超10億美金投資、數百億收購、結盟自動駕駛巨頭，晶片霸主英特爾的AI之路

巨頭在某一領域的收購和投資能夠直接影響著這個行業的脈絡和走向。而英特爾顯然想在人工智慧時代攪動一池春水。

據TechCrunch近日報道，英特爾宣佈公司已透過旗下“英特爾資本”(Intel Capital)向AI初創企業注入了超過10億美元的資金，這些被投的企業包括主做AI資料眾包平臺的Mighty AI、大資料醫療服務公司Lumiata、機器視覺公司AEye等。

作為半導體行業的老牌霸主，英特爾正在人工智慧時代尋求轉變，主動進擊。但真金白銀砸進去，投資AI初創企業就足有10億美金，還不包含各類收購案例，足以可見巨頭佈局AI的雄心勃勃。

活躍的英特爾投資部

英特爾投資是英特爾公司的全球戰略投資機構，成立於1998年，已投資140多家中國科技創新公司，累計金額超過19億美元，40家投資組合公司成功上市或被收購，使得英特爾在投資佈局中賺得盆滿缽滿。

8月底，為了解行業變化，CB Insights透過其龐雜的資料庫，分析了22家巨頭與初創公司的投資交易行為，其中包含英特爾投資。

截止當時的資料顯示，英特爾投資是迄今為止最活躍的實體公司，自2015年以來有168筆交易(不包括英特爾公司的15項併購交易)。

英特爾的投資覆蓋多個前沿科技領域，包括無人駕駛、醫療科技、氣候變化研究等領域。為了增強AI技術，英特爾會從戰略角度考慮投資領域，它特別重視自主飛行、無人駕駛、自動化裝置檢查、邊緣AI計算。

大手筆投資或收購，英特爾在AI時代迫切求變

巨頭試圖在一個行業跑馬圈地，最簡單粗暴的方式就是買買買!

1、收購：自動駕駛、計算機視覺等技術向案例突出

今年最濃墨重彩的一筆，在英特爾AI戰略佈局中起到關鍵作用的事件，莫過於3月份以153億美元收購總部位於以色列的自動駕駛巨頭Mobileye。

Mobileye開發的一個影象處理器晶片稱為EyeQ。所有Mobileye的影象處理演算法都在其EyeQ晶片上執行。Mobileye為寶馬、通用、沃爾沃等20多家汽車製造商提供整合攝像頭、晶片和駕駛輔助系統軟體——這些均是無人駕駛汽車的重要零部件。

2016年，Mobileye的營收為3.5816億美元，在完成對Mobileye的收購之後，英特爾不僅不會讓其感到束手束腳，反而會全力支援，將自己的自動駕駛部門併入Mobileye，讓其保持獨立運作。

出手闊綽，財大氣粗，但這卻還只是英特爾收購歷史上的第二大數額。此前，2015年6月，英特爾以167億美元收購了Altera是全球第二大FPGA(可程式設計門陣列)廠商Altera，大舉進軍物聯網晶片。

在Altera和Mobileye的雙重保障下，英特爾若保持在ADAS市場強勢地位的同時，再打出一些組合拳，例如找到Mobiley Eye Q與intel GO的聯結等，那麼在自動駕駛核心處理晶片領域，將具備十分明顯的優勢，屆時再找到翻盤機會。

回望英特爾近幾年的收購，無論是計算機視覺、深度學習演算法，還是自動駕駛領域，都在攻城略地：

2015年10月，收購Saffron Technology。Saffron的技術旨在透過模仿人類大腦工作方式的演算法，來從龐大的資料集裡提取有用的資訊。但和其他不同的是，該公司專注於研發自家的“聯想記憶”技術。

2016年5月，收購了專門從事計算機視覺(CV)演算法的初創公司Itseez。英特爾計劃利用Itseez專業能力來建立從汽車到安全系統的物聯網(IoT)。

2016年8月，斥資近4億美元收購的深度學習公司Nervana Systems，加強英特爾在深度學習領域的能力。

2016年9月，英特爾宣佈將收購計算機視覺初創公司Movidius。Movidius可以提供低能耗計算機視覺晶片組，而且已經與聯想和大疆等公司簽訂了協議，同時也是谷歌Project Tango 3D感測器技術背後的功臣。

2、投資：對AI初創公司投資已超10億美元

去年9月的英特爾投資峰會上，英特爾投資QuattroporteWendell Brooks宣佈一口氣領投了 12 家科技創新公司，總額達 3800 萬美元。

Wendell Brooks曾說要把未來的投資聚焦於那些能更好拓展英特爾業務發展的領域。英特爾投資正逐漸收窄到重點投資專案上，比如自動化裝置(無人車、機器人)、雲端計算等，而且單個投資專案的金額會加大。而從今年的資料來看，確實如此。

據AI科技媒體機器之能整理的公開資料來看，2017 年到目前為止，英特爾共參與 24 宗投資，其中與 AI 有較強關聯性的公司有 8 家。除去技術向的機器視覺、無人駕駛相關公司外，AI核心技術較外圍一些的專案也有投資。比如Yoshua Bengio 創辦的 AI 孵化器以及 AI 資料眾包平臺 Mighty AI 也在英特爾的投資範圍之內。

投資過的具體案例有：

2016年5月，一家大資料醫療服務公司 Lumiata 獲得1000萬美元的B輪融資，由 Intel Capital 領投。

2017年1月，主做AI培訓的 Mighty AI 公司獲英特爾牽頭的 1400 萬美元的融資。據瞭解，Mighty AI的業務範圍主要包括兩方面：“技術資料即服務”(TDaaS);眾包業務。

2017年6月，機器視覺公司 AEye 完成 1600 萬美元的 A 輪融資，英特爾就是投資方之一。該公司在 CV(計算機視覺)領域取得一項能夠使固態鐳射雷達與 CV 演算法進行“預先融合”從而可適配於的創新技術。

梳理英特爾近幾年的投資和收購事件，英特爾高度重視自動駕駛、計算機視覺以及深度學習演算法已是必然，出發點在哪裡?

其中計算機視覺能夠讓機器看到世界，配合Mobileye在攝像頭等方面的積累，以確保自動駕駛的眼睛。

深度學習演算法的佈局，則是為了能夠抗衡同樣在人工智慧時代中獲利者英偉達的GPU，GPU更適用於深度學習，GPU在深度學習領域的先天優勢率先爆發。AI來臨，英偉達股價翻倍，風光無限，也正是基於深度學習的促進，GPU得以突飛猛進。這點英特爾自然要迎頭趕上。

再有就是自動駕駛領域了。高舉高打收購Mobileye，一舉進入了全球無人駕駛的第一梯隊。而在自動駕駛領域，尋求合作和聯盟也是英特爾如今慣用的方法。

結盟巨頭，豪賭自動駕駛賽道

英特爾公司高階副Quattroporte兼無人駕駛事業部總經理戴佟森在前不久的英特爾無人駕駛研討會上說，“讓無人駕駛汽車上路將是我最大的成就，我為此感到很興奮，遲遲不肯退休”。

看來對英特爾的自動駕駛志在必得。的確如此，在完成對Mobileye的收購之後，英特爾在自動駕駛領域動作不斷。

去年，英特爾與愛立信、DENSO、日本電訊電話公司(NTT)、豐田汽車聯手，成立了一個被稱為“汽車邊緣計算聯盟” (Automotive Edge Computing Consortium)的資料聯盟，該聯盟的目標是利用資料來支援智慧駕駛等新興服務，並根據雲計算提供實時資料和駕駛協助。隨著汽車不斷具備新的功能，從車道保持到駕駛，都在使用和生產大量的資訊。

此外，寶馬、英特爾、Mobileye在2016年7月組成的聯盟迎來新成員，菲亞特克萊斯勒汽車集團以汽車製造商的身份加入，共同研發可在世界各地部署的自動駕駛平臺。

百度AI開發者大會之後，英特爾也加入百度阿波羅計劃，合力出擊，為開發者提供硬體支援以及全方位的端到端解決方案，使Apollo開放平臺的使用者受益，也共同啟用自動駕駛生態的勢能。

近日，英特爾還宣佈和Waymo合作研發自動駕駛技術。自2009年以來，英特爾一直與谷歌合作開發無人駕駛汽車，同時也與谷歌母公司 Alphabet 旗下的Waymo 合作，為後者提供 Xeon 處理器、 Arria 系統晶片(用於機器視覺)以及千兆乙太網的解決方案。

這些動作紛紛表明了英特爾加註AI，瞄準自動駕駛的決心。然而競爭對手實力同樣不俗，最直接的對手英偉達，為汽車廠商和一級供應商提供了開放的Drive PX 平臺，且GPU更適合深度學習的環境。

自動駕駛領域是看得見的黃金賽道，三五年時間將釋放出巨大的能量，但誰會成為行業的顛覆者呢?

英特爾：加速智慧化網路轉型，迎接5G 到來

一年一度的中國國際資訊通訊展覽會9月27日在北京開幕。該展覽會由國家工業和資訊化部主辦，被譽為資訊通訊行業的“風向標”之一。5G 技術無疑成為了本屆展會的最大亮點，幾乎所有廠商都拿出了自己在5G領域的最新技術。作為通訊行業重量級企業英特爾也出席了本次展會ICT領袖論壇並發表了主題演講。

據悉，目前英特爾保持著在5G 方面的領先地位。就在本月初英特爾剛剛正式釋出業界首款支援5G NR(新空口)的試驗平臺——第三代英特爾 5G移動試驗平臺(MTP)。據悉，該平臺能對5G網路和裝置進行快速的外場測試和互操性測試，同時其還將於今年第四季度開始在英特爾合作伙伴開展的現場測試和試驗中支援全新NR標準。

來自英特爾網路平臺事業部副Quattroporte兼通訊基礎設施部門總經理 Dan Rodriguez 也藉助領袖論壇發表了主題為《智慧化網路轉型》的演講。Dan Rodriguez認為，目前應該加速智慧化網路轉型，迎接5G 到來。

英特爾網路平臺事業部副Quattroporte兼通訊基礎設施部門總經理 Dan Rodriguez

未來超70%內容或與影片有關，頻寬、速率和延遲成挑戰

智慧化的時代，也是資料時代。有預測資料顯示，到2020年，全球將有500億臺裝置智慧互聯，每年將產生44ZB的資料。由此而生的是資料量指數級爆炸，資料的形態也在不斷變化。

以影片這種資料型別為例。Dan Rodriguez表示，影片未來將無處不在，包括AR、VR，還有影片遊戲等會讓影片在未來會更加流行，我們在未來有80%的網際網路內容以及70%的移動內容可能都是關於影片。

例如在體育直播領域，英特爾的360度回放技術，是目前在體育賽事轉播領域廣泛應用的一項虛擬現實技術。它透過部署在比賽場館內的多個360度攝像頭進行拍攝，並透過網路將所採集到的影片訊號傳輸到基於英特爾至強處理器的資料中心進行渲染並生成3D影片，從而令觀眾能夠360度、沉浸式地觀看比賽的精彩回放。然而，該項技術將2D影片和體育賽事轉化為沉浸式3D影片，每分鐘就需要產生2TB資料量，這對於無線傳輸網路的頻寬、傳輸速率和延遲都提出了極高的要求。

加速智慧化網路轉型，迎接5G 到來

Dan Rodriguez認為，為了滿足5G對於頻寬、傳輸速率、延遲、能耗和規模的全新需求，並充分釋放海量資料的潛力，電信運營商必須自現在開始，圍繞邊緣/接入網、核心網、雲和資料中心進行全面的網路轉型，才有可能在應用和服務模式上實現新一輪的創新。

為了構建一個更加敏捷的網路，越來越多智慧計算的能力正在從中心不斷擴充套件到分散式的各種智慧邊緣，這將有助於運營商發掘新的利潤增長點。為了實現這樣的服務，核心網路必須變得更加靈活。目前，許多資料中心已經被分佈在不同的邊緣網路當中，從中心向分散式邊緣去擴充套件的關鍵就在於“最後一英里”。許多運營商已經意識到這個問題。當我們進一步推動和演進的時候，就要考慮如何把EPC或者PE閘道器向“最後一英里”進行拓展。同時，未來的網路必須具備更強的一致性，這樣未來的軟體才能真正實現移動性、便攜性，從而充分地運用軟體將網路進一步更新。在未來的雲或資料中心，網路都會在雲端進行，只有進一步地提升網路效率，才能為使用者帶來最佳的服務體驗。所有這些服務交付方面所遇到的問題，必須業界攜手共同面對和解決。

多接入邊緣計算(MEC)正在成為網路轉型的驅動力之一。透過將網路核心功能下沉到網路邊緣，在靠近移動使用者端，提供IT的服務、環境和雲計算能力，滿足5G低延時、高頻寬的業務需求。面向應用層面，MEC可向垂直行業提供定製化、差異化服務，提升網路利用效率和價值。MEC將網路和雲進行了無縫連線，將成為5G的必選項。

網路轉型利器：英特爾新一代至強可擴充套件處理器

面對5G和雲網融合的發展趨勢，英特爾正在憑藉自身在計算、通訊領域的深厚積累，提供從智慧終端、無線接入技術、接入網、核心網到雲的5G端到端解決方案，打造虛擬化、軟體定義和麵向雲的網路架構。

面向網路轉型，英特爾最新推出的新一代至強可擴充套件處理器，正是為雲最佳化並支援5G網路的下一代平臺。該處理器平臺能夠從效能、可擴充套件性和敏捷性等多個維度，為網路轉型提供最強有力的支援。它以突破的效能從容應對網路工作負載，幫助通訊服務供應商從固定功能的專用網路加速轉型到靈活的軟體定義網路(SDN)。相比上一代產品，該處理器使用Intel QAT和DPDK，使關鍵網路應用的IPSec轉發速率提升最高達2.5倍，整體效能提升達1.65倍，從而提高網路轉型的價值。此外，它擁有多達28顆核心，並針對資料中心和通訊網路中各種效能需求進行了最佳化，可提供2插槽到8插槽及更多插槽配置支援和充足的擴充套件空間，為入門級到關鍵業務的各類工作負載提供全面支援。針對計算、記憶體、網路和儲存效能和軟體生態系統的全面最佳化使英特爾至強可擴充套件處理器成為軟體定義的、針對總體擁有成本而最佳化的資料中心的理想之選。

此外，為進一步加速網路轉型，英特爾還在積極與開源社群、標準化組織等廣泛的生態系統合作伙伴加強合作，透過英特爾Network Builder專案(目前已經有超過260位專案成員)與合作伙伴共同進行技術驗證。憑藉紮實的專業技術知識和豐富的生態系統資源，英特爾已經成為通訊服務供應商進行網路轉型的可靠合作伙伴。

英特爾發表最新自動學習晶片，有望加速人工智慧發展

未來對高度動態和非架構化的自然資料收集、分析和決策的需求越來越大，這種需求可能超過傳統的 CPU 和 GPU 架構。 英特爾 26 日推出一種先進的自學習晶片，名為 Loihi。

Loihi 模仿大腦的運作方式，根據環境的不同回饋型態作業。 同時，Loihi 也是一款節能晶片，可利用資料學習和推斷，不需要以傳統方式訓練。 它採用一種新穎的方法，透過「非同步觸發」來計算。

Loihi 研究測試晶片包括模擬大腦基本機制的數位電路，使機器學習更快更有效率，同時需要計算力的需求更小。

這塊仿神經晶片的模型從神經元的交流和學習中汲取靈感，其中神經元的觸發、新突觸的形成可以按時間調製，這可以幫助計算機自行組織並根據型態和關聯做決策。

Loihi 測試晶片提供高度靈活的晶片學習，可在單個晶片完成訓練和推理。 這使機器能自動實時調整，而不是等待雲更新。 研究人員已經證明，與其他典型的尖脈衝神經網路相比，在解決 MNIST 數字辨識問題時，他們的學習速度快 100 萬倍。 與卷積神經網路和深度學習神經網路等技術相比，Loihi 測試晶片在同一工作使用更少資源。

這個測試晶片的自我學習能力有巨大潛力來改進汽車和工業應用及個人機器人──任何在非架構化環境自動作業和持續學習的應用程式。 例如，辨識汽車或腳踏車的運動。

它比一般訓練系統所需的通用計算效率高 1,000 倍。 2018 上半年，Loihi 測試晶片將與領先的大學和研究機構共享，重點是推進人工智慧的發展。

Loihi 測試晶片的特點包括：

完全的非同步神經形態的多核網狀架構，支援多種不同的稀疏、層級、迴圈神經網路拓墣架構，每個神經元都能與成千上萬的其他神經元通訊。

每個神經形態核心包括一個學習引擎，可在作業過程對網路引數進行程式設計，支援監督、無監督、強化和其他學習型態。

由英特爾 14 奈米制程製作。

總共有 13 萬神經元和 1.3 億突觸。

開發和測試高效的演算法，包括路徑規劃、約束滿足、稀疏編碼、詞典學習和動態型態學習和適應。

在計算機技術和演算法創新的推動下，人工智慧的變革力量預計將對社會產生巨大的影響。 通用計算和自定義硬體和軟體都可在各方面發揮作用，英特爾目前在這方面也有佈局。

目前英特爾 Xeon Phi 處理器用於科學計算，產生一些最大的模型來解釋大規模的科學問題，還有 Movidius 神經計算棒，以僅僅 1 瓦的功率執行訓練後模型的產品。