示出深度学习负载上的能力，以及专用神经网络芯片，二者的能耗和性能，都足以成为GPU潜在的挑战者。

当然， 这还不够。近日，据外媒报道，英特尔还选择与昔日的“老对手”AMD联手，将后者的GPU与它的CPU封装在一起，试图弥补自身GPU缺乏的短板。

说到硬件计算力，这还只是英特尔AI布阵图中的一小部分。接下来，我们重新梳理一下英特尔AI的逻辑。

瞄准“数据”，从点线面勾画AI全栈解决方案

早在60多年前，AI就诞生了。但发展之路，蜿蜒曲折。之所以现在井喷式增长，除了不断提升的计算力，还有一个重要基础，数据。

追溯到今年3月，英特尔发布“数据战略”，对公司进行重新定义，CEO科再奇明确指出，“如果一个市场不能生成数据、分析数据、或使用数据来提供增值服务，英特尔就不会进入。”

再来看一组数字，到2020年，每台自动驾驶汽车每天将生成超过4TB流量，结合所有产业，英特尔给出一项统计，2020年中国数据总量将达到8000EB。当然，不仅是数据量的增长，未来数据的形态正在从结构化（文本图形）向非结构化（音频、视频、社交），以及不规则维度和定制类型数据演进（声纳、GPS、雷达、镭射激光、人工智能、神经网络、基因），数据的处理方式也延伸至端到端。

在这种“数据洪流”效应下，如何将不同形态的数据转化为“增值服务”，处理海量数据，并寻找到关键数据，做快速的预测、诊断，预防灾难事件发生，甚至模拟人的大脑，英特尔认为这就是AI潜力所在。

“计算多元”思路来处理，即利用不同特性硬件平台以及软硬件协同优化，来提升数据处理的速度和准确性。

于是，英特尔很快采取了一系列行动。从2015年开始，疯狂布局AI，收购Altera 、Saffron、Yogitech、Itseez、Movidius、Mobileye等一系列各有所长的AI初创公司。当然，一下子收购这么多公司，还是难以消化的。英特尔需要将所有这些融合重组在一起。如何整合？

当英特尔收购Nervana时，它认为这家小公司是其进军AI的“基础”。为此，还成立了由Nervana前任CEO兼联合创始Naveen Rao领导的人工智能产品事业部（AIPG）以及一个进行高级研究和开发的人工智能实验室。

Nervana神经网络处理器（简称NNP），即此前代号为“Lake Crest”的项目。Naveen Rao将NNP描述为“一套面向深度学习的专用架构”。

英特尔在AI芯片方面还储备有其它杀手锏，具体包括至强家族、FPGA（来自Altera）、Mobileye（车载平台）以及Movidius（用于边缘位置机器学习）。

英特尔人工智能全栈解决方案

完整的硬件平台，涵盖至强处理器、至强融核处理器、英特尔Nervana神经网络处理器和 FPGA、网络以及存储技术等；

针对深度学习/机器学习而优化的基于英特尔架构的数学函数库（英特尔 MKL-DNN以及数据分析加速库（英特尔 DAAL）等，以及英特尔Nervana Graph；

支持和优化开源深度学习框架如 Spark、Caffe、Theano 以及Neon等；

构建了包括英特尔Nervana、英特尔计算机视觉 SDK、 Movidius 和 Saffron 为代表的平台，以推动前后端协同人工智能发展。

现在，英特尔终于缓了口气，拿出一整套AI全栈解决方案。

角色转变——做高价值合作伙伴，让AI易于实践

有了技术，如何转为商业，英特尔再一次为自己找到合适的位置和角色，做中国高价值合作伙伴，为实体经济打Call。

实际上，对于英特尔而言，AI潜力和价值，恰恰体现在它能够与其他行业应用实现有效的结合，即通过行业应用释放AI潜力。

独乐乐不如总乐乐。同样是合作，但英特尔却擅长用“英特尔方式”实践着，不单是为行业用户提供解决方案，还与合作伙伴一起玩。通过技术的力量，让AI易于实践，降低各行各业使用AI门槛。

分享一个小故事，这次AI大会多次提到的“天池医疗 AI 大赛”。

英特尔与阿里巴巴和零氪科技共同举办了天池医疗 AI 大赛，以期促进算法创新，用AI加速精准医疗的发展；大赛第一季面向的是医学界公认的难题——早期肺癌的诊断。作为大赛的共同举办方，英特尔提供了可为深度学习提供高效计算支持的至强融核处理器、至强处理器等产品和技术，还有针对机器学习和深度学习的英特尔Math Kernel Library（MKL）核心算法库及英特尔Python 数学库，以及特别为医疗影像分析设计的深度学习框架软件等。据科技行者了解，在这次天池大会上，英特尔为深度学习框架 Caffe 定制了 43 个超越开源版本的新功能，来支撑选手的模型创新；同时也为天池软件贡献了 35000 行框架代码和 6000 行参考模型代码，为模型训练保驾护航。结果是，各队选手在比赛期间遇到的80% 的问题，英特尔事先都有验证过。

从体验层面，英特尔也正在尝试。

举个例子，3D人脸面部表情捕捉技术，可实现对视频人脸的自动检测与识别，精准重建 3D人脸，并实时跟踪面部表情变化，将预先设计好的特效素材附在 3D 人脸上，重新渲染到 MV 视频中，从而实现脸部特效。整个过程只需一个二维摄像头，大大简化传统3D建模过程。目前，这项AI技术还运用到音乐作品拍摄中，并开放体验区，让内在英特尔技术，在AI时代，转化为外在精彩体验。

推动AI普及化、民主化，推动整个市场发展。就像英特尔公司高级首席工程师兼大数据技术全球首席技术官戴金权多次提到，“在英特尔我们专注做的一件事情，就是使人工智能计算进入民主化时代，让各行各业更方便地使用。”

英特尔公司全球副总裁兼中国区总裁杨旭

正如英特尔公司全球副总裁兼中国区总裁杨旭所言，AI是一场“马拉松似的拉锯战”，竞争才刚开始两三公里，未来将是“计算多元”时代。

从“芯片公司”到“数据公司”，英特尔的转型思路或许将带给人们一些启示：当新一波技术浪潮和风口来临时，与其盲目地追赶风口，倒不如花些时间真正去想清楚，在新的变局中，自己能给别人带来什么不可替代的价值。