英特爾中國研究院院長：金礦在「隱藏的知識和數據」中

文/製作:李海丹 編輯:李靖

本期觀察家: 英特爾研究院院長宋繼強

如今，在人工智慧普遍而深刻地改造幾乎所有產業的背景下，全球各大技術型巨頭公司都希望能通過技術優勢和產業的領先地位，尋找新的成長「發力點」。

以英特爾為例，在近兩年的轉型與重組后，其將目光聚焦到物聯網、5G、人工智慧等領域，通過大量收購和內部研發雙重布局，力求抓住這一波新興的市場。

那麼具體來說，如今的英特爾，在怎樣的戰略發展路徑下，已經擁有了哪些創新點？其公司的人才培養戰略又如何？在由亞傑商會舉辦的"AI改變世界 ——李開復博士《人工智慧》讀書會"上，鳳凰文創採訪到了英特爾研究院院長宋繼強，為我們做出了解讀。

△英特爾研究院院長宋繼強接受鳳凰文創記者採訪

英特爾的創新，貫穿數據處理循環過程的各個環節

鳳凰文創: 近年來科技巨頭在技術創新和迭代方面的競爭十分激烈，尤其是在人工智慧領域。從技術角度來看，英特爾目前有哪些新的領先成果或者創新點？

宋繼強：在人工智慧領域，我們目前主要是需要處理很多數據。處理數據的循環步驟過程分為採集、傳輸、處理和存儲，而我們說的創新點在這些環節中其實都有所體現。

首先是在採集的過程中。因為過去感測器的種類比較單一，但現在英特爾的平台上接入了很多新的感測器。舉個例子，我們推出的Real Sense Camera是一個深度攝像頭，這個攝像頭可以拍攝到環境里那些不單是採集顏色的信息，其中深度的信息也會被全部採集進去。這些信息通過處理之後，我們就可以從中提取出需要的信息。

除此以外，這些信息在系統里還需要與其他的信息融合，對相應的場景做出理解。比如說還需要去理解這個場景里有沒有其他的一些物體或者一些聲音，再對這樣的場景做出一些處理。

那麼在這個處理過程中，就會涉及到很多種不同的硬體。比如說在硬體處理的層面或者加速處理的層面。比如在前端方面，也就是就是設備端，英特爾會有一些新的產品。比如像Movidius等這樣的晶元，這種是可以配備在小的設備上，比如說在攝像頭裡就可以有這樣的硬體加速功能，用它來識別環境里的物體或人，這是現在的很多設備所不具備的功能。

同時，在數據傳輸過程上我們也有所創新。實際上過去的網路大都只是處理了數據的轉送過程，並沒有在數據的增值或者在減少數據量的過程上做太多的處理工作。而現在英特爾在整個5G——第五代的移動通信的研究里做出提升，就是把5G的接入網這部分加入了計算能力，也加入了一些存儲能力。

而這個計算能力可以在傳送數據的過程中，幫助我們找到哪些是比較重要的數據，我們再從這些數據中做出優先處理或分析。簡而言之就是可以幫助去掉一些冗餘的或者重複的信息，把重要的一些信息提取出來，可以把信息精簡化，再傳送到雲端。

另外在存儲方面我們也有很好的技術創新。比如有像3D pros and cons這樣的技術。這個技術可以提升企業在存儲上的密度，同時在價格上也可以比原來的方案更合算。這樣的話我們也可以讓前端的設備去擁有更好的存儲能力，可以把更好的計算能力放到前端設備。

在雲端方面，我們目前有一些更好的支持人工智慧的產品。比如說對於多種應用場景數據處理的時候，我們有像至強（可擴展處理器的技術）或者是至強融合等這樣的技術來處理，它的優勢在於可以支持多種任務，同時也可以靈活切換。而如果是針對於某些具體的應用，我們會用一些專門的應用加速器做出處理。所以說，這種方案是比較合理的；通過不同的硬體對不同的數據進行加速，最後形成在處理方案上更為完整的、好的創新點。

英特爾的人工智慧創新，很多來自「隱藏的知識和數據」

鳳凰文創:現在很多人在談論「人工智慧與創新融合」的話題，您認為從技術發展的角度來看，有哪些「創新點」值得關注？或者說，您認為人工智慧領域，有哪些商業化非常有潛力的爆發點？

宋繼強：關於一些創新點，我認為還是要從行業里的數據去挖掘。因為人工智慧的真正作用，是需要產生客戶價值的，而實際上這個價值很多都被隱藏在了數據里。如果你不理解其中的數據，有了演算法也不能提取到其中的價值。

所以我認為其實有很多創新點可能是發生在以前我們所忽視的數據里。以精準醫療為例，過去精準醫療更多的是通過血液來檢測DNA來篩查，尋找有哪些變異的基因排序，這是常規的精準醫療需要做的事情。但現在我們發現，如果把其他的一些醫學影像的處理、或者把一些檢測報告等數據綜合到一起來看的話，我們可能會發現更多的個性化問題，通過這些數據做出相應的診療。

所以說現在我們會看到，有一些關於醫學影像處理的方法逐漸開始湧現和不斷提升。因為不同的病症有不同的特點，在過去所遇到的難點是這些信息大都是在醫生個體的知識儲備里，我們沒辦法具體來描述它。而即使讓好的醫生去引導與培訓其他醫生學習，也不一定會帶出一個好的醫生，畢竟人與人之間的個體差異性很大。

但是如果通過機器學習的方法去做就會有很大的不同，機器可以通過對數據的梳理和標註，從1-2個優秀的醫生那裡學會所需的技能，而在這樣的方式下這些技能也會更容易的被擴展和傳承。同時醫學影像這個領域也是細分的、通過很多不同的影像構成的。比如說有超聲波的影像，有核磁共振的影像、有CT的影像等等，這些都是不同的診療手段，我們可以分門別類的在這些領域中去挖掘其中的價值。

所以我認為和健康有關的領域是一個非常大的產業，每個人都需要健康的身體，有針對自己的快速、或者個性化診療方案的需求。但這個領域的數據很多時候是被隱藏，或者還有一些知識等等，換句話說就是人類很難去快速傳承的領域。但一旦通過人工智慧或者一些創業者去深挖或者拓展這些領域的話，就可以很快的創造價值，我覺得這一部分是一個隱藏的金礦。

「兩條橫線」和「兩條縱線」是英特爾的戰略路徑

鳳凰文創：英特爾在近幾年做了很多轉型工作，公司在轉型過程中有怎樣的核心發展戰略？下一步的發展計劃是如何的？

宋繼強：以前英特爾公司的轉型主要是靠推動CPU待機的更換，包括生產的工藝、摩爾的定律的推進等方法去提高產品的競爭力。而現在我們發現，計算力的增長，只是其中創新的一個推動力。

其實另外還有兩個推動力，那就是數據和演算法。我認為這一次人工智慧的興起，它能夠達到今天的可用性，其實就是由這三個點來共同造就的。所以說目前我們在英特爾創新的戰略里會把這三個要素都包含在其中，而數據就是其中最大的一個亮點，簡而言之，就是我們要去理解數據，要知道如何讓數據在各行各業中產生價值。

所以英特爾目前的整個戰略可以被歸結為「兩條橫線」和「兩條縱線」的戰略。

「兩條橫線」就是對數據進行處理或做存儲。具體來說，第一條橫線就是通過AI 的演算法提供計算的加速器，從終端到移動的邊緣、到雲端部分都有不同計算的加速器存在。

第二條橫線就是通訊部分，讓數據可以無縫的在端邊緣流動起來。而在這部分5G的移動通訊是非常重要的，這也是英特爾第二條發力的橫線。這兩條橫線都是可以支持不同的產業的。

縱向方面。一條縱線是無人駕駛，我認為這是未來一個非常大的應用平台，因為每一台無人駕駛的車都聚集了人工智慧技術、感知技術、控制技術，還包括先進的計算技術和存儲技術等等。從這個角度來看，它實際上是一個移動著的伺服器。因此在這部分英特爾也投入了很多資源，包括對一些企業或者公司收購；比如對Moblieye的收購。因為Moblieye可以提供很多的數據，也有很多軟硬體結合的方案，都是為了在這個方面建立創新領先的優勢，這是一條縱線。

另外一條縱線就是對虛擬現實、增強現實這樣的應用場景的投入。因為這些應用場景是人們目前在真實世界里感受不到的體驗，而這些應用場景是需要通過對一些真實的數據做加工處理產生的。首先它是平台性的，比如說在這樣的場景里可以放進去很多不同種類的場景，比如說加入教育、娛樂或者體育等方面的虛擬場景。但同時它也是一個比較垂直應用的領域，比如說在技術方面，它需要端到端通訊的快速支持、需要前端頭戴式顯示設備的快速展現、需要雲端對這些虛擬現實的場景做一些綜合處理的能力。總而言之，這「兩條橫線」和「兩條縱線」實際上代表了英特爾目前在基礎信息基礎架構的支撐能力，以及在縱向垂直領域方面的發展。

下一步要以數據公司的方式去思考，如何找到重要發力點

宋繼強：對於英特爾下一步的計劃，就是我們更多的會以數據公司的方式去思考，簡單來說就是思考：在將來能夠通過AI去處理很多新興數據的時候，英特爾如何能夠在其中找到比較重要的發力點。比如說在AI在處理不同種類的數據的時候，（以自動駕駛為例），裡面的數據有哪些種類？有哪些是數據量大、要求傳輸的延遲時間比較短、計算的複雜度高的？這些領域一定是需要高級別的計算能力去支撐的，也是英特爾可以去發力的點。

在通訊領域，我們會關注有哪些是需要英特爾為一些場景去做移動邊緣計算的優化、有哪些是需要在雲端做大規模訓練的優化？我們會分別會為這些訓練數據的處理和存儲（包括通訊等），去構造一些專門的解決方案，這樣就會逐漸形成為一個端到端的解決方案，我認為這個是英特爾在解決方案方面的一大優勢。

英特爾人才戰略的側重點

鳳凰文創：除了先進的技術,卓有獨特的人才管理也是企業成功的重要因素。對於英特爾公司，公司在人才選擇與培養方面會關注哪些方面？

宋繼強：在目前的這個時代，數據成為一個重要的資源，引用我們CEO的一句話就是：數據是未來時代的新的石油，我們從石油里可以提煉出很多產品。同樣地，對英特爾公司來說，就需要考慮如何從數據里也可以挖出各種各樣的價值、各種各樣的客戶方案。

因此在這種環境背景下，英特爾有幾種人才是在持續去培養和保留的：一種是關於硬體加速的人才。比如晶元的設計人才或者製造人才、人工智慧的演算法人才、可以針對於不同硬體架構做出軟體優化的人才，還有像通訊方面的人才等，這些都是我們重點去關注、培養和保留的人才。從市場上來看，這些人才實際上是有長期價值的，在未來這些方面的人才都可能會影響到整個AI產業，能夠把這些硬體的方案推動到產業化，成為非常重要的支柱力量。