錯失移動後，英特爾如何靠人工智慧力挽狂瀾？
曾經的晶片巨頭，正在全面擁抱著人工智慧的轉型。但是前有老對手微軟的壓力，中有NVIDIA的截殺，後有穀歌等互聯網新貴的追擊，英特爾如何用人工智慧照亮未來之路？
【有流量可直接看視頻，時間：14分48秒】
【流量限制可看圖文，2880字耗時約10分鐘】
◆ 對於AI這件事，CPU和GPU誰更適合？
要回答這個問題，就要從CPU和GPU的架構說起。這是一個非常複雜且學術的問題，拋開一些技術關卡，這張圖片能比較直觀的讓我們瞭解到CPU和GPU的不同。
CPU和GPU的架構示意圖（圖片來自電子工程）
圖片中綠色的是計算單元，橙紅色的是存儲單元，橙黃色的是控制單元。GPU採用了數量眾多的計算單元和超長的流水線，但只有非常簡單的控制邏輯。而CPU有著複雜的控制邏輯和諸多優化電路，但計算能力只占很小一部分。因此，GPU更擅長大規模併發計算，適用於資料並行度高的計算密集型程式（相同演算法不同資料重複計算）。而CPU對並行程度要求低，對資料的依賴性不高，適合處理多樣的任務。
在2016年人工智慧概念再次走向大眾視野時，Alphago的走紅將深度學習概念迅速炒熱，對於需要大量資料平行計算處理的深度學習，GPU的優勢被直接放大，但是從人工智慧的完整路徑來看，CPU和GPU必須各司其職相互配合。
具體到一個完整的人工智慧應用，前期的資料獲取和最後的資訊決策都是CPU擅長的，而中間大量的資料計算則是GPU更擅長完成的。“比如人臉識別應用，前期圖像的採集、資料的存儲在CPU上運行最好，隨後GPU負責大量的並行識別計算，最後的識別結果需要關聯其他資訊做決策，或者跟其他感測器和管道來做資訊綜合的時候，CPU則更擅長。”英特爾中國研究院院長宋繼強在接受ZOL視頻專訪時舉例道。
英特爾中國研究院院長宋繼強
不過，GPU並不是平行計算的唯一平臺。如果還沒有明確的資料演算法，需要大量實驗確定哪種演算法更適合的時候，GPU的效率會更高更靈活。但是一旦演算法固定了，GPU的工作將可以由一種專門針對人工智慧AI優化的加速晶片來替代。
目前，英特爾擁有FPGA和Nervana兩種硬體加速晶片，不需要CPU的指令調度，可以直接針對硬體和演算法優化，執行效率更高。這類專用的加速晶片能夠解決計算密度、記憶體存儲頻寬等問題，將性能優化到最佳。“前端設備要考慮尺寸、功耗、價格等問題，專用加速晶片是最好的選擇。加速晶片特別適合在前端設備裡做電腦視覺應用，小規模的深度學習網路，所以會出現在無人機、人工智慧攝像頭上。”宋繼強院長表示。
◆ 三個左右未來的收購
英特爾用專用加速晶片降低了平行計算的衝擊，而這背後離不開三個關鍵性的收購。
英特爾167億美元收購Altera
2015年6月2日，英特爾宣佈以167億美元的現金收購可程式設計邏輯晶片巨頭Altera，這筆交易成為英特爾成立49年歷史中金額最大的一筆並購，CEO科再奇都感歎“這筆並購案的金額實在太大了”。的確，彼時英特爾一個季度的營收才剛剛達到132億美元。現在看來英特爾當時的破釜沉舟還是壓對了寶，Altera的FPGA納入到英特爾的產品線後，成為了英特爾開發專用加速晶片至關重要的砝碼。英特爾並購副總裁文德爾·布魯克斯在當時接受採訪時曾表示，相對于傳統的處理器和FPGA獨立組件，FPGA和英特爾處理器封裝的一體化晶片最初將帶來30%-50%的性能提升，而最終的性能提升將達到2-3倍。
英特爾4億美元收購Nervana System
FPGA雖然也可以完成高性能平行計算，但是還不足以彌補沒有GPU的缺憾，於是英特爾繼續了買買買之路。2016年8月10日，英特爾宣佈4億美元收購深度學習創業公司Nervana System。Nervana是一家在晶片領域具有自主智慧財產權的公司，旗下的Engine晶片在功耗和性能方面可以和GPU相抗衡。借助Nervana加速晶片，英特爾延伸了處理器業務體系，在人工智慧領域獲得更多話語權。
英特爾153億美元收購Mobileye
今年3月13日，英特爾宣佈以153億美元收購Mobileye，這也是49年來繼167億美金收購Altera之後，英特爾規模第二大的交易。要知道2016年英特爾整個財年的淨利潤也才103億美元，英特爾幾乎是花了一年半的收入完成這項收購。為什麼？Mobileye手握著攝像頭、感測器晶片等多項實現自動駕駛的關鍵技術，甚至有分析稱其在駕駛員輔助和防碰撞系統領域已佔據全球七成以上的市場份額，此次收購必將進一步強化英特爾在自動駕駛汽車領域技術供應商的地位。宋院長披露：“收購之後，Mobileye的客戶直接變成了英特爾可以支援的客戶，英特爾在自動駕駛領域將能夠提供從演算法到晶片，從多傳感融合到存儲、通訊技術的整車方案。無人駕駛技術不是某一種技術，而是需要綜合很多種技術，英特爾將非常善於打造高效可靠的無人駕駛平臺。”
◆ 人工智慧將催生全新的硬體形態
在過去的三十年裡，從PC到移動，人機交互技術佔據很大比重。人工智慧時代，機器將具有更好的主觀能動性，通過感測器資料自主感知任務完成工作，不需要人來發起。不過，宋院長認為人工智慧技術目前還有很多局限性，要和人機交互相結合才能更好的保障用戶體驗。“人工智慧可以訓練出很好的模型，達到99%的可靠性，但是在應用過程中，可能碰到之前訓練完全沒有碰過的新情況，人工智慧的精確度就未必能保留那麼高。人工智慧和人機交互要結合起來，即使人工智慧預測錯了也不至於造成錯誤。人工智慧可以進一步減少人主動操作的時間，但是仍然可以跟人交互，來確認達到最好的效果。”
Siri為代表的語音助手被標榜成為早期的人工智慧模型，但是很多使用者都覺得它們中看不中用。在宋院長看來，主要是受限於設備形態，人工智慧發揮的空間並不大。“手機上很多操作其實並不複雜，人的操作成本不高而且一定比機器操作更準確，所以你不會感受到革命性、顛覆性的體驗。但是如果產品形態不是手機，而是智慧車、無人機、智慧型機器人，帶來的價值就是前所未有的。”到了智慧型機器人時代，你可以用一步高端智慧手機的價格就買到很好的智慧型機器人，它會對所有家庭成員制定用戶畫像，瞭解不同人的特性和需求，提供差異化定制化的服務。如果智慧型機器人具備了成熟的空間移動和自主操作能力，智慧養老就有希望達成。
宋繼強院長暢談英特爾人工智慧戰略
如今，英特爾的人工智慧解決方案已經悄無聲息的出現在了很多應用場景中。2016年的雙11，在京東用戶量的訪問高峰時期，英特爾的人工智慧技術在即時監控非法圖片的上傳，保障京東流量高峰時期的運營安全，同時幫助京東詳細分析客流行為，提供更精准的推薦；在訊飛聽見-智慧會議系統中，所有語音可以即時轉化成文字，準確率高達95%以上，背後依託的除了科大訊飛的核心語音技術，還有英特爾的至強處理器以及即時語音轉寫解決方案；到了2020年，完成從基因測序到醫學分析，再到制定醫療方案等一系列精准醫療過程僅僅需要24小時，英特爾GTX One生物計算加速平臺就是希望依託人工智慧的計算能力，推動精准醫療高速發展...
接下來，我們將很快看到英特爾人工智慧在虛擬/增強現實和無人駕駛領域發佈的技術和解決方案。在VR/AR領域，除了用戶可以使用自己的手跟虛擬環境做交互之外，英特爾人工智慧技術將實現用戶帶著頭盔，和他交互的人依然可以看到他的臉。英特爾無人駕駛技術將在駕駛座艙內提供智慧交互體驗，駕駛員可以把手放開做其他事情，但是人工智慧會監控你，防止你走神，能夠在緊急情況下把你拉進來做相應的任務接管。
曾經，英特爾推出的首個微處理器成為電腦歷史上一個重要里程碑。但是，當移動互聯逐漸掩蓋PC的光芒，英特爾卻沒能走出迷霧，移動紅利的錯失給了英特爾壯士割腕的決心。如今，英特爾撕下了“晶片巨頭”的標籤，取而代之的是“驅動萬物智能互聯”。縱觀英特爾2017年的重點部署領域，無論是人工智慧、無人駕駛，還是虛擬實境、5G，英特爾要全面出擊希望力挽狂瀾，好在這一次，還為時不晚。