英特爾說數據是人工智慧時代的石油，而中國將有8000EB的數據

數據就是未來的石油，這是曾經那個老PC上游廠商英特爾的判斷。

3月31日，英特爾公司在北京舉行2017戰略分享會，主題為「The NEXT——駕馭數據洪流，共立巨浪之巔」。實際上，英特爾此前倒是舉行過不少次The NEXT為主題的媒體溝通會，主旨就是從數據趨勢、英特爾轉型格局以及所造就的創新機會方面，闡述英特爾如何在新的智能互聯新形勢下，加深與產業的結合，抓住時代機遇。

這就是一場英特爾區高層和媒體的專場溝通會，將英特爾如今的重大轉型做一個更詳細的解釋，改變或是加深市場對於英特爾的印象。

「如果市場足夠大，那麼數據就會變成未來的石油。」一開場英特爾全球副總裁兼區總裁楊旭就給了這樣的判斷。有幾個方面的論據：

已經擁有10億移動互聯網用戶、2.9億機動車保有量、312.8億的快遞業業務量；而每位互聯網用戶流量達到1.5GB，一輛無人駕駛汽車的數據量達到了4TB，一架聯網飛機的數據量是40TB，一家雲視頻供應商數據量是750PB，而一家網約車平台一天產生的數據量就達到了70TB，如果結合所有產業的數據？英特爾判斷2020年所有的數據量綜合達到8000EB（1EB=1024PB，1PB=1024TB）。

不光是有這麼多的數據量，而不同形態新的數據，每天都要處理。就好像目前我們的結構化數據是文本圖像，非結構化數據是音頻視頻、社交；未來還會產生更多的不規則數據——GPS、激光雷達、人工智慧、神經網路、基因序列。「光靠任何單獨的晶元都沒有能力完成未來龐大、多形態數據量的處理需求。我們光靠以前的至強通用晶元系列是遠遠不夠的，加上我們的Xeon Phi也是不夠的。因此要收購Nervana，要加速，還需要FPGA。」英特爾研究院院長宋繼強這麼說。

去年開始，英特爾提出的四大趨勢：萬物智能互聯、數據洪流、計算感知化、雲的增值，並押注在了八大領域：人工智慧、無人駕駛、5G、虛擬現實，聚焦製造2025、精準醫療、體育、機器人。基本上，英特爾近期完成的收購都源自於此。

去年7月，英特爾CEO布萊恩·科茲安尼克 (Brian Krzanich) 在財富舉行的一場科技大會上表示——英特爾繼續發力智能手機領域已為時過晚，但車聯網（無人車、物聯網等）代表著移動領域的下一個前沿。

英特爾的收購也昭示了這樣的野心。2016 年英特爾收購俄羅斯公司Itseez；英特爾宣布收購義大利半導體製造商Yogitech； 英特爾宣布收購深度學習初創公司Nervana Systems。今年又曝出了自動駕駛產業的大消息——150 億美元收購Mobileye；

在數據的洪流下，英特爾跨過移動，甚至跨過人工智慧，跨過一切行業重新定位自己為一家數據公司，一家具有全棧實力處理端到端數據的技術公司——從數據的採集、傳輸、挖掘、分析、加速，到把數據轉化為洞察，產生價值、創造增值各個環節。

英特爾在補齊各個能力，提供一種端到端到的能力。什麼是端到端的能力？有什麼優勢？拿無人駕駛舉例。 英特爾無人駕駛事業部區市場總監徐偉傑告訴PingWest品玩（）——Mobileye很多是基於攝像頭的運用，相當於在無人駕駛汽車中有一個眼睛，能把數據採集到，採集到之後和已有大腦的網路形成一個真正的完整的解決方案。

「端到端，以前英特爾和寶馬、Mobileye合作無人駕駛，Mobileye有很多演算法，包括攝像頭的應用，數據從外部搜集過來之後，我們可以有高性能的CPU做一些數據的運算、決策的處理。但高清地圖的定位，這些數據需要到雲端，會有一些數據需要在雲端進行分析。通過5G的網路傳到後台，我們現在也有5G的原型。到了雲端之後，在服務中心、數據中心做各種處理再反饋回來，車根據所有的信息再做相應的執行，比如這個時候需要停還是怎麼走，整個過程可以看作是從汽車這一端，一直經過連接到雲端，這是端到端典型的一個例子。」

無人車就是一個多種複雜技術融合的典型場景，需要大量不同領域的技術公司和工程人員共同協作。比如車內的交互如何完成，背後的通訊由誰支持，雲上的世界要如何運算，不光是硬體層面，軟體介面甚至協議標準都可能不是一條完整的通路，而通路的每一個環節會不會涉及到不同的公司？

當然英特爾的優勢可以這樣理解——雖然很多無人車的數據通路都會是英特爾描述的這個情況，但是在英特爾這裡，是可以通過自家演算法、協議以及硬體組成一整套完整鏈條，在一些技術環節不需要介入其他第三方廠家。傳統意義上這樣確實可以幫助客戶加速，這也是不少業內人士評價英特爾所擁有的端到端的鏈條。

但涉及到是否參與到汽車製造的環節，英特爾也提到「英特爾是一個半導體解決方案供應商，我們不會自己去做Tier-1（高度參與制造的系統級供應商）。」

在不同的AI圓桌對話場合，PingWest品玩也注意到——如今的這些挑戰人的AI能力源自於三個主要方面：一是計算能力的不斷提升；二是數據產業的爆發；三是深度學習技術的突破。三大能力實現了人工智慧產業的火熱。從英特爾的角度看，宋繼強認為英特爾在前面的60年通過摩爾定律推動計算能力的上升，把存儲價格降下來，讓很多做人工智慧研究的人可以在消費級的平台做這件事情。而接下來的任務是降低使用門檻，英特爾希望推動人工智慧的民主化，把門檻降下來，讓真正做實業的人只關心怎麼應用，而不用擔心平台的問題。

當然討論這一切都是有前提的，就是PC之外，新興的、變換的市場會不會繼續使用英特爾的全平台產品？楊旭在演講中也提到——「如果沒有應用，AI永遠只是一個漂亮的PPT放在那裡」。而數據石油的戰略，英特爾就要寄希望於客戶都使用英特爾的全平台產品。

以下是PingWest品玩整理的關於AI、5G以及無人車相關的媒體對談實錄：

記者：新成立的全球AIPG，這邊是跟他們如何做協同？

宋繼強：目前正在規劃中，還沒有太多的信息可以透露，其實是在總部先成立了AIPG，AI就是人工智慧產品事業部，它裡面是有應用研究的實驗室，實際上會把英特爾的產品作為很多解決方案的方式去推出，會有硬體的東西，也會有一些演算法的東西，會去涉及到人工智慧的訓練，也會涉及到推導。所以是面向於人工智慧相關的業務，把英特爾很多技術整合在一起往外推送。

記者：現在各家晶元廠商講自己方案的時候都提到端到端，一方面大家覺得看到了很大的市場，希望在各個地方都有布局。但是能不能從你們客戶的角度講一下，為什麼需要一個整體的解決方案，不是我前端有一個很好的方案，我拿過來，終端傳輸5G有一個比較強的方案，後端用這一個方案。其實現在這幾個市場大家的強項都是不一樣的，英特爾的強項也在一定的市場。你們能不能講一下，在某些案例真的有端到端的作用，能給你們的客戶帶來什麼好處，這是第一個問題。

第二個問題，今天講到的策略是數據洪流這個概念，數據洪流我們知道未來在感知的一個階段還是會是一個很碎片化的階段，我不知道在英特爾現在提出的八個方向以後，你們到底如何面對碎片化前端的挑戰。

徐偉傑：所有平台都是開放的，並沒有你必須要用這樣的。比如針對無人駕駛的場景來講，不論用誰的晶元都是端到端的應用，用這個應用的時候，你的CPU決策，你可能需要開發一些你的軟體，對應你的感知，如果你有一個完整的SDK方向，一整套的東西，對於用戶來講開發的難度和開發的投入大大降低，如果你自己匹配不是一個方案的角度，你去匹配不同獨立的器件，結合到一起，就需要投入很多自己要研發的部分。

這是英特爾在全球獨一無二的優勢，是因為英特爾無論從感知，到決策，到通訊、後台伺服器我們都有一整套的SDK。基於SDK一系列晶元開發的時候，可以更好的帶來開發的容易度，包括做出的一些體驗，這對它來講是非常受歡迎的。當然我們一直在講開放，可以匹配一些東西，用我們的一部分東西，技術上是可行的。

鄒寧：無人駕駛是一個非常好的例子，5G作為通訊的技術，在裡面用到終端晶元，用到英特爾5G的Modem，用到英特爾發布的毫米波射頻的晶元，這是在終端。另外在網路側，為了降低整個傳輸的時延，因為自動駕駛時延的要求非常苛刻，5G提供了1毫秒的非常低的延遲、超可靠應用場景。在網路側會提供基於虛擬化的網路平台，比如去實現移動邊緣計算，快速幫助汽車下載高清地圖。對於開發者來說，我們提供了終端和網路不同的解決方案，組合起來才能變成端到端完整的解決方案。

宋繼強：他們講的都非常到位，從客戶角度來講，現在的客戶很多是專註於自己的應用市場，比如賓士，賓士是一個主機場，不可能有集成很多IT的系統，包括通訊、學習、地圖、數據，實際上是要依賴一個能夠提供完整方案的廠商。這樣的廠商現在英特爾是一個最好的角色，因為在計算上有前端，也有雲端，通訊上5G是可以打通的，而且這些協議其實是兩個層面，一個是計算層面，一個是通訊層面，這兩方面結合很好才能把低延遲做好。上面還有一個應用的開發層，開發層要允許賓士找第三方開發商的應用，開發的應用也是需要很方便的讓別人用。

這種軟體的堆棧到硬體的層級英特爾也是有的，我們不光是終端設備的，到雲端的端到端，還有全棧的支持能力。所以我們最後提供給賓士，比如賓士要做很多人機交互的應用，做車載的娛樂應用、信息化應用，英特爾有完整的解決方案。所以我為什麼說端到端是指硬體和通訊的能力，包括存儲，車裡需要用的是像非易失存儲這樣的，因為掉了電了以後，這些東西最好立刻存在那裡。縱向全棧的支持能力也是為了使這個廠商快速讓原來的software vendor可以迅速的把原來的技術、原來的應用移植過來，也是非常方便。所以從完全的能力來講，英特爾目前來說在市場上應該是獨一無二的。

碎片化的問題，這不是一個壞處，而是他們其實都可以給後台提供很多的數據，英特爾可能會關注裡面比較重要的前端設備，比如現在主要做的是無人駕駛，我們也說AR、VR，這些設備對英特爾來講比較容易提供比較好的計算支持。其他的設備我覺得英特爾是歡迎多種設備都連入網路，和後面進行交互，因為數據到了雲端都需要做處理，通過5G的網路可以很好地結合，因為5G網路本身就是提高它的容量，增加很多設備同時的接入。所以我們做5G其實也是在為應對這種碎片化的設備，5G應對不同的應用場景，有的設備是高帶寬、低延遲，有的設備是低帶寬、高延遲，但是要很長的使用時間，所以完全不一樣。

鄒寧：從使用場景角度來講，在通訊方面，5G有三大主要的場景，增強的寬頻、大規模的機器通訊。大規模的機器通訊實際上解決的就是需要有大規模的連接，有非常長的使用壽命，主要是針對物聯網這種性質。另外是超高可靠低延遲，這是針對自動駕駛、工業控制這類的應用場景。所以說，5G正好是連接了不同應用場景的多種終端，解決了碎片化連入到後端雲的問題。

記者：國內關於5G的部署，您覺得有哪些獨特之處，哪些行業哪些領域會有新的機遇？

鄒寧：剛才也說了的市場非常大，最大的網路，最多的用戶規模，實際上需求也是非常多樣的，我覺得無論從標準的參與來講，5G技術研發和技術實驗的進程來講，的產業界都在引領5G的發展。實際上我認為比較有前景的領域，物聯網肯定是一個非常有前景的領域，這也是符合政府提倡的產業政策。以後到了5G以後會有5G的IOT，會提供更多的業務形態，甚至是給運營商帶來嶄新的商業模式，這樣會督促5G進一步發展。

另外一個應用場景我是覺得是汽車自動駕駛這個行業，其實在通訊來看，自動駕駛在通訊傳輸方面目前為止已經有了「V2X」，到了5G的時候會進一步發展，會到5G的「V2X」。我相信具有延續性，5G肯定提供滿足不同形態的合適的通訊技術。