首页 > 观点 > 正文
错过手机的英特尔,能在人工智能时代力挽狂澜?
来源: C114中国通信网   发布时间:2016-11-30 11:00:48

        英特尔公司是全球最大的半导体芯片制造商,没有之一,他们推出了首个微处理器,是计算机历史上的一个重要里程碑。在20世纪末,计算机和互联网发生了暴风骤雨般的革命,PC以渗透性地方式改变了整个世界的节奏,在这场变革中,英特尔的创业团队,是真正的幕后核芯。

  PC行业快速发展的时代,intelinside的宣传口号堪称经典,风靡程度不亚于Hello Moto,但随着移动端的生根,苹果手机的诞生破开了PC主宰的时代,移动互联逐渐掩盖了其的光芒。而英特尔恰好沉迷在PC的迷雾中还未走出来,以至于智能手机遍布时仍未能分得残羹半粥。

  

\

 

  时代进步一直是一种技术象征,从机械时代到互联网时代,无疑不是浪拍岸,一浪盖过一浪。直至今日,我们风靡吹捧的智能手机普民化后成为日常所需,接踵而来的又是一阵VR/AR与AI的风潮。VR/AR技术是加强体验,前者多用于游戏与影视方面,后者则是更为贴切生活;与它们不同,AI是下个时代的风向标,是下一次技术革命的终点,如机器人、无人驾驶汽车等等已成趋势。作为技术领域最具影响力的巨头们,英特尔、谷歌、IBM与微软都在这一领域投入了大量资源。

  那么作为错过智能手机的英特尔,如何力挽狂澜呢?

  首先是研发与收购抢夺芯片市场份额,占据市场领地。

  

\

 

  根据CB Insights,英特尔在AI领域总投资额排在第二位,这将加强AI核心竞争力。近年来,英特尔传统业务表现不佳,为避免对PC、服务器的过度依赖,公司基于主业积极谋求战略转型,将业务从PC芯片、移动芯片拓展至数据中心(云服务)、物联网、人工智能等领域,未来英特尔还将打通从云端数据中心到设备终端,历经大数据处理环节,再回到云端数据中心等AI闭环,打造AI生态系统以谋求领导地位。

  英特尔AI终端布局聚焦于人机交互,通过提供英特尔Curie模块、Edison计算平台、Cedar Trail芯片平台、RealSense实感技术及凌动处理器等技术,进一步提升终端设备智能化水平,并将设备数据上传至后端数据中心。目前,英特尔芯片已经部署在全球97%包含AI工作内容的数据中心内,在AI后端布局中主要是研发适合机器学习CPU芯片,如Xeon和XeonPhi芯片(是机器学习领域使用率最高的芯片产品)、及FPGA芯片,以拓展AI计算性能。

  其次,在软件方面上加注,致力收集数学核心函数库和数据分析加速库。

  

\

 

  目前,英特尔已开源针对深度学习数学核心函数库——深度学习神经网络(IntelMKL-DNN),以供MKL深度学习神经网络层的使用。2015年发布数据分析加速库DAAL,可帮助第三方开发者在Intel底层硬件上更好进行机器学习模型的搭建和训练。Intel在2017年还将在“数学核心函数库”产品中发布神经网络API,供开发者直接调取,降低了开发者入门机器学习的门槛。

  此外英特尔还围绕AI领域进行了一系列收购,(如体感识别公司Omek Interactive、Hadoop咨询公司Xtremeinsights、自然语言处理初创企业Indisys、联想记忆Saffron Technology、半导体厂商Altera、半导体功能性安全方案厂商Yogitech、计算机视觉公司Itseez、AI初创公司Nervana、计算机视觉公司Movidius)。

  最后仍是不忘硬件业务,竭力对抗NVIDIAGPU。

  

\

 

  英特尔芯片虽以高速处理数字著称,但NVIDIAGPU芯片在处理视频、语音等非结构化数据及识别模型时更为高效,在深度学习、神经网络服务器等性能表现远超英特尔。在软势力的布局收获甚好的局势下,必然也是需要将好本行——硬件芯片摆上战斗台。

  2016年4月,英特尔发布极适宜处理机器学习模型评分(scoring)应用的双路服务器芯片XeonE5-2600v,借助英特尔底层芯片架构,京东、奇虎360将机器学习模块可扩展性提高10倍,部分机器学习周期缩短8倍。目前英特尔正为AI应用研发至强融核处理器家族XeonPhi,计划2017年推出至强XeonPhi新型芯片(代号为Knights Mill)。未来百度Deep Speech平台数据中心将使用这款XeonPhi芯片,以最大限度地提高自然语言的语音的解析速度。预期未来至强Phi将广泛应用于语音识别、图像识别、及自动驾驶等领域。

  同时,2016年8月,英特尔耗资4亿美元收购深度学习初创企业Nervana,试图通过Nervana Systems在硅层实现机器学习,而非基于GPU架构。Nervana针对神经网络设计了Engine芯片,在深度学习训练时,Engine芯片比传统GPU的能耗和性能优势更为突出(据称Nervana处理器速度可达到GPU的10倍)。收购Nervana,Intel可将CPU优势延伸至深度学习领域,缩短开发深度学习应用、及应用推广时间。

  此外,2015年12月,英特尔以167亿美元收购了FPGA厂商Altera,英特尔为了开发统一的接口,试图将Altera的FPGAs和英特尔至强系列处理器封装到一颗芯片,新芯片将以互补、配合方式完成深度学习训练。2016年4月,英特尔与科大讯飞联手推出的深度学习计算平台,借助英特尔至强处理器及Altera FPGA的底层硬件技术,依托科大讯飞在自然语言处理、语音识别方面的核心技术,可实时将发言者的语音转化成文字,准确率高达95%。未来至强、FPGAs一体化芯片将大幅提高CNN影像识别、目标探测、发现大数据规律的效率。

  AI上的战斗,必然少不了无人驾驶与机器领域,英特尔更是如此。

  英特尔并非在软件硬件才力拼市场,就连陆续跟进的无人驾驶的车联网也不忘涉及,目前正着力研发“ADAS高级驾驶助手系统”,与众多汽车厂商进行合作测试。并在中国与中交兴路组建“车联网联合创新中心”,共同探讨智能车载终端技术、车联网云平台、行业大数据解决方案及业务模式创新。

  为求加速无人驾驶项目推进,还在机器视觉领域进行系列重磅收购。2016年5月,英特尔收购计算机视觉(CV)算法公司Itseez,Itseez助力英特尔研发创新型深度学习的CV应用(如数字安全监控、自动驾驶、工业检测),以打造从汽车到安全系统的物联网(IoT)。2016年9月,英特尔收购计算机视觉开发商Movidius。Movidius技术被用于Google、大疆、联想等公司,为无人驾驶飞机、安全摄像头、AR/VR耳机等智能设备提供视觉功能。收购后,Movidius将与英特尔的Real Sense技术配合。

  最后,英特尔在布局上并不比谷歌逊色,以收购力腕来看,AI到来之势英特尔定然占据不少的市场力量。

分享:
 关注机器人圈微信
北京赛迪经纶传媒投资有限公司 版权所有 京ICP备05039896号-18