11月14日，2018英特爾人工智能大會在北京舉行。英特爾全球副總裁兼中國區總裁楊旭介紹了公司一年來在布局AI領域的成績，以及關于未來的“AI先鋒計劃”。AI戰略下的具體產業圖景，則由Nervana創始人、全球副總裁兼人工智能產品事業部總經理Naveen Rao和英特爾人工智能產品事業部全球數據科學負責人劉茵茵從軟件工具、硬件設備，以及社區建設三個層面進行了詳細解讀。

下面，<機器人文明>將結合應用案例，對英特爾AI戰略和產業地圖進行梳理。

未來戰略

AI先鋒計劃

會議開始，楊旭先介紹了英特爾一年來在探路人工智能上取得的成果。

首先是技術創新，包括開發49量子位測試芯片、自旋量子位芯片、OpenVINO工具包、開發NercvanaNNP-L1000、視覺技術加速器解決方案（Movidius，FPGA）等。

生態合作方面，構建包括神經擬態研究社區、開源nGraph，與騰訊、百度、阿里巴巴、華為、南京大學AI聯合研究中心、第四范式AI聯合實驗室合作，同時開放AI創新平臺。

在應用落地層，與騰訊微信語音識別、百度Apollo、美的工業視覺檢測系統、奧林匹克AI挑戰賽等深度合作。

據楊旭介紹，在AI推動行業轉型方面，英特爾主要應用的領域包括醫療、交通、零售、金融、政府、能源、工業等等行業。

會上，英特爾還推出了“AI未來先鋒計劃”，包括：

1、前沿研究：人工智能的基礎框架和平臺、模型及優化算法、多模態融合、云服務器平臺設計、邊緣人工智能、網絡智能、模擬環境、FPGA、大數據和高性能計算，以及針對自然語言、視覺、自動駕駛、互聯網、金融、制造、醫療和教育等特定具體領域的智能應用技術；

2、師資建設：助力高校和中小學人工智能教學，支持教師智能素質培養，幫助教學利用智能工具和資源；

3、人才培養：以英特爾人工智能學院為代表，助力中國高校的教學實踐和人工智能專業課程建設，提供線上線下資源；

4、產業對接：與高校合作伙伴共同探索HPC與人工智能融合的創新實踐。

“推動人工智能的長遠發展，是一場全新的馬拉松，需要生態合作的不斷深化。我們將把這個計劃長期推進下去，英特爾與中國高校、科研機構及教育界的合作也將持續拓展和深入?！瓵I未來先鋒計劃’是開放式的，未來將有更多合作伙伴加入其中?！睏钚癖硎菊f。

產業地圖

軟件工具+硬件設備+社區

對于英特爾在AI產業的重點布局，Naveen Rao認為“AI革命就是計算的演進”，這就要求AI必須具備多元化工具：“英特爾提供更多選擇，包括軟件工具、硬件設備，以及智能社區。”

特征

軟件工具：加速AI發展，持續優化提升性能，助力更加快速、便捷的AI部署；

硬件：AI并非“一策萬能”。從通用到專用，從毫瓦到百瓦，提供廣泛的方案組合；

社區：以開放合作來解決復雜挑戰，并與學術社區一起探索最佳解決方案。

四款軟件工具

助力硬件性能優化

MKL-DNN

是面向深度神經網絡的英特爾數學核心函數庫，包含矩陣乘法、批量歸一化、池化、激活和卷積等，深度學習軟件框架提供了高度優化內核，可以幫助開發人員發揮英特爾硬件的最大性能。

nGraph

對于開發者來說，需要選擇適合自己的深度學習框架。nGraph是一種跨英特爾所有硬件的統一中間層編譯器，可以為開發者提供高靈活性和兼容性，降低開發難度，提升開發效率。

BigDL

是英特爾開發的分布式深度學習庫，運行在現有的Spark集群之上，可以加快對大型數據集的深入學習，同時支持Scala和Python。

Open VINO

是一款軟件工具包，專為在邊緣部署深度神經網絡而設計，可以快速優化和壓縮經過訓練的視覺模型，并將其部署在英特爾硬件和加速器上。應用深度學習框架時，關鍵性能會獲得重大提升，且無需大幅調整當前的部署方式。

四大處理器加持

賦予多元化應用能力

人工智能的生態系統包括核心算法和芯片處理器，軟件工具，以及終端硬件開發，產品形式的多樣性決定了并不存在單一的“最佳”硬件能夠運行各種各樣的人工智能應用。因此，從數據中心到邊緣再到設備所需的硬件能力都會有所差別。

如何滿足這樣的多樣化需求？英特爾從四個維度給出了具體解決方案。

英特爾至強可擴展處理器：擅長大量非結構化語音和文本數據進行訓練和推理

相較于GPU，CPU架構更能滿足現實情況中的深度學習應用需求。英特爾推出的這款平臺，針對流行框架的訓練速度提升了1.4倍以上，INT8推理速度則提升了近5.4倍。隨著新一代至強可擴展處理器的推出，推理速度有望提升至11倍。

這些數據最終落地在應用層面，有哪些性能提升？

以英特爾和原研藥企業諾華的合作為例：

對于制藥企業來說，高內涵篩選是原研藥的重要研發工具，但它是一項極具挑戰和費時費力的工作，需要從圖像中提取數千個預定義特性。利用深度學習技術可以加快細胞培養顯微鏡圖像的分析，從而快速完成各種治療的效果研究。但一個顯著的問題是，由于使用了完整的顯微鏡圖像，圖像尺寸比普通深度學習基準中使用的圖像尺寸大得多，是ImageNet數據集中圖像尺寸的26倍以上。

訓練模型參數多，圖像數量多、尺寸大，對算力和內存容量提出了更高的要求。通過至強可擴展處理器、英特爾 Omni-Path架構和TensorFlow v1.7.0搭建的系統進行訓練后，最終成功將訓練時間縮短20倍。

下一步，英特爾將為人工智能重塑至強，Cascade Lake是將要推出的新款處理器，支持英特爾傲騰數據中心級持久內存以及全新的AI功能——英特爾 DL Boost。這種人工智能加速技術將加速深度學習推理工作負載，圖像識別能力相比當前英特爾至強可擴展處理器得到提升，Cascade Lake計劃明年發布。

FPGA：實現實時推理，大吞吐量和低延遲

FPGA無指令，無需共享內存，可以同時擁有流水線并行和數據并行，因此對流式計算任務，FPGA比GPU有明顯的延遲方面的優勢，是搜索、語音識別、視頻分析等深度學習應用的重要工具。

英特爾與微軟的和合作，應用到了FPGA的這些優勢。

微軟Project Brainwave是建立在英特爾FPGA基礎上的一個深度學習加速平臺?；贔PGA的經濟性和極低延遲等特點，Project Brainwave實現了實時推理。

在此基礎之上，由Project Brainwave提供支持的Azure機器學習加速硬件讓開發人員和數據科學家能夠在Azure和邊緣計算中運行實時模型。目前，應用領域涵蓋制造業、零售業和醫療保健等。

除了傳統產業，以FPGA為架構的深度學習平臺也可以應用于新興行業。以互聯網為例，微軟同時將Project Brainwave應用于新的必應搜索功能，以縮短搜索時間并讓搜索結果更加智能化。必應通過機器學習和閱讀理解能快速提供智能化答案，幫助用戶更快地找到想要的答案，而不是提供鏈接列表讓用戶去手動檢查答案。性能上，英特爾FPGA能讓必應將模型的延遲縮短到10倍以上，同時將模型尺寸增加10倍。

Movidius Myriad視覺處理單元：在邊緣端實現視覺智能

相較GPU，VPU有更強大的視頻處理能力，可以全面優化圖像，提升畫面細節，讓動態畫面無比順暢，在同等分辨率下，帶來更好的視覺體驗。

它的性能究竟有多強大，可以拿谷歌的案例從側面說明。

去年十月，谷歌發布了智能攝像頭Google Clips，由AI核心驅動。其中的“核心”，就是英特爾的“Movidius Myriad 2 VPU”。這款具有低功耗、高性能的VPU，可以直接在相機上實時運行高級機器學習算法，在邊緣設備完成視覺處理，最終實現自動捕捉和管理家人、朋友和寵物的動態照片等智能化功能。

具體來說，Movidius VPU可以實現的目標應用包括嵌入式深度神經網絡、姿態估計、3D深度感測和手勢/眼睛跟蹤等，而這些性能都是直接在迷你的相機設備中集成。而除了應用于相機，Movidius VPU也在視頻分析、機器人和增強現實等領域實現應用。

Nervana神經網絡處理器：新一代訓練和推理

人工智能模型的復雜度不斷增加，對內存的需求也越來越大。深度學習的進一步發展需要解決內存限制問題，而當前的解決方案無法利用所有可用計算，業內人士逐漸意識到需要專用的芯片來支持深度學習訓練和推理。

Nervana神經網絡處理器是針對深度學習建構的全新解決方案，目的是為了解決內存限制問題。采用大量高帶寬內存和SRAM，更靠近實際進行計算的位置，也就是說芯片上能夠存儲更多的模型參數，可以有效節省功耗并提升性能。

該處理器預計將于明年正式推出商用，目前，英特爾正與Lake Crest軟件開發工具(SDV)方面的主要客戶合作進行NNP開發和測試。

更多應用

軟、硬和算法結合下的解決方案

Movidius Myriad X & OpenVINO：視覺加速器的智能交通解決方案

基于英特爾Movidius VPU的視覺加速器是一款可以結合英特爾 OpenVINO的工具套件，提供強大的深度神經網絡推理能力，實現快速、準確的視頻分析處理。

RL Coach & python：幫助開發者訓練和開發人工智能Agent

Coach是一個基于python開源強化學習框架，幫助開發者訓練和開發自己的人工智能Agent，支持最先進強化學習算法，并與多個仿真場景集成，方便開發者使用。

OpenVINO & FPGA：開發車牌識別系統

OpenVINO是英特爾開發的免費工具包，支持高性能機器視覺以及深度學習推理應用場景。基于英特爾?FPGA PAC加速板（Arria 10）的深度學習示例，用深度學習算法檢測車輛/車牌，車身顏色/類型，以及車牌內容識別。

DL BOOST & AVX-512：加速深度學習處理器技術

DL Boost是一套用來加速深度學習的處理器技術，基于AVX-512擴展新的矢量神經網絡指令集。性能提升11倍，更好的TCO，為終端用戶提供更一致性的體驗。

神經計算棒2 & OpenVINO：方便智能設備原型開發

本次發布會上，英特爾推出了英特爾神經計算棒二代（英特爾NCS 2），利用該計算棒可以在網絡邊緣構建更智能的AI算法和計算機視覺原型設備。英特爾NCS 2基于英特爾 Movidius Myriad X視覺處理單元（VPU），并得到英特爾 OpenVINO工具包的支持，與上一代神經計算棒相比性能更優，能夠以可負擔的成本，加快深度神經網絡推理應用的開發。

合作案例

商業及公益

浪潮集團：基于FPGA加速方案的實時圖像分類應用

由浪潮NF5280M5 AI服務器及4片浪潮F10A FPGA加速卡提供計算力支撐，進行高效率、低延遲、高準確率的實時圖像分類。浪潮F10A FPGA卡內置英特爾? Arria? 10 FPGA芯片，提供強勁性能。

地平線科技：視覺感知方案基于英特爾 Arria 10 FPGA

地平線360度視覺感知系統搭載三塊地平線自主研發的Matrix，該方案基于英特爾 Arria 10 FPGA，自動駕駛計算平臺通過攝像頭安裝位置的合理布局，以實現車身周圍360無死角視覺感知檢測。

XForce是基于地平線BPU2.0處理器架構的FPGA邊緣AI計算平臺。通過算法與芯片深度結合的軟硬件聯合優化，XForce在功耗和性能方面相對GPU擁有更明顯的優勢，目前支持人體行為分析、視頻結構化等功能。

匯醫慧影：將至強可擴展處理器應用于治療乳腺癌

匯醫慧影打造的“人工智能乳腺癌全周期一體機”，可以實現快速篩查、治療、預后等功能。通過和英特爾合作，該機器算力得以加強。以至強處理器為基礎，可實現3D無監督學習，小樣本圖像建模，多維度數據建模等功能。

青云：搭載至強可擴展處理器強化深度學習

青云深度學習平臺搭載英特爾至強可擴展處理器與面向英特爾架構優化的Caffe深度學習框架，進行人臉識別，目標檢測，詞向量訓練等深度學習任務。

借助“角蜂鳥”實現了實時的人臉識別程序?？稍诘退懔Φ脑O備上運行，可現場入庫，支持單張人臉入庫、多張人臉入庫。

美的庫卡：基于至強與酷睿，應用于AI工業視覺檢測

該方案從工廠的生產線上實時抓取大量圖像數據，經過預處理后發送至云端（私有云或公有云）。在云端使用至強可擴展處理器對這些數據進行訓練。最后，根據不同的網絡狀況和時延要求，推理引擎可以部署在云端服務器或者前端的Core i7處理器，以此來應用于不同的視覺檢測場合。

文安智能：Movidius 視覺處理單元智慧零售解決方案

文安智能基于Movidius芯片發布了業內體積最小、功耗極低（約1.5W）、計算能力相對強大的Tarsier模塊。開發出人臉客流智能機、客流統計一體機、魚眼智能機等智慧零售解決方案。

睿視智覺：基于英特爾Arria 10 FPGA技術審核平臺

如何對大量的圖像和視頻內容實現有效的檢測？睿視智覺結合自己的AI算法和英特爾FPGA實現這一功能，比其它解決方案處理速度更快。

野生保護：Movidius驅動的智能相機現場識別

Movidius驅動的智能相機用于現場野生動物識別，形成端到端AI解決方案，目前應用于保護野生東北虎。在云端，基于至強服務器平臺的Re-ID技術用于老虎個體的數據提取和跟蹤。

古跡修繕：基于至強服務器數字化及深度學習

基于獵鷹8+無人機采集的數據，英特爾至強服務器重建箭扣長城高分辨率3D模型，深度網絡自動檢測長城上的裂縫和坍塌位置，3D-GAN網絡自動生成城墻的缺失部分，這是AI首次應用于大型古建的數字化修繕。

總結

2018英特爾人工智能大會為業界展示了清晰的人工智能產業地圖：軟件工具+硬件設備+開源社區。軟件層，一年來推出了數款支持硬件的應用，硬件層在深度學習、視覺和神經網絡上都得到了加強。

另，備受關注的Nervana神經網絡處理器（NNP）會上沒有過多提及，表示將于2019年面市，同樣在明年發布的，還有Cascade Lake。