金博宝客户端登录网站-巨头英特尔进化:如何推进AI新赛道?

  来源:21世纪经济报道

  原标题: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世纪经济报道记者:“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世纪经济报道记者分析道:“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世纪经济报道记者:“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。”

  总结来看,如何在使用AI功能时降低成本,同时用少量数据模型来得到训练结果,是实践中的难题。解决这些问题,需要AI技术应用的升级。

  从AI的整体发展来看,在宋继强认为,从深度学习发展的曲线来看,现在确实进入了平台期。这意味着AI也随之进入平台期。

  宋继强解析道:“人工智能在弱人工智能这个领域是不弱的,当你把人工智能应用领域收窄,可以找到方法把这件事情做好。但是如果想让它做到通用,就是学界或者是产业界通常认为的强人工智能,这一能力是不强的,因为它的跨领域迁移能力还没有那么强,并且去对抗一些数据的攻击也没有那么强。在整个学术界或者产业界现在的发展趋势来看,人工智能正在由2.0阶段向3.0阶段迁移,2.0阶段是基于数据驱动的,通过大量可标注的数据训练出深度学习的模型,来帮助我们完成一些具体领域的任务。”

  在他看来,往3.0迁移,要把人工智能发展的更为全面,第一它要能够可以解释,第二要提升人工智能利用少量数据持续学习的能力。

  (作者:倪雨晴 编辑:张伟贤)

发表评论

电子邮件地址不会被公开。 必填项已用*标注