英特爾中國研究院院長 宋繼強

從技術突破到產業落地——人工智慧發展新趨勢

在人工智慧領域英特爾一直處於行業領導者的地位，也曾連續兩年參加世界智慧大會。今年世界智慧大會以“智慧時代：新進展、新趨勢、新舉措”為主題。因此，宋繼強院長首先就如何看待人工智慧產業發展的新趨勢向我們進行了介紹：

比較明顯的趨勢是原來很多企業都在嘗試一些新的演算法和技術點，如今我們把這些技術應用到各個行業裡去解決具體和實際的問題。從技術的突破，轉成產業的落地，並且實實在在的轉到業務收入上面來。

對於晶片領域來講，前兩年很多學術界在用各種各樣的方法，去試演算法，用GPU、FPGA，用英特爾的多核處理器。從去年的下半年到今年，越來越多的公司，包括很多的國內公司已經在做自己的行業專用晶片。而這個專用晶片通常更多的是用ASIC方式來製作定製化晶片。

例如現在阿里巴巴採用專用晶片來滿足應用領域的功耗的要求、延遲的要求、成本和價格的要求。谷歌使用TPU架構，也就是ASIC架構，滿足很嚴格的低延遲要求，使用者遠端請求過來以後，確定的時間內給他反饋。微軟也有類似的需求，但是它上面使用的應用種類比谷歌豐富，所以它用的是FPGA硬體加速的方案。

所以會看到在伺服器端，透過通用的多核處理器，支援多種資料分析和機器學習任務。在雲端的雲服務裡，使用FPGA做實時的響應支援，為很多機器學習、人工智慧加速。ASIC方案有NNP神經網路計算的加速器，這都是在伺服器端的。

具體到一些應用場景裡，像智慧攝像頭、無人機，以及家裡用的智慧裝置。這些裝置都會具備一些語音功能、影象識別功能，並對功耗和尺寸、價格都有很高要求。這些裝置就更需要有定製化的晶片支援，包括無人駕駛車。

從這些例子就可以看到，在不同的應用領域和不同的位置，前端、資料中心，甚至邊緣計算，都需要有不同種類的晶片支援，而不是一種，一種是解決不了所有問題的，所以英特爾有一個比較廣泛的產品線去支援不同種類的業務落地。

現在的趨勢很明顯，就是利用現在多種晶片架構，以合適的組合來去支援不同應用領域的要求，這個要求主要體現在效能上、功耗上、價格上、尺寸上，這都是部署階段的要求。我們管這種叫異構，透過一個通用的CPU，加上不同種類的其他的硬體架構加速，來去快速適應行業的要求，這是一個近期比較明確的趨勢。

新技術、新演算法對計算能力的挑戰

看清趨勢，才可以更好的引領新技術的落地。深度學習、大資料分析這些新技術、新演算法又會為哪些行業產生新的變革？作為當前首屈一指的計算晶片廠商，英特爾在智慧製造、大資料分析以及目前正在興起的語音、影象識別、人臉識別等具體應用中，又該如何應對這些計算能力挑戰？宋院長繼續就這些問題為我們進行了解答。

首先在智慧製造領域，就是要把原來是按照固定大批次生產的流水線，能夠改造成適應客戶需求的生產。客戶的訂單可能是多樣的，而且是小批次的。最終是到千人千面，每個人都有定製的想法。這個實際上是要求整個生產的環節流程首先是自己能柔性製造，就是自己去組織這個流程，而不是以前固定好了這個流水線。

在智慧製造裡英特爾可以幫助使用者做到的是：提供前端所需要的靈活、自主移動裝置的感知部分，感知部分有深度攝像頭，可以幫助做快速感知，還有Movidius這樣的晶片，幫助做人工智慧、視覺識別、物體識別的計算加速，而且是低功耗的。同時，也有通訊網路的支援，幫它快速連線到邊緣伺服器上，邊緣伺服器上可以有FPGA這樣的硬體加速，幫它做特定任務的加速，因為各個工廠裡可能需要加速的東西並不完全一樣，沒有辦法用ASIC的方式去做，但是FPGA就是一個很好的選擇。

在資料探勘比較好的例子，一個是零售行業，一個是金融，這兩個領域的資料產生量非常大。

金融領域一直是英特爾比較看重的，而且這裡面的資料量非常大，機器學習、資料探勘的演算法都可以很好的應用。這些演算法通常來講，我們透過像至強可擴充套件處理器，可以很靈活地幫助他們做加速，訓練的時候也可以用多核處理器的方式訓練，也可以用英特爾的FPGA幫助做特殊的加速模組訓練。

零售和人臉識別是比較相關的。人臉識別是一個具體的技術，但是它可以用在很多場景裡，剛才講到的安防或者是做門禁，這是一種。在零售領域，特別是智慧零售領域也需要對人的身份進行判斷。所以就是人臉識別會用在這些領域裡，而且都要求能有比較快速的、價效比高的方案。這個時候，ASIC這種方案，像Movidius的方案是非常好的選擇，可以放在智慧攝像頭裡，很快幫它達成監測和識別的能力。

如何把人工智慧由技術轉變為工具和產品

從技術轉換為可以應用的工具或產品，需要經過一段漫長而艱苦的研發歷程。其中有很大一部分，是在進行軟硬體的磨合，從而挖掘出晶片的最大潛力。在這方面，英特爾是否可以協助廠商，將人工智慧從技術更快的轉化成為可以使用的產品呢？宋院長繼續向我們進行了解答：

英特爾實際上也在做超越純技術點之外的一些工作，幫助建立起一些軟體、硬體的工具，甚至是一些評價的體系，來去把這個產品推到一個產業。比如現在英特爾正在根據無人車這個產品推廣一套安全機制，來分析和判斷無人駕駛車輛的採集資訊，從而對異常情況進行正確的判斷。

也就是說，英特爾除了在提供一些軟體工具之外，還在推動整個評價體系的建立，從而幫助建立一個新的行業。從一個技術到最後整個行業的蓬勃發展，其實裡面還有很多超越技術本身的事情英特爾也會向用戶提供更加廣泛的支援，協助使用者制定出大家一致認同的規範。

人工智慧發展前景展望

人工智慧未來是會取代人類的工作，還是會更好的服務於人類的工作？這是一個老問題，但也是在每次人工智慧技術進步下的新問題，人工智慧的未來發展前景如何，宋繼強向我們進行了展望：

人工智慧現在還是初級階段。行業比較公認的是它的終極目標是希望讓一個系統或者說一個演算法、一個程式能夠按人的智慧的方式去完成一個任務，尤其是這種互動的任務。那麼它就至少有感知、認知和決策三個階段的處理能力。

現在人工智慧在走前面的第一步，透過深度學習的方法，把視覺的訊號、聲音的訊號基本上都能夠比較準確的反映到計算機系統裡。第二步現在正在努力去克服，這一部分最大的困難是它有很多歧義，同時還有一些不確定性。

現在英特爾做的兩個前瞻性的研究，一個是神經擬態的晶片，這跟現在直接對某些具體演算法加速的晶片是不一樣的。具體演算法加速是為了已經有的演算法做硬體的加速，比如剛才講的ASIC、FPGA，都是這種型別的。但是神經擬態晶片是面向未來的，它的結構就像人腦一樣，由多個神經元構成，神經元之間的互相連線，有多種學習方法可以共存在一個晶片裡邊。不同的晶片的部分可以負責不同的任務，多工可以同時學習，還可以互相影響，用一些不同的學習方式，自己學習，互相之間產生關聯。這是本身在硬體層級就有一個新的架構去支援。

同時在演算法層面，英特爾也繼續增加對機率計算的投資，提升處理不確定性事件的能力。這種能力一旦具有了，對於一個計算系統更好地處理現實世界中各種複雜的情況就更有幫助了。

所以我們認為，下一步要解決對於環境各種場景的理解，並且加入自學習的能力，加入對不確定性的處理能力。加入這部分以後，我們可以想像，計算系統不管是用在哪個領域，對人會更有幫助了，可以實實在在的解決一些更有挑戰性的問題。

希望這些資料可以為您提供幫助

感謝邀請主要是人工智慧如何解決人類的一些痛點，比如重複性勞動，規律性操作，大資料統計分析，甚至人機對戰，下圍棋，打遊戲等，比如資訊稽核類，減少了很多稽核人員，機器翻譯取代了很多翻譯人員，量化分析讓證券從業人員減少，智慧監控，減少安保人員，自動駕駛等等