[原创] 英特尔人工智能全解析，35亿美元营收是如何做到的
2019-11-23
14:00:13
来源: 半导体行业观察
众所周知，英特尔正在经历着重大的战略转型，转变成为“以数据为中心”的企业。
同时，数据也是人工智能的重要组成部分，因而，人工智能也成为了英特尔未来发展规划中的重要分支。
近年来，英特尔也在人工智能领域进行了大量的投入，推出了针对人工智能领域的第二代至强可扩展处理器，也推出了面向人工智能的FPGA（Stratix 、Arria 10等系列产品），前不久，英特尔还公布了Movidius VPU以及Nervana NNP 神经网络处理器等人工智能领域所需的产品。
丰富的硬件产品及平台，让英特尔能够覆盖人工智能领域所涉及的多种应用场景。
与硬件一样，软件也是扩展AI的一部分。
为此，英特尔还在提供了多种软件工具及平台，来助力人工智能的全面发展。
英特尔在人工智能领域的投入也为其带来了丰厚的回报。
据相关报道显示，英特尔公司副总裁兼人工智能产品事业部总经理Naveen Rao曾在上周表示，今年英特尔人工智能收入预计将达到35亿美元。
然而，这并不是英特尔人工智能在2019年的最终战绩，在近期举行的英特尔实践AI媒体分享会上，英特尔人工智能产品事业部副总裁兼人工智能产品和市场研究总经理Julie Choi补充道，在2019年接下来的几个月中，英特尔人工智能产品还将继续服务于市场，届时，英特尔2019年人工智能营收将超过35亿美元。
英特尔针对人工智能领域所推出的软硬件产品及平台撑起了这35亿美元的市场。
Julie认为，碎片化的应用场景，让用户能够自由地选择适合其自身的硬件。
针对这种市场需求，英特尔则能为其丰富的硬件产品供其选择。
Julie表示：
“从CPU到GPU到FPGA到定制ASIC，我们正在将AI注入我们所做的一切。
”
目前，人工智能主要分布在边缘端和云端。
据Julie介绍，目前75%的人工智能硬件都将部署在边缘端。
边缘端上的人工智能若要获得成功，就需要在有限的功耗下采用有效的优化手段。
对此，在本次分享会中，Julie重点介绍了英特尔针对边缘端所最新推出的Movidius VPU，该硬件被称为“ Keem Bay”，可用于边缘媒体、计算机视觉和推理应用，Keem Bay的性能相较上一代VPU提升了10倍以上，功耗约30W，性能是NVIDIA TX2近4倍。
在软件上，英特尔还发布了面向边缘端的DevCloud。
据悉，DevCloud与英特尔OpenVINO工具包配合，能够完成在各类英特尔处理器上尝试、部署原型和测试AI 解决方案，可使人工智能更加普及。
Julie还介绍了英特尔最近所推出的云端的人工智能产品——Nervana NNP-T 和 Nervana NNP-I。
前者是云端训练用神经网络处理器，后者是云端推理用神经网络处理器。
据悉，NNP-T将由台积电制造，并采用 16nm FF+ 工艺。
NNP-I则是基于10nm工艺和 Ice Lake 内核而打造。
英特尔表示它在 ResNet50 的效率可达 4.8TOPs/W，功率范围在 10W 到 50W 之间。
对此，Julie表示：
“高效的推理，可扩展到多种拓扑并满足不同延时和功耗的需求。
”
同时，Julie也表示：
“AI不仅是计算机问题，我们还需要许多其他组件协同工作。
要交付AI，也需要高级的内存和存储，内存和存储将有助于保持数据流。
”
当然，软件也是英特尔助力人工智能发展的又一利器。
对此，英特尔推出了面向深度神经网络的数学核心函数库（MKL-DNN）、数据分析加速库（英特尔DAAL）、面向英特尔架构优化的深度学习框架、Analytics Zoo（为大数据构建大规模的E2E分析与人工智能应用程序）以及我们耳熟能详的OpenVINO工具套件。
软硬件上的百花齐放，让英特尔在人工智能领域获得了令人瞩目的成绩。
但是，据此前德勤发布《全球人工智能发展白皮书》的数据显示，到2025年世界人工智能市场规模将超过6万亿美元。
如此看来，英特尔如今在人工智能领域35亿美元的营收，在未来还有很大的增长潜力。
而这就需要英特尔要对人工智能领域做好提前的部署。
灵活地组合可以帮助在AI在边缘端或云端实现。
但英特尔中国研究院院长宋继强博士则认为，对于数据处理，目前这些架构或许可以满足当前的市场需求，但是对于未来则远远不够。
他认为机器智能发展的三大要素（机器智能的认知能力、学习能力和处理不确定性的能力）都需要提高，而这就需要新的方法来突破智能计算的边界。
英特尔研究院是英特尔的创新引擎，研究院目前由六大团队组成，包括机器人系统研究实验室、机器人交互研究实验室、认知计算实验室、智能存储实验室、通信架构实验室和新技术中心。
主攻人工智能技术、智能自主系统和智能互联基础设施研究。
在人工智能方面，英特尔研究院则聚焦在源于人工神经网络的深度学习领域，试图模仿人脑的机制来解释数据，例如图像、声音和文本等。
英特尔研究院在神经拟态计算的研究，已经有了相关的产品，即Loihi神经拟态芯片。
据宋继强博士介绍，最新一代的Loihi芯片中已经集成了13 万个神经元和 1.3 亿个突触，每一个神经元又可以和另外1000个神经元之间互相联系，片上网络连接支持高校的脉冲消息分发，构成高度复杂的神经网络拓扑，从而支持多种学习模式的可扩展的片上学习能力。
如此看来，Loihi神经拟态芯片十分契合未来机器智能三大要素的发展趋势。
需要指出的是，在今年Q2季度中，英特尔就曾推出了 Pohoiki Beach神经拟态系统，其中就包含了64 颗 Loihi 芯片，将 800 万个数字神经元和 80 亿个突触塞进了这个计算机系统里。
虽然这个数字距离人脑神经元数量（人脑是由860 亿个神经元组成）还有一定差距，但是英特尔下一步是计划要在 Pohoiki Springs架构上集成一亿个神经元，再次接近人类的大脑。
除此之外，英特尔研究院还针对量子计算进行了研究。
据宋继强博士介绍，在量子计算方面，英特尔有两种方式。
一种是与当前市场相同的，利用低温超导量子位的方式去做量子计算，目前，英特尔已经拥有了首款49量子位超导量子测试芯片“Tangle Lake”。
另外一种是英特尔独有的方式，即利用硅电子自旋来表示量子位，并推出了用于量子计算的最小自旋量子位芯片。
宋继强博士表示：
“我们依靠自己的300mm（12寸晶圆）生产线可以生产这种产品了。
”同时，他也表示，利用这种方法来进行量子计算更有利于规模化的生产，纠错能力也更强。
在量子计算方面，英特尔研究院除了针对量子位展开研究外，对检测也进行了一定的研究。
据悉，今年，英特尔与合作伙伴一起推出了首款Cryogenic Wafer Prober，这是全球第一台低温晶圆探测仪，也是量子计算首款测试工具。
无论是眼下的技术，还是未来的人工智能发展路线部署，都离不开生态的支持。
为构建人工智能良好的生态环境，在技术上，英特尔制定了六大战略投入加速人工智能的发展。
除此之外，英特尔中国战略合作与创新业务部董事总经理李德胜还介绍了英特尔加速AI生态发展的三个维度——一是AI人才的培养；
二是扩大创新项目的广度；
三是产业实现的深度。
具体来看，在人才方面，据李德胜介绍，目前AI专业人才的缺口是500万，加速人才的培养对于人工智能的发展至关重要。
在专业人才方面，英特尔建立了人工智能学院、推出了AI未来先锋计划，与高校之间合作掌握AI知识，并打造AI产教融合的解决方案。
其中，李德胜强调了英特尔在产教融合方面的工作，据他介绍，人工智能产教融合创新解决方案由英特尔公司与创新生态合作伙伴共同构建，旨在搭建一个以人工智能典型应用与技术的端到端的平台，兼顾实操训练与人才培训，并且提供人工智能基础课程实验，在计算机视觉/面部识别、自然语音处理等典型应用场景的基础上结合签约院校的具体需求深度定制行业应用场景。
人工智能产教融合创新解决方案将致力于推动人工智能产教结合的专业人才培养、相关科研合作、产业就业实践等领域的探索。
在扩大创新项目的广度方面，李德胜强调了创新项目与产业之间的关系。
他表示，中国拥有超过两千家的人工智能公司，其中80%的AI成立不到5年。
对于初创公司，英特尔建立了开放创新平台，利用云来访问英特尔的资源，可节省成本；
此外，英特尔还举行了人工智能大赛，鼓励人工智能的创新；
并推动AI产业创新联盟的建设。
同时，英特尔还计划在中国选取100家优秀创新AI项目，让这些项目更好地服务于产业。
据悉，正在加速的项目已超过30家，分布在社会中的各个产业中，包括金融和医疗。
最后，在产业实现的深度方面上，李德胜通过AI+智慧未来城市以及AI+智能机器人两个例子，阐述了AI如何能够能够深入到产业中去，并成功得以广泛应用。
他表示，英特尔期望利用自身的创新技术和生态，携手产业加速人工智能在各行各业的应用突破和落地。
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第2137期内容，欢迎关注。
『
半导体第一垂直媒体
』
实时 专业 原创 深度
识别二维码
，回复下方关键词，阅读更多
FPGA
｜苹果
｜台积电
｜射频
｜
ASML
｜
集成电路
｜
存储｜晶圆
回复
投稿
，看《如何成为“半导体行业观察”的一员 》
回复
搜索
，还能轻松找到其他你感兴趣的文章！
责任编辑：Sophie
