英特爾中國研究院院長：AI時代，摩爾定律還能延續下去嗎？

本文來自新智元

近日，英特爾對外宣布組建了一個超級AI部門，而此前英特爾收購Mobileye的消息也引發業界震動，可以說今年英特爾對AI的關注達到了一個新的高點。而英特爾在產業里擁有端到端的獨特優勢，提供從伺服器、開源平台到雲計算的全方位解決方案，因此，英特爾的動向也是今年AI界值得關注的焦點。

在新智元「3·27」AI技術峰會上，英特爾研究院院長宋繼強發表了題為《釋放IA原力，擁抱AI時代》的主旨演講，全面解讀了英特爾在AI創新和生態上的戰略布局。

人工智慧甲子年，摩爾定律為神經網路研究做鋪墊

去年是人工智慧60周年，一個甲子。著名的摩爾定律也有50多年的歷史，摩爾定律的提出者是英特爾的共同創始人，英特爾也是摩爾定律的踐行者。摩爾定律和人工智慧有什麼交集呢？

人工智慧從上世紀50年代就開始了最初的研究，但那時的研究集中在邏輯推理上。這種方式過於複雜，到了上世紀70年代就走不下去了。80年代之後又開始了知識工程，發展了7、8年，非常紅火。到了80年代末期，隨著PC的興起，大家發現原來在PC上也可以做相應的應用，而且為專門的知識工程打造的機器太貴，由此出現了一個低成本顛覆，這讓人工智慧陷入了第二次冬天。

1993年英特爾發布了奔騰處理器，這是一個劃時代的處理器，讓PC級的系統具有了很強的計算力。當時正在研究神經網路的學術界終於有了合適的消費級機器做實驗，這樣才有了之後二十幾年逐漸發展起來的神經網路的研究。

數十年執行摩爾定律，屢屢衝破瓶頸，大數據洪流引爆人工智慧

到了2000年以後，晶元工藝達到90納米以下時遇到了很多問題，有很多猜測說摩爾定律可能延續不下去了。摩爾定律指出，每隔18-24個月，同樣計算力的晶元可以用一半左右的價格買到。那麼，2000年以後的摩爾定律是怎樣的呢？

科學家和工程師不斷在新的材料、新的技術上進行探索。45納米的時候，英特爾用高K技術升級克服了漏電的問題，22納米的時候，英特爾發明了3D晶體管，單個器件的尺寸變得更小，就這樣不斷把摩爾定律一步步往前推進，突破了很多瓶頸。這20年裡計算機和手持設備的性能不斷提升，現在手持設備的計算性能已經堪比當年的台式計算機。

同時我們也看到，隨著感測器技術和無線通信技術的提升，有越來越多的數據可以被採集。比如說，拿著手機隨便一拍就是幾MB的圖像，隨便一錄就是幾GB的視頻，預計到2020年一個互聯網用戶每天將產生1.5GB的數據。實際上，一家醫院可以把所有的設備聯網，把核磁共振成像等醫療數據放上網。而無人駕駛汽車一輛就能產生4個TB的數據，而且這些數據是多樣化的，不再是以前計算機上常見的結構化數據，所以需要排除噪音進行解讀。

由此形成的數據的洪流也是AI爆發的一個基礎。

深度學習促奇點臨近，AI需要民主化

深度學習其實是神經網路的一個升級換代的版本。隨著計算能力的增強，我們可以把網路做得更深更寬，同時有足夠的運算力、足夠的存儲，可以支持深度神經網路在可用的時間裡訓練出一個能夠適應某個具體應用的模型。

現在我們發現深度學習特別適合處理圖像數據，在過去幾年裡，計算機視覺識別的水平已經被推動到比人還好的地步，這也為我們帶來了很強的對未來智能時代的預期。

我們有理由認為，人工智慧在現在已經達到了爆發的臨界點，後面還會有越來越強的計算能力，越來越多的數據以及演算法的突破。預計到2020年，AI方面需要的計算力將增長12倍，而這12倍的計算力會給我們帶來一個完全不一樣的世界。

以英特爾所做的精準醫療為例，精準醫療需要做大量的運算，做基因組分析，分析醫療影像數據，以及實驗室測試的數據等等。在人工智慧技術的幫助下，原來需要幾天才能做完的，未來可能只需要幾個小時就能做完。

目前的人工智慧處於一個技術升級的階段，從技術升級跨越到產業升級才能實現真正的影響力。各行各業涉及很多具體的應用，每一個應用都會有專門的端到端的數據處理、分析、展現的要求，每一個應用實際上都需要不同的人來使用人工智慧技術把它做好。宋繼強提出了兩個要求，一是人工智慧的能力要增強，而且要加速適應到不同行業里去，二是要能夠讓更多人很方便地使用人工智慧的技術。這兩點也最為英特爾所看重，是AI民主化，或者說推進AI應用普及的重要因素。

人工智慧放在前端設備還是雲端？

人工智慧既涵蓋前端的設備又有後端的雲，我們應該把人工智慧放在哪兒？是放在前端的設備裡面，還是放在雲端？宋繼強認為，需要具體問題具體分析。

英特爾收購了Mobileye，有人說這是增強英特爾進軍自動駕駛的實力。但是，自動駕駛是不是Mobileye一家的能力就夠了？一輛汽車要自動跑起來，需要模擬人的視覺、聽覺和其它感知能力，對環境進行建模，還要快速做出智能的判斷來操控車輛，因此環境建模需要與感測器數據相融合。不僅僅有圖像數據，還有超聲波、激光雷達，所有這些不同的數據都需要不同的處理。自動駕駛如果出現問題關乎人命，因此控制者的反應速度非常重要。而自動駕駛汽車（也即前端設備）本身也一定要有足夠強的實時處理能力。

但在很多重要場景下，雲端仍然非常有用。如果汽車終端收集上來的數據要放在雲端做綜合處理，可以為整個城市的交通做更好的規管。在雲端，還可以用這些數據為自動駕駛訓練邊界情況。因此，根據情況，人工智慧既可在雲端，也可在前端，還可以兩者都部署。

閉環！閉環！閉環！

綜上，大家就能理解為什麼英特爾從去年的 AI Day 開始，一直表明自己是在做一個閉環，這個環是從前端的數據採集開始，經過數據通信網路和移動計算能力上到雲端，在雲端做更大量的優化訓練，再反饋到前端。英特爾認為，這個環必須時刻運轉，不需要停止，也不能夠停止。在這個環上，用戶需要很多種不同級別和種類的軟硬體加速的方案。因此，收購后的Mobileye也只是其中的一個方案，並非全部，而全部的方案需要很多技術去綜合配合，才能讓無人駕駛應用真正實現產業化落地。

就在上周，英特爾新成立了一個部門，名為人工智慧產品事業部（AIPG），針對AI產品的片段去做各種解決方案。在雲端有多種支持的方法，除了剛才說過的，在實際應用中還需要處理大量的視覺、聲音等各種數據，進行歸納和推理。此外，還會有通用計算的需求，以及專門針對某些負載去做針對性的加速。從PPT上可以看出，越往左邊就越通用，越往右邊越專用，用戶可以很容易地切換需要處理的應用類型，但都能達到理想的計算的加速。

英特爾的硬體產品有很多。要很方便地使用這些硬體，上面的軟體堆棧非常重要。中間這三層就是軟體的堆棧，底下一層英特爾會隱藏掉不同硬體間的差異，讓上層的框架能夠以同樣的方式去使用底層硬體的能力。其中包括了最新的關聯記憶庫，可以利用更長期的一些記憶去處理可能存在的模式和規律。中間這層可以支持很多開源的深度學習框架和大數據模型，可以讓用戶將在其他框架下開發出來的模型迅速地部署在英特爾的平台上。工具層能夠讓用戶更快地將英特爾的一些最新的方案使用到自己的系統和方案里，這些都涉及到很多不同的工具。最上層則必須按照不同行業應用的要求去優化整個堆棧。

開源和生態

以英特爾的開源平台BigDL為例，英特爾為什麼要做開源框架並且整合大數據？人工智慧處理的實際上是整個數據鏈條中的一個環節，而要真正要構造一個完整的應用，則需要經歷從採集數據，分類數據、過濾數據（比如去除掉一些涉及隱私的數據）的流程，最後才會給到人工智慧的模塊做處理。輸出也要配合別的數據做融合，還要以某種方式可視化，或者以可控制的方式回饋給系統。所以，整個處理鏈條仍然是和以前大數據業務十分類似，只不過中間加入人工智慧賦予的一些能力。

英特爾會提出BigDL這樣一個框架，就是為了方便以前使用Spark這樣的開源框架的用戶去做各種數據的開發軟體，讓他們可以無縫使用深度學習、使用人工智慧帶來的一些能力，這也是讓AI民主化的一個很好的例子。

同時，為了方便更多的初學者和其他領域的愛好者使用AI，或者使用英特爾的一些產品，英特爾還開設了一個人工智慧學院，由Nervana領導。英特爾收購 Nervana后，Nervana 實際上就成了英特爾人工智慧產品線的代名詞。在這個新的人工智慧學院里，英特爾會提供線上的培訓工具，還會提供很多線上課程讓大家自己學習AI的基本的理論工具和模型。在這個基礎上，用戶可以使用剛才介紹的英特爾的一系列工具，加速推進AI項目。不僅如此，在人工智慧學院還有社區，用戶能在這裡和行業里的夥伴以及英特爾的技術專家一起去討論怎樣更快地進行協作。

我們當前正好處在人工智慧技術升級的當口，對於像人工智慧這麼大的一個產業，要實現產業成功升級，光有一家公司是不夠的，他們希望大家能夠共同合作來支持開放的數據交換和知識共享。舉個例子，在精準醫療領域，英特爾在有一個合作夥伴項目，致力於推動不同機構之間的數據交換和合作。精準醫療這個領域需要很多的數據，而這些數據很多時候又在不同醫院或醫療機構的手裡，只有開放才能共贏。因此，英特爾更希望有政府或者一些NGO的組織一起來協作，推動各個行業都能夠用一些標準化的方式使用人工智慧的這些能力。

引導AI，承擔社會責任

人工智慧是一個非常顛覆性的技術，AI 和之前的一些科技創新一樣，可以用在好的地方，也可以被人用在不好的地方。英特爾作為具備社會責任感的公司，一定會推動跟產業合作，讓AI能用在正確的地方，發揮積極的作用。

第一個例子是疾病治療。英特爾在美國跟一些醫療機構合作利用大數據和人工智慧，做了治療帕金森症的項目，還有協作式的癌症雲。在，英特爾還參與了知識產權和隱私保密相關的項目，英特爾與京東合作，使用人工智慧很好的應對了去年雙十一侵權和非法圖片使用的問題。在雙十一的時候有數以億計的用戶和商家一起在網上推一些圖片，單靠人力無法快速準確地篩選出其中有知識產權問題的圖片，而通過使用英特爾的一些方案，搜索速度提升了4倍，很好地解決了這一問題。

除了數據的安全和隱私，人工智慧還應該讓我們的社會更加安全。右邊這幅圖展示了一個非常有意義的工作——尋找失蹤兒童和被虐待兒童。在美國有一個專門幫助尋找失蹤兒童、救助被虐待兒童的組織，這個組織去年收到800萬份報告，每份報告裡面都含一些視頻資料、影像資料，如果靠人去看需要30天才能把一個個案分析出來。現在，他們與英特爾合作，希望藉助英特爾的人工智慧技術，將時間縮短到一天以內。宋繼強說，「你想想如果一個走失的兒童，或者是一個正在遭受迫害的兒童，一個月對他來講是什麼概念？」如果真的做到了，這個意義將是難以估量的。

人工智慧到了轉折點，只有產業才能真正推進技術

英特爾在已經紮根30多年，在行業里和很多公司和機構都有密切的合作，包括互聯網公司、內容提供商、銀行，提供語音、視覺的垂直領域公司，還有大學。AI創新在不同的行業裡面去開展生態合作和應用，可以把社會價值呈現最大化，促進產業的升級。

人工智慧目前已經到了一個轉折點，我們都希望這一波熱潮能夠持續下去，不會再因為一些不確定性的因素再進入一個冬天。所以，就更需要大家一起合作，把學術、技術的升級真正應用到產業裡面，變成產業的升級——只有產業才能把技術真正推動下去。

哪三項人工智慧研究讓宋繼強引以為豪？

在新智元開源·生態AI技術峰會結束后，宋繼強接受了新智元的獨家專訪，提到了英特爾研究院最令他自豪的三項人工智慧研究：計算機視覺、環境物體識別、自適應人機交互。

宋繼強認為英特爾研究院很適時地趕上了AI浪潮。3年前，他們做計算機視覺的研究時，就已經開始去鑽研深度學習這一技術方向，而且取得了不錯的成果。宋繼強說：「基於視覺的理解，做人臉表情的處理，我們已經是在國際的學術比賽上拿到第一、第二的這種級別。」

第二個研究是從視覺理解擴展而來的物體識別、環境理解等領域。例如平安城市裡的數字監控系統，需要理解這個場景里發生了什麼，理解除了人臉之外的其他物體。這一塊，英特爾深入跟產品部門共同合作，把新技術用在產品里。此外，英特爾也積極應對無人駕駛方面的一些挑戰，把這個技術升級帶到產業升級裡邊。

第三個跟人工智慧相關的就是服務機器人，也稱為自適應的人機交互。人工智慧應用實際上是針對某些具體的需求再訓練一些能力，通常不能保證百分百可靠，特別在遇到一些新的場景或者一些並不太好的視角時，執行度不是很高。但是，在產品級應用中，必須提供一致的用戶體驗，不能因為看不清就不做。對此，英特爾將AI的技術和人的交互放在一起，去彌補AI的不足。換句話說，在AI不足的某些情況下，充分利用人的智能。「讓機器可以跟人學，根據這個互動，我還可以去逐步了解我服務的用戶有什麼特性，逐漸做一些個性化服務。」宋繼強說。

產業上游的英特爾在開源生態中位置在哪兒？

「開源」和「技術」是新智元本次AI技術峰會的主題，宋繼強怎麼看待現在的開源生態環境？英特爾這樣的大公司在這樣一個開源生態環境中又扮演怎樣的角色呢？

宋繼強表示，開源生態是非常好的，特別是對於AI技術，本身的學術門檻加上產業化門檻都比較高，所以現在一些大公司都在紛紛推出自己的開源方案，把這個門檻降低。

英特爾在開源方面也投入很多，包括以前開源操作系統Linux和後來的Spark。宋繼強說，在Spark裡邊，英特爾是貢獻最多的企業之一。現在，英特爾會把開源這塊的優勢加上人工智慧一起繼續做好，讓已經習慣了使用這些開源方案的用戶可以很容易地去使用AI技術，從而帶來一些新能力。宋繼強說：「總的來說，開源的生態對於在這種新的領域實現快速的產業化是非常有幫助的。英特爾會鞏固並加強曾經的開源優勢，在AI時代持續幫助開源生態的建設。」