江苏龙网

  1. 首页 > 资讯 > 资讯 > >

#新浪科技综合#巨头英特尔进化：如何推进AI新赛道？新浪科技综合2020-07-15 01:50:560阅

来源：21世纪经济报道
_原题为：巨头英特尔进化：如何推进AI新赛道？
全力转向以数据为中心的英特尔 ， 正在加速人工智能的落地 。 通过AI、5G、智能边缘的融合 ， 英特尔进入到B端的行业应用当中 ， 业务覆盖了智慧城市、工业互联网、智慧医疗、自动驾驶等多个领域 。
近日 ， 英特尔推出了一系列的AI软硬件产品 ， 包括集成AI加速的英特尔第三代至强可扩展处理器、英特尔首个人工智能优化FPGA Stratix 10 NX等；同时 ， 子公司Mobileye宣布与日本和东南亚地区最大的交通运营商之一WILLER达成战略合作 ， 双方将在日本及东南亚市场推出自动驾驶出租车（Robotaxi）服务 。
毫无疑问 ， 人工智能将加速进入工作与生活当中 。 今年以来 ， 新冠肺炎疫情成为全球面临的共同挑战 。 “危”中有“机” ， 从医疗救助和生命科学第一线 ， 到经济和社会的有序运转 ， 再到公共服务、政策制定等各方面 ， 以人工智能为代表的智能科技发挥愈发重要的作用 。
老牌的英特尔在新的转型中 ， 四面出击 ， 从收购AI企业到深入AI应用 ， 重新建立AI生态 。 当然 ， 英特尔也将直面英伟达、赛灵思、以及一众科技巨头的竞争 。
建AI生态：从XPU到量子计算
从PC赛道拓展至数据赛道的过程中 ， 英特尔重新梳理了六大技术核心能力 ， 来应对智能化业务 。 英特尔将六大技术支柱（制程和封装、XPU架构、内存和存储、互连、安全、软件）作为引擎 ， 并把人工智能融入 ， 以CPU+GPU+FPGA+ASIC的全面产品布局 ， 软硬结合实现从云到端的智能部署 。
在此基础上 ， 英特尔强调的是自身的云、边、端全栈优势和“XPU”的能力 。 在人工智能的赛场上 ， “全栈”也成为了英特尔、华为等大公司的着力点 ， 大家的野心都很大 。
英特尔中国研究院院长宋继强告诉21世纪经济报道采访人员：“X代表了很多种处理架构 ， 因为新的市场机会带来的数据种类非常不同 ， 传感器的种类不一样、数据获得途径也不一样 ， 这导致了这些数据肯定不可以用同一种架构 ， 比如用CPU或者CPU+GPU去处理 ， 一定要用异构的方式 。 ”
虽然英特尔生产的是通用芯片 ， 但是通过异构的排列组合 ， 可以实现定制化需求 。 宋继强就介绍道 ， 比如英特尔旗下Movidius专门做AI矩阵运算 ， Habana Labs专门做矩阵运算的加速 ， 还有FPGA的灵活的架构做稀疏数据处理的加速 ， 再前沿还有神经拟态计算、量子计算 ， “通过量子计算怎么样去提供更高等级高并行度计算能力支持 ， 它对AI也是会有很强的加速作用 ， 英特尔也在做这一方面的研发 。 ”
谈及全栈 ， 宋继强表示：“AI公司很多又做算法、做框架 ， 甚至有些做硬件方面的一些定制的优化 ， 有些是有硬件专门的加速器 。 而英特尔的特点是不只是全栈 ， 既有上面的框架支持 ， 也有底层的性能库 。 我们对于AI加速的硬件种类非常多 ， 不仅拥有唯一一个能够在CPU当中植入专门AI加速的DL Boost技术 ， 同时在GPU ， FPGA ， 在专用的ASIC方面都有芯片硬件去支持等等 。 ”
集邦咨询分析师姚嘉洋向21世纪经济报道采访人员分析道：“在数据中心或是云业务上 ， Intel的处理器业务不会轻易受到动摇 ， 这在Intel的DCG（数据中心业务）营收表现上可以看出端倪 。 但在AI运算加速芯片上 ， Intel仍然会面临如GPU、FPGA业者（如NVIDIA与XILINX）的强力竞争 ， 在这方面 ， Intel能否有办法维持自身的AI运算加速芯片的竞争优势 ， 还需要看后续的情况 。
AI平台期：“弱AI不弱 ， 强AI不强”
目前 ， 英特尔已经在多个行业领域进行AI应用尝试 。 比如 ， 英特尔与南京经济技术开发区以及多家生态合作伙伴打造的南京“未来科技智慧中心” ， 通过共建5G+智慧园区 ， 培育创新生态；在工业互联网领域 ， 英特尔大连工厂需要实时、准确地对晶圆进行检测 ， 从而保证产品的良率 ， 通过基于英特尔的人工智能软硬件技术 ， 与纯人工检测方式相比 ， 检测效率提升了100倍 。 此外 ， 英特尔的芯片也应用到港口与船舶、机场、铁路与车辆、车队管理、道路基础设施等领域中 。
但是在AI落地过程中 ， 还存在不少的问题 ， 英特尔中国区物联网事业部首席技术官兼首席工程师张宇告诉21世纪经济报道采访人员：“在垂直行业包括像零售行业、工业制造 ， 还有智能交通、医疗等等 ， 我们看到各个行业所面临的问题不一样 ， 它需要用人工智能不同的算法去解决特定的问题 ， 也就是各个行业碎片化非常的明显 。 这就要求我们在开发人工智能的时候 ， 需要针对不同的行业有定制化的开发 ， 这就增加了人工智能应用开发的一些成本 ， 如何降低成本是我们现在看到的各个行业面临的一个重要问题 。
另外一个落地的难点是在于数据 ， 目前我们拥有比较多的数据往往都是基于像人、物在交通领域收集到的数据 ， 像Imagenet上 ， 我们采集到将近四千多万张人和物的一些照片 。 但是在一些特定的行业 ， 采集或者处理的数据往往是定制化的 。 这就是要求我们在一个有限数据集的情况下 ， 能够快速生成一些新的适用于某些特定领域、特定应用的一些新的模型 。 ”


推荐阅读


上一篇：「新浪科技综合」股价高歌猛进 苹果的“电池门”还没完新浪科技综合2020-07-15 01:50:530阅

下一篇：「新浪科技综合」亚马逊美国站限制补货 卖家库存管理迎大考新浪科技综合2020-07-15 01:50:590阅