Intel宋繼強：人類未來要學會與AI共處

收購Mobileye，成立人工智慧產品事業部和人工智慧應用實驗室，英特爾在不斷收購的過程中，也加快了結構轉型的步伐。

「英特爾看好人工智慧在汽車形態上的應用，因為汽車本身就是一個存量的市場，只是需要去改造，價值是顯而易見的。」宋繼強說到。

作為英特爾研究院院長，英特爾在自動駕駛的發展過程中，最關心的還是安全性與可靠性，即在各種數據的支撐下要把安全性調好，還有系統的可靠性。「FounctionalSafety(功能安全)是第一位的，而全盤考慮是提高Reliability(可靠性)的一個很有效的方式。」

人工智慧帶來的顛覆，不僅僅是自動駕駛在不遠的將來取代司機，目前來看一些工作已經開始被機器取代。

根據記者之前的報道，機器替代人類工作，如搬磚砌牆、速記、律師、編輯、翻譯等職業的初級工作都面臨著被取代的風險。

而與「機器替代人類工作，造成大量失業」的論調相反，宋繼強更願意從正面去看待這件事情，「機器正在替代人去做那些特別繁重，特別需要損耗自己精力的事情，而把人解放出來做更有價值、更有創造力、更美好的事情。」

宋繼強認為，從科技發展歷史來看，人工智慧會造成需要的一些知識結構的變化，這是會發生的，但通常來講沒有看到因此產生的大的社會問題。但是在這個過程中，最為關鍵的是，人類必須學會靈活轉型，學會跟機器、跟人工智慧共處。

在人工智慧的加持下，手機之後的產品形態是什麼?對於這個問題，宋繼強用「貝爾定律」進行了回答。根據貝爾定律，每10年主流計算機的尺寸縮小一個量級，也就是10倍，同時用戶數擴大10倍。宋繼強認為，計算模式的演變是必然在逐漸轉向非接觸、非直接控制的方式。

從大型機(1978年左右)到小型機(1988年左右)，到PC(1998年左右興起)，到智能手機(2008年iPhone火熱)都是這麼一步步過來的。那麼即將到來的2018會是什麼呢?宋繼強稱，「現在的共識是，以後的交互模式是不需要人專門去學習，專門限制在一個小屏幕上，就是那種泛在的，用自然的方式跟它交互。」

「我覺得這是今年AI最需要突破的地方，是怎麼在之前的語音和視覺監控領域之外，找到更多的落地應用，甚至直接面向消費者提供價值，鋪開應用面，產生社會價值，進而真正要把支持人工智慧全方位應用的硬體體系構造出來。」宋繼強說道。

以下根據宋繼強問答實錄整理，記者做了不改動原意的刪減：

機器讓人類失業?人類應該

學會靈活轉型

記者：人工智慧目前已經在取代很多人的工作，當然也造成了一些人的失業問題，中低階層的人失業以後造成了貧富差距越來越大。您覺得這會成為未來五年面臨的很大的社會問題嗎?

宋繼強：通常從科技的發展來看，會造成需要的一些知識結構的變化，這是會發生的，但是通常來講沒有看到因此產生的大的社會問題。但人工智慧代替的一般來講是一些工作流程中重複性比較高，需要記憶力比較強的或者是計算要求比較強的，因為計算和存儲是計算機的兩大特色，這是它的特長。如果你想跟計算機比計算或者比存更多的單詞，你永遠是比不過計算機的，它真的發展很快。而且現在又有這麼多數據，基於數據去挖掘、整理、歸類的東西也是計算機現在會幹的事情，所以這些領域逐漸都是會由計算機替代。

但是人所獨有的這些推理能力，這種基於跨領域去綜合判斷的能力，這個是目前的人工智慧並不具備的。因為我們知道人工智慧目前都是針對特定的一個問題去設計的一個演算法或者訓練出來的網路，你讓它一下子遷移到另外一個，它沒有這個本事;你讓它跨不同的領域發現其中的一些結合點或者創新點，它沒有這個能力;你讓它突然靈感一現，它也不具備這個可能性。所以，人應該逐漸去發揮人自己的特長，而不是跟機器比記憶、比計算的速度，或者比我們能工作24個小時，這都不是人應該比的，或者是比力量，力量早已經不能比了。

現在主流的觀點是，機器正在替代人去做那些特別繁重，特別需要損耗自己精力的事情，而把人解放出來做更有價值、更有創造力、更美好的事情。這個造成中間的一些短暫的技能的轉換，這是必然的。但是對整個人類來講，這是更美好的事情，你不用整天記很多單詞，整天跟著這些新的網路詞語還要趕緊跟上，要不然你就翻譯不出來了。這個事情可以把你解放出來，你可以做更好的事情。現在一些人也在討論是不是可以讓AI跟人結合學點靈感能夠做什麼，作曲、文學、書法創作，我覺得這都是很好的一些靈感。

記者：但是總的來說，做這些工作的人需要開始考慮轉型了?

宋繼強：人一定是靈活的，就像以前做的很多搬運工作，慢慢的你要去換成做新的事情，人如果也一成不變，只能幹一樣事情，那就不是一個特別靈活的人。人的特點就是能夠快速學習新的東西，然後能夠去關聯好多種不同領域的知識。學會跟機器、跟人工智慧共處，因為人工智慧最終替代的是其中的一些環節，而不是整個端到端的流程。

人工智慧剛起步，做定製化晶元要尋求規模化

記者：從人工智慧的角度來說，包括目前我們看到的一些創業公司，都在做專門用於人工智慧領域的晶元，包括把語音或者麥克風整合到晶元中，做成一些專門針對於某個領域例如智能家居的晶元，您覺得這個東西英特爾會去做嗎?會去針對不同的領域做定製化的嗎?

宋繼強：目前沒有這方面的信息，因為人工智慧是一個大概念，是寬泛的概念，具體落到每一個應用領域都有它自己的需求，這個應用領域會選擇自己需要的演算法和它的一些指標，這個指標有時候就需要你去做出專門的晶元才能滿足它的體積、功耗和成本的指標。所以為一些特殊的應用場景做晶元，這是完全可以理解的，這是很正常的。只要創業公司確定這方面需要一個專門定義的晶元，並且它知道這個晶元在這個領域能夠規模化，它做是完全合理的，因為我們知道晶元必須規模化才有用。

未來的晶元按照不同的需求定製，這個是正常的。因為晶元實際上就是把一些軟體的功能給固化，讓它可以批量的生產，體積最小、速度運行得最快、功耗也低、成本也低。舉個例子，我們看電視裡面的視頻編解碼晶元就是這麼一代代來的。

這個市場是廣泛的，做晶元的廠商自然會將來專門為它做定製晶元。而且未來像這種人工智慧領域一定要細分到各個垂直領域，才能夠把人工智慧的很多演算法，把它的性能提到最高。就像你現在看深度學習的訓練，也不是一個通用的模型。一旦這個模型被訓練識別人臉，就不能拿去做語音識別，也不能拿去做基因測序，就是這個道理。所以一旦為這個應用確定好它的工作指標以後，就可以往晶元的方面發展。至於它能不能做成一個專用晶元，還是做成FPGA加速的方式或者GPU加速的方式，這要取決於它對演算法還能不能改變、微調，和能夠應用的量有多大，才能做出準確的判斷。因為做ASIC要花的時間比FPGA要長，做FPGA又比在GPU上試驗又長，周期是不一樣的，成本也是不一樣的。

記者：英特爾會在人工智慧晶元這個領域做一些什麼布局?還是說會提供更寬泛的定製化的東西，讓用戶去選擇?

宋繼強：我們的布局是比較全面的，從移動終端這個級別的晶元支持到後面雲端的都有，首先是端到端你都可以找到可以加速的英特爾硬體方案，同時在每一個垂直領域都還是有可能有不同的軟體層面的支持，所以是一個端到端的硬體支持加上全堆棧的軟體支持。

端到端的例子，比如我們在最前端，最小的設備，像手環這個級別裡面，我們有像Curie(居里)這樣的，這樣小的東西裡面都有108個神經元做簡單的分類機的訓練，這也是人工智慧的一個最小的體現。再往上走一級，像Movidius這種，已經可以支持像無人機的視覺功能、智能攝像頭，做監控用的智能攝像頭功能。再往上走一級可以選擇無人駕駛、Mobileye的IQ4、IQ5晶元的支持。再往上走一級，到了邊緣計算的級別，是非常適合採用至強加FPGA的方式。再走到雲端就是至強融核，或者Nervana，或者至強融核加Nervana，還可以加FPGA，多種組合。客戶可以根據他的需要選擇用什麼樣的方式，通常來講，如果你的工作負載比較確定;如果他的工作負載還經常有可能變，還在試驗階段，就可以用FPGA，甚至用至強融核。

英特爾給用戶提供的是多種選擇，因為AI現在還是在早期，給客戶提供定製版的晶元為時尚早。整個社會不是技術驅動的，是靠商業應用去驅動的，首先要把這個價值理清楚了，而不是技術本身可以推動這個世界。從AI發展的60年過程中，那兩次冬天來看，其實商業價值並沒有充分得到體現，自然這個技術還就要沒法往後發展。

買下Mobileye深耕無人駕駛，看好未來千億級市場

記者：英特爾是最擅長在晶元領域進行整合的公司，為什麼這次收購Mobileye之後讓它做獨立運營，然後把英特爾內部無人駕駛的部門合併到Mobileye?

宋繼強：這個要從Mobileye在這個行業的地位來看。因為無人駕駛這個行業，目前來講是一個非常高成長性的行業，一些領先的巨頭公司都想進入。但是要在這個領域裡面最終佔據優勢，一定是要做多感測融合，並且有演算法、軟硬體綜合去做優化。Mobileye已經成立了十二年，而且在前面這些年一直專門深耕，把它的計算機視覺的演算法應用在車載領域，做駕駛輔助和未來自動駕駛，並且做了專門優化。並且這個優化落地到了硬體的晶元上，也就是說他們是找了晶元廠商一起合作，把他們的軟體演算法的一部分和硬體緊密結合，提高性能，降低功耗，把它做成了一個很完整的系統。

Mobileye給大家提供的是一個完整的模塊，完整的方案，但是對於未來整個無人駕駛來講又不是全部，因為它必須和英特爾的其他技術，包括其他感測器數據拿進來融合。以後的模式肯定不會就是一個單路攝像頭，而是同時還要與通訊整合，還要和存儲的很多Storage整合。也就是說，英特爾的Go平台以後會和Mobileye有更深的整合。Mobileye是在它那塊已經奠定了很好的基礎，而且這麼多年來它已經跟全球很多車廠建立了很好的關係，這意味著它對這個市場的認知度很好，它知道該怎麼進入這個市場，跟哪些車廠做合作。

另一方面，它還有很多的數據，它在這個行業裡面已經收集了不同的國家、不同的天氣、不同路況下的數據。收購以後，英特爾在數據包括軟硬體、多感測融合方面一下子佔據了領先的地位。再配合英特爾自己本身也在重點發展5G，5G端到端通訊的架構，可以讓基礎設施跟車之間、車和車之間都構成一個完整的解決方案。這是非常重要的一步，這一步邁出去以後，等於我們向未來的大市場佔據了更好的有利地位，並且也給其他行業裡面一起成長的夥伴們奠定了一個信心，大家都知道這個領域是一定會發展得很快的。未來這個市場估計至少都是700億以上的市場，甚至可以達到一千億以上的市場。

記者：英特爾收購Mobileye以後，網上有一些言論是說無人駕駛這個領域未來會有三個巨頭，英特爾，高通和英偉達，您怎麼看這種說法?

宋繼強：我覺得不能估計到底有幾個巨頭，因為現在來看，無人駕駛這個領域還是屬於發展的早期，中期階段還沒到，到底最優的方案是什麼，其實需要靠實際運營去檢驗。現在來看，整個系統架構，英特爾提的是最完整的。我們應用在汽車方面的晶元給出了很多種不同的選擇，往內部看，英特爾有Atom級別的;往外部看，針對輔助駕駛或者以後的智能駕駛，有SQL、FPGA的方案，甚至至強融核也可以加進去做處理。到底這裡面的工作負載是怎麼分工合作，這塊我們現在覺得應該沒有個定論。但是不是就是現存的這幾家晶元廠商?比如你剛才講的高通、英偉達，是不是就是以後的三大巨頭呢?我覺得這個事情不能估計，太早了，說不定還有一家廠商突然崛起，以後成為巨頭之一，這也是我們很歡迎的。

做無人駕駛要全盤考慮，最關鍵的還是「安全」

記者：AI尚處於早期，為何看好無人駕駛這個市場和產品形態?

宋繼強：英特爾看好汽車+人工智慧形態，因為汽車本身就是一個存量的市場，只是需要去改造，價值是顯而易見的。對於整個社會來講，交通是可以靠它去疏解的，一個完全控制好的車隊和一個到處亂擠亂塞也是完全不一樣的，一些無畏的傷亡可以減少，比如一些司機誤踩了油門當剎車造成的慘劇就不會發生了。

記者：在您看來，無人駕駛最關鍵的技術會是什麼?

宋繼強：非常關鍵的是，在各種數據的支撐下要把安全性調好，還有系統的可靠性一定要調整好。Founctional Safety(功能安全)是第一位的，因為這是讓人去乘坐的車，所有都要以功能安全為主。這個系統里不光要加入能夠實時完成功能的一些軟硬體的技術、設施，同時要為可能發生的某些部件的失敗做備份。這裡面很多東西是跟傳統的在可靠環境里部署的系統是不一樣的，因為車是在各種路況下都要去工作的。

傳統的情況下，我們很多時候是知道這種工作負載和它的工作環境是什麼樣子的，但是無人駕駛不知道，而且它要為很多邊界情況去做優化、做完善，它的可靠性一定要高。不能說把80%、90%的情況都搞定了這個車就OK了，你還要去搞剩下10%的Case，因為每一個0.1%，甚至0.01%都可能造成人的死亡，所以要為各種邊界情況去做優化。

在無人駕駛領域，一個是各大廠商要以功能安全和可靠性為優先去做它的系統，並進行實際的測試。二是我們做整個系統的時候也要考慮到怎麼樣把端到端的布局做好，因為要做成這樣的可靠性系統，肯定不能光依靠自己車本身，要考慮到基礎設施怎麼幫你，別人的車怎麼幫你，雲端怎麼幫你，各種組合起來把這件事情可靠性做好。一定要有全盤觀念才能做好這件事情，千萬不能只是聚焦在一部分，例如我只負責視覺這塊，我加速就行了，絕對不是這樣的。

全盤考慮，這是提高Reliability(可靠性)的一個很有效的方式。比如說一個車，我可能再怎麼做，能做到99.9%的可靠性，但是如果我有了環境里的信息，我可以再給它提升，如果再有了別人的車給我的一些信息，我可以再提升。原來非智能車發展過程也是這樣，不斷利用新的技術增加進來去提升它的可靠性。

記者：目前，無人駕駛落地還有什麼樣的困難?

宋繼強：無人駕駛應用的落地，一個是在技術層面上，真的要把多感測融合，實時在車這端能夠搞定一些實際情況的快速反應，這件事情要做好。第二，要把車和基礎設施之間的信息交換做好。第三，針對不同的國家，他們的路況要能夠邊界情況處理掉。舉個很直觀的例子，做無人駕駛的人說，在美國、歐洲跑的車到肯定跑不好，在能跑得好的車到印度又跑不好，最後還說在印度跑得好的車到哪個國家又跑不好。從這幾個級別就知道，實際上是否跑得好跟整個環境，還有你面對的這些可以移動的智能體是很有關係的，所以只能是一步一步的來。的車廠首先可以解決怎麼在開好車的問題。

貝爾定律影響下，手機之後的產品會是更自然的交互

記者：你看好這些實體硬體與人工智慧的結合嗎?比如亞馬遜的Echo。

宋繼強：他們把商業模式做好了就可以了，為什麼不看好呢?亞馬遜的Echo模式已經很成功了，其實它並沒有用太高深的人工智慧，只是用語音做了一個入口，把遠距離收音做得特別好，別人很方便用它，不要走到它跟前跟它講。關鍵是它很好的接入了亞馬遜很多的服務，又開放出了簡單的平台讓別人在上面開發需求，它就做好了。所以你不太需要什麼特別高深的技術，只要把這個商業模式運轉起來就很好。

記者：但是智能音箱受環境制約很大，而且現在不是剛需，比如我用它叫一個外賣，手機也可以。今年很多人認為用對話式的交互替代之前的一些交互方式，在您看來，它會成為未來的確實嗎?

宋繼強：應該是未來的趨勢。至於是不是剛需，取決於目標人群。對於習慣了整天用手機的人，這不是剛需。對於那些經常手上拿著東西，不方便用手機的人，就會變成剛需。所以你看Alex，針對的很多並不是我們整天拿著手機的人，所以能否成為剛需是對不同人群來講的，沒有一個東西對普遍所有人是剛需的，只有空氣、水對所有人是剛需。針對目標人群定下來以後，你就會找到他們的剛需。

另外，計算模式的演變是必然在逐漸轉向非接觸、非直接控制的方式。根據貝爾定律，每十年主流計算機的尺寸縮小一個量級，也就是10倍，同時用戶數擴大10倍。所以你看到從大型機到小型機，到PC，到智能手機都是這麼一步步過來的，用戶數現在是爆發了。

下一代是什麼?他的年份剛好是從1978(大型機)、1988(小型機)、1998(PC)、2008(iPhone)，那麼即將到來的2018會是什麼呢?這種瀰漫在各處的計算能力和通訊能力，一定不需要你去用手指指點點的去操作。就像你在1998年的時候想不到iPhone這種設備一樣，同樣也想不到後續是什麼樣的交互模式。但是現在的共識是，以後的交互模式是不需要人專門去學習，專門限制在一個小屏幕上，就是那種泛在的，用自然的方式跟它交互。只不過現在還沒有做到那麼好，但是這個趨勢是一定的。越往後難度越高，而且有一個初期和後來逐漸能夠起量的過程。

不想冷卻，AI需要更多落地應用和直接面向消費者提供價值

記者：在您個人看來，對於人工智慧這幾年的發展有什麼樣的期待嗎?

宋繼強：這一波人工智慧的興起是靠深度學習催生起來的，而深度學習真正發揮作用的領域目前只有兩個，一個是圖像，一個是語音，而這兩個領域目前來講已經被深耕了，一個是安防監控領域，一個是智能語音的識別、語音助手這些。

首先，我覺得這是今年AI最需要突破的地方，是怎麼在之前的語音和視覺監控領域之外，找到更多的落地應用，甚至直接面向消費者提供價值，鋪開應用面，產生社會價值。80年代那波人工智慧是靠知識工程專家系統起來的，也做了一些2B的應用，但是最後還是沒做起來。這波我們希望真的能夠在這種針對廣大消費者、大眾的領域裡找到很多的應用點。

這波人工智慧的特點還有一個，就是很多是結合了硬體實體的，像機器人、無人機、智能音響，或者其他的智能體，智能空調等等，這也是跟前面的兩波人工智慧的熱潮完全不一樣的。我們不希望這一波人工智慧是靠技術推動起來的熱潮，再陷入應用落地不夠多，又冷下去。

第二，真正要把支持人工智慧全方位應用的硬體體系構造出來，不是說只是其中一點，而是各種應用都有能夠支持出來的硬體。就像英特爾，我們畫出來這個路線圖，我們希望能夠正常的把它實現出來。

第三，希望大家都能夠認識到AI是一個中立的技術，你可以把它用好，你也可以把它用壞，大家都努力用在好的地方。另外，結合實體經濟里的一些東西，，就像之前的互聯網+，「AI+」什麼，是不是讓傳統的互聯網產業多想想，讓他們知道AI能幹什麼?

記者：您現在最擔心的是什麼?

宋繼強：最近我發現，很多人對AI是一種很虛無縹渺的認識，好像它無所不能，這個認識就很麻煩。甚至還有很多AI從業者要多給原來的實體產業或者其它的非IT行業的人普及人工智慧到底是什麼，目前它能提供什麼水平，讓它們去指導這個產業如何加入人工智慧，能做到什麼樣的升級。把技術門檻降低了以後，我們也希望客戶知道這個東西能為他做什麼，而不是對他存在一個過高或者過低的預期，這是蠻重要的一件事情。這塊你們媒體也發揮著非常重要的作用。