人工智能的火熱程度如同智能手機領(lǐng)域的蘋果手機，可以說人工智能就是未來，企業(yè)只要擁有人工智能技術(shù)就等于握住了打開未來大門的鑰匙。在當今，人工智能產(chǎn)業(yè)已經(jīng)成為了國家新的重要經(jīng)濟增長點。所以英特爾它不僅擁有至強處理器，擁有AI高端技術(shù)，那他就永遠不會倒。

　　“每家企業(yè)都需要人工智能戰(zhàn)略，否則就會落后于時代，AI戰(zhàn)略甚至決定企業(yè)的未來勝負”，英特爾CEO科再奇如此表示。

　　對于英特爾來說，自從把自己定位于一家數(shù)據(jù)公司，就開始大踏步的布局人工智能。

　　近日，英特爾趕在年底舉辦人工智能大會，一方面再次對人工智能戰(zhàn)略表了決心，另一方面也不忘拉上隊友大秀一下肌肉。

　　人工智能這張牌，英特爾怎么打？

　　去年8月份，英特爾斥資3.5億美元收購深度學習企業(yè)Nervana Systems，這一舉動被視為英特爾人工智能戰(zhàn)略的催化劑。

　　收購Nervana之后，英特爾隨即把人工智能業(yè)務(wù)和項目都劃歸到由Nervana前CEO納維恩·饒（Naveen Rao）統(tǒng)一領(lǐng)導的事業(yè)群，該事業(yè)群融合了實驗室、軟件和硬件多項職能，同時成立了人工智能事業(yè)部，這個事業(yè)群扮演著人工智能跨部門合作的角色。

　　事實上，英特爾已經(jīng)提供了一套完整的人工智能全棧解決方案，其中包括：

　　1、涵蓋至強處理器、至強融核處理器、英特爾®Nervana™神經(jīng)網(wǎng)絡(luò)處理器和FPGA、網(wǎng)絡(luò)以及存儲技術(shù)等；

　　2、針對深度學習/機器學習而優(yōu)化的基于英特爾架構(gòu)的數(shù)學函數(shù)庫（Intel® MKL以及數(shù)據(jù)分析加速庫（Intel® DAAL）等；

　　3、支持和優(yōu)化開源深度學習框架如Spark、Caffe、Theano以及Neon等；

　　4、構(gòu)建以英特爾®Movidius和Saffron為代表的平臺以推動前后端協(xié)同人工智能發(fā)展。

　　這套人工智能全棧解決方案也間接告訴我們，人工智能應(yīng)用場景的復(fù)雜性，需要不同特性硬件平臺以及軟硬件協(xié)同優(yōu)化，才能有效提升處理數(shù)據(jù)的速度和準確性。

　　也恰恰是因為人工智能場景的復(fù)雜性和多樣性，使得公司、產(chǎn)業(yè)之間的融合演進成為可能。

　　正如英特爾中國區(qū)總裁楊旭所說：英特爾不做埃菲爾鐵塔式的研發(fā)，任何技術(shù)必須和業(yè)界廣泛合作，要在產(chǎn)業(yè)和市場驗證它的成功。

　　于是我們看到英特爾不斷的與行業(yè)內(nèi)諸如百度、科大訊飛、京東、海康威視、美團云等企業(yè)的合作。比如牽手百度宣布英特爾人工智能解決方案中心，和愛爾眼科通過人工智能技術(shù)進行遠程的影像識別的應(yīng)用。

　　而為了推動人工智能性能瓶頸突破以及技術(shù)大眾化，英特爾建立了包括谷歌等巨頭公司在內(nèi)的聯(lián)盟，同時與全球機構(gòu)合作提供開發(fā)者培訓課程，從而構(gòu)建涉及人工智能技術(shù)提升、教育培訓、應(yīng)用優(yōu)化等生態(tài)。

　　與組建隊友同步進行的是技術(shù)的演進，就在不久前，英特爾正式宣布業(yè)內(nèi)第一個面向神經(jīng)網(wǎng)絡(luò)處理的芯片英特爾®Nervana™神經(jīng)網(wǎng)絡(luò)處理器（Neural Network Processor，NNP），和擁有13萬個神經(jīng)元和1.3億個突觸連接的自主學習神經(jīng)元測試芯片Loihi，可模仿大腦根據(jù)環(huán)境的反饋來“自主”學習。

　　這次人工智能大會期間，英特爾也著重介紹了Loihi芯片，這款芯片包括模仿大腦基本機制的數(shù)字電路，從而讓機器學習變得更快、更高效，同時對計算力的需求更小，與訓練人工智能系統(tǒng)的通用計算芯片相比，Loihi芯片的能效提升了1000倍。

　　人工智能最大的門檻是數(shù)據(jù)，怎么破？

　　如果說去年一年是英特爾對人工智能戰(zhàn)略的能力釋放，那么今年的主旋律就是合作，場景和落地。

　　Fiaz Mohamed是英特爾公司人工智能產(chǎn)品事業(yè)部業(yè)務(wù)拓展總經(jīng)理，在實際業(yè)務(wù)中他發(fā)現(xiàn)人工智能最大的門檻依然是數(shù)據(jù)，數(shù)據(jù)采集的量夠不夠，采集的數(shù)據(jù)是否合適，數(shù)據(jù)的形態(tài)對不對，甚至如此多的數(shù)據(jù)能不能容納到單一獨立系統(tǒng)當中，并且彼此之間能夠互相配合

　　為了演示人工智能如何處理數(shù)據(jù)，解決行業(yè)難題，F(xiàn)iaz Mohamed舉了一個投資銀行的例子，這家銀行想要借助英特爾的技術(shù)來搭建自己自主知識管理系統(tǒng)，用深度學習或者人工智能的技術(shù)來使得交易員閱讀大量文件的工作變得簡化一點，要知道以往投資銀行是大量交易員組成，每個交易員需要讀大量文件來幫助他做決定。

　　這家銀行要實現(xiàn)的是，解放交易員的時間，讓交易員不需要再讀以前那么多文件，只需要把精力放在最關(guān)鍵問題上就可以。但問題來了，按照日常人與人之間的對話，如果你問機器：跟我說一下中國的汽車行業(yè)競爭的現(xiàn)狀，其實這個問題是非常復(fù)雜的，首先汽車是可以細化的，是指小汽車、乘用車，還是大卡車。競爭格局，是指定價，還是指競爭對手。

　　不可否認，這背后是復(fù)雜且龐大的數(shù)據(jù)，超過了人類分析師處理的能力。如果沒有機器的協(xié)助，就難以有效利用數(shù)據(jù)，而機器不僅處理數(shù)據(jù)，并且從中學習。

　　所以即便是用很自然語言呈現(xiàn)出來的問題，內(nèi)容都是非常復(fù)雜的，就需要用AI的技術(shù)通過深度學習來建立這樣的自主知識管理的系統(tǒng)，這個系統(tǒng)可以經(jīng)過自己的分析后，從而直接抓取它認為合適的文件或者是圖表，呈現(xiàn)給提問者。

　　事實上，無論是從銀行到醫(yī)療，還是制造業(yè)到消費服務(wù)業(yè)，全球的企業(yè)都已經(jīng)開始利用人工智能分析數(shù)據(jù)并構(gòu)建學習型組織，從而以前所未有的速度來應(yīng)變并展開競爭。

　　Fiaz Mohamed也表示，雖然英特爾現(xiàn)在最主要的目標是針對各種可能存在的使用場景，做好基礎(chǔ)架構(gòu)方面的研究和開發(fā)工作。但隨著時間的推移，也會考慮進入新領(lǐng)域，比如智能手機終端，以及其他FPGA和定制Asic應(yīng)用場景。

　　總之一句話，未來的競爭態(tài)勢已經(jīng)決定著，一家公司如果布局人工智能不一定贏，但沒有人工智能一定會輸。