從Curie到Xeon Phi 英特爾如何布局人工智能？

　　人工智能與機器結(jié)合

　　英特爾中國研究院院長宋繼強博士表示，智能的機器發(fā)展過程不是一蹴而就的，它經(jīng)歷了多個階段?？偟膩砜词侨齻€階段：

　　一、互聯(lián)。從原來無法聯(lián)網(wǎng)的嵌入式設(shè)備到今天聯(lián)網(wǎng)后的機器，讓它們不在孤立無援。

　　二、智能。通過軟硬件實現(xiàn)感知和處理，讓機器與人類進(jìn)行高級交互，這個時代基本上就是我們通過智能手機技術(shù)發(fā)展起來的時代。

　　三、自主。自主機器需要很深的技術(shù)理解，在這一階段，人工智能可以發(fā)揮重大作用，包括機器怎么去進(jìn)行規(guī)劃、推理、預(yù)測、最后做出正確的處理和反饋，在這一過程中，機器的行為必須是可靠的。

　　而我們現(xiàn)在正處于“智能”階段的后期。從智能到自主，英特爾從計算角度來看AI，分析了目前我們所面臨的兩個挑戰(zhàn)：

　　1、多傳感器數(shù)據(jù)之間的交換與機器的實時反饋

　　2、AI到底是放在設(shè)備端還是放在云端?

　　對于第一個挑戰(zhàn)。由于人工智能交互的復(fù)雜性，這使得人工智能的機器往往會使用許許多多的傳感器，它們會采集包括圖像信號、聲音信號、能量信號、生物信號、電信號等等，當(dāng)然光是采集還不夠它們還要進(jìn)行處理。這里英特爾舉一個例子，在宇航里處理一些異常事物的機器人叫“螳螂機器人”，有4000個傳感器，其中有很多傳感器是視覺的，這個時候的數(shù)據(jù)流是非常多，如此多的數(shù)據(jù)流輸入的同時要做處理、反饋，這就是一個很大的挑戰(zhàn)。

　　對于第二個挑戰(zhàn)，英特爾也舉了一些例子。例如人臉表情識別，人臉有最基本的7種表情可以檢測出來，這需要100幀/秒的圖片處理速度，由于這個交互的過程需要很快的速度，如果通過云端金處理，再反饋到設(shè)備端那就太慢了，所以這種時候我們只能在設(shè)備端進(jìn)行。而像無人車這種，前端主要負(fù)責(zé)的是感知，感知后的數(shù)據(jù)處理則是交給云端進(jìn)行，因為無人車涉及到的信息特別多，不僅僅是簡單的圖像識別、還包括一些環(huán)境識別、生物識別，因為處理的數(shù)據(jù)量大，而且全面，要必須有安全性，所以這個時候就需要用到云端。這里還涉及到一個傳輸速率和時延問題，5G網(wǎng)絡(luò)是非常必要的。

　　如果簡單的將英特爾對于人工智能的產(chǎn)品布局，可以分以下幾層：

　　XeonPhi+Nervana：用于云端最頂層的高性能計算。

　　Xeon+FPGA：用于云端中間層/前端設(shè)備的低功耗性能計算。

　　Core(GT)：用于消費級前端設(shè)備的性能計算、圖形加速。

　　Euclid：提供給開發(fā)者/創(chuàng)客的開發(fā)板，集成Atom低功耗處理器、RealSense攝像頭模塊、接口，可用做無人機、小型機器人的核心開發(fā)部件。

　　Curie：提供給開發(fā)者/創(chuàng)客的模塊，其內(nèi)置QuarkSE系統(tǒng)芯片、藍(lán)牙低功耗無線電、以及加速計、陀螺儀等傳感器，可用做低功耗可穿戴設(shè)備的核心部件。

　　關(guān)于5G方面，英特爾一直在推動NFV(Network Function Virtualization)的進(jìn)程發(fā)展，目前中國移動已經(jīng)開始大規(guī)模部署NFV相關(guān)硬件設(shè)備，而華為與英特爾也是這方面的合作伙伴。