从Curie到Xeon Phi 英特尔如何布局人工智能？

人工智能与机器结合

英特尔中国研究院院长宋继强博士表示，智能的机器发展过程不是一蹴而就的，它经历了多个阶段。总的来看是三个阶段：

　　一、互联。从原来无法联网的嵌入式设备到今天联网后的机器，让它们不在孤立无援。

　　二、智能。通过软硬件实现感知和处理，让机器与人类进行高级交互，这个时代基本上就是我们通过智能手机技术发展起来的时代。

　　三、自主。自主机器需要很深的技术理解，在这一阶段，人工智能可以发挥重大作用，包括机器怎么去进行规划、推理、预测、最后做出正确的处理和反馈，在这一过程中，机器的行为必须是可靠的。

　　而我们现在正处于“智能”阶段的后期。从智能到自主，英特尔从计算角度来看AI，分析了目前我们所面临的两个挑战：

　　1、多传感器数据之间的交换与机器的实时反馈

　　2、AI到底是放在设备端还是放在云端?

　　对于第一个挑战。由于人工智能交互的复杂性，这使得人工智能的机器往往会使用许许多多的传感器，它们会采集包括图像信号、声音信号、能量信号、生物信号、电信号等等，当然光是采集还不够它们还要进行处理。这里英特尔举一个例子，在宇航里处理一些异常事物的机器人叫“螳螂机器人”，有4000个传感器，其中有很多传感器是视觉的，这个时候的数据流是非常多，如此多的数据流输入的同时要做处理、反馈，这就是一个很大的挑战。

　　对于第二个挑战，英特尔也举了一些例子。例如人脸表情识别，人脸有最基本的7种表情可以检测出来，这需要100帧/秒的图片处理速度，由于这个交互的过程需要很快的速度，如果通过云端金处理，再反馈到设备端那就太慢了，所以这种时候我们只能在设备端进行。而像无人车这种，前端主要负责的是感知，感知后的数据处理则是交给云端进行，因为无人车涉及到的信息特别多，不仅仅是简单的图像识别、还包括一些环境识别、生物识别，因为处理的数据量大，而且全面，要必须有安全性，所以这个时候就需要用到云端。这里还涉及到一个传输速率和时延问题，5G网络是非常必要的。

　　如果简单的将英特尔对于人工智能的产品布局，可以分以下几层：

　　XeonPhi+Nervana：用于云端最顶层的高性能计算。

　　Xeon+FPGA：用于云端中间层/前端设备的低功耗性能计算。

　　Core(GT)：用于消费级前端设备的性能计算、图形加速。

　　Euclid：提供给开发者/创客的开发板，集成Atom低功耗处理器、RealSense摄像头模块、接口，可用做无人机、小型机器人的核心开发部件。

　　Curie：提供给开发者/创客的模块，其内置QuarkSE系统芯片、蓝牙低功耗无线电、以及加速计、陀螺仪等传感器，可用做低功耗可穿戴设备的核心部件。

　　关于5G方面，英特尔一直在推动NFV(Network Function Virtualization)的进程发展，目前中国移动已经开始大规模部署NFV相关硬件设备，而华为与英特尔也是这方面的合作伙伴。