对话英特尔：我们不仅有神经网络处理器，我们的AI在每个行业都有合作

本篇文章3807字，读完约10分钟

不仅娱乐圈有明星，科技界也有明星。英特尔是科技界的一颗明星，它全年都在聚光灯下，它的言行将被放大。

不久前，主要媒体报道了英特尔和英伟达人工智能底层芯片之间的纠纷。英伟达认为，图形处理器将在人工智能深度学习领域遥遥领先；英特尔相信中央处理器可以取代图形处理器来加速计算。公开演讲是公平的，而老妇人说老妇人是合理的。

今天，在2017年英特尔人工智能大会上，沃克科技采访了英特尔人工智能事业部业务发展总经理费兹莫哈默德，并就英特尔人工智能布局等热点问题进行了深入交流。

Fiazmohamed是英特尔人工智能产品部门的业务开发和解决方案部署领导者，并因收购nervana而加入英特尔。这位技术行者最后一次见到fiazmohamed是在2017年全球汽车人工智能大会上，这是他第一次以英特尔人工智能部门业务发展总经理的身份接受中国媒体采访。当时，他似乎有点紧张。在这次采访中，他变得冷静，与媒体的交谈也更加顺畅。席间，他不仅和侃侃聊天，还偶尔笑了笑。

Fiazmohamed说，英特尔现在的主要目标是为各种可能的使用场景做好基础设施研发工作。一开始，我从英特尔神经网络处理器(英特尔神经网络处理器芯片，以下简称nnp)开始工作。

Fiaz mohamed，英特尔公司人工智能部门业务发展总经理

根据对话内容编辑以下内容:

技术沃克:在英特尔收购奈瓦那之后，它对英特尔人工智能战略有什么影响？

Fiazmohamed:nervana及其代表的nnp在英特尔人工智能战略中扮演着重要角色。它可以解决目前的大部分主要挑战，但它并不代表整个英特尔人工智能战略。

Nnp就像中间的一个核心，可以解决数据中心遇到的许多问题，并提供更快的性能，但在英特尔的整个人工智能产品线中，它非常非常广泛。

技术沃克:关于nnp相关的问题，首先从技术角度给出一些数据来解释为什么它在深度学习领域有优势。它现在部署在奈瓦那云上了吗？它在数据中心有什么用？

菲亚兹·穆罕默德:我们还没有提供性能数据，因为它涉及非常严格的比较数据分析。到今年年底，我们将获得一些早期数据，通过与客户的合作，我们将从他们那里得出一些对比分析数据。随着我们收集越来越多的性能数据，我们将逐步发布关于nnp处理器的具体性能数据。英特尔目前正在与一些初始合作伙伴和客户合作(目前的部署主要在数据中心)，但这些合作伙伴的名字还不能透露。

其次，构建奈瓦那云的主要原因是使其成为一个展示英特尔产品性能的平台，不仅是芯片，还有相应的软件性能。之后，我们将通过nervana cloud慢慢测试和调整软硬件性能，并发布一些相关数据。一般来说，nervana cloud主要服务于我们的核心客户，并做一些初步的产品技术测试。

第三，nnp被广泛应用于各种领域，例如城市中的图像监控，例如，在北京的各个地方部署了数以千计的高清摄像机来监控城市安全图像。除了监控，国家核计划也有能力预测或预见某些危险，可能会出现在后台。这里涉及两个方面，第一是系统本身的训练，另一个是推理。在很短的时间内，大量实时数据将进入系统，因此您应该在很短的时间内(可能是几秒钟)识别它，并在此基础上预测可能发生的一些威胁。这种推理能力很难通过传统的计算架构来实现，而这正是nnp能够展示其神奇力量的地方。

科技沃克:移动人工智能硬件的实现方法有两个学派，即fpga学派和asic学派。每个人都普遍认为fpga部署复杂且昂贵，这还不是主流。英特尔应该如何解决这个问题？

Fiaz mohamed:目前，这种移动端的深度学习有一种混合的情况，即fpga和asic。我们可以看到，一些应用有特定的要求(非常低的功耗)，例如无人机或其他类型的终端设备，这将在功耗和计算能力方面受到限制。我认为fpga可能更适合这类应用场景。

在一些类似于数据中心的应用中，或者在一些特定的工作负载和工作流程要求中，fpga将更合适。这确实是一种混合模式。在今天的会议上，我也提到了微软的例子，那就是cpu和定制asic的联合使用。

科技沃克:除了bigdl平台，内尔瓦纳还有一个霓虹灯框架。它们之间有什么区别？你致力于哪个方向？

Fiaz mohamed:neon是一个类似tensorflow和caffe的框架，它主要是一个深度学习的框架，帮助你创建、训练并最终部署你自己的神经网络。

Bigdl就像一个平台，它允许你充分利用现有的数据集，并为下一步的深入学习做准备。就好像你现在在hadoop集群上有很多数据，你不想迁移所有的数据。bigdl使数据为下一次使用做好准备，并且可以在现有平台上部署它，这使得部署工作变得简单。

技术漫步者:英特尔收购了许多与人工智能相关的公司(手机公司、移动设备公司、itseez公司、yogitech公司)，并拥有如此多的人工智能产品和相关技术。英特尔如何在内部整合它们？如何连接到英特尔人工智能系列解决方案？

菲亚兹·穆罕默德:在英特尔公司内部，我们有数千种产品，人工智能产品是其中的一部分。当一个客户来找我们时，我们必须首先非常仔细地听他们的介绍，并且知道客户面临什么或者他需要什么。然后再回来，内部开始花大量的时间来讨论和仔细分析它的应用场景，比如它解决了什么具体的问题，以及需要多长时间才能解决，六个月？12个月？具体部署的局限性是什么？它将部署在数据中心还是移动端？

想象一下，如果是一家石油勘探公司，互联网连接对钻井平台来说是一个很大的挑战，所以首先要确定哪些产品可以使用，就像积木一样，一个一个地找出来；第二步是看用什么样的结构把这些构件串在一起，不是说一个解决方案分成五个部分，而是说这五个部分都集成到一个中。然后看看部署需求，是应该在本地部署还是在云中部署。不同的需求需要分配不同的资源。让我们看看当前的形势与我们想要实现的目标有多大的不同，差距有多大，以及我们需要投资什么样的技术力量来填补这一差距。

这个问题需要涉及很多具体的工作，不仅仅是产品本身或者技术本身，更重要的是，它取决于客户的具体需求。英特尔目前的解决方案是逐案解决(定制)。

科技沃克:英特尔收购奈瓦那已经快一年了。这段时间有没有什么具体的案例可以分享？(行业)

菲亚兹·穆罕默德:英特尔与几乎所有主要的垂直行业都有着非常密切的合作。例如，金融业、服务业、医疗保健、无人驾驶、娱乐业、零售业等。

当谈到人工智能的具体应用场景时，它们实际上无处不在。对我的团队来说，首先要考虑的是数据中心的应用，因为它最需要培训。随着时间的推移，我们会慢慢扩展到外围和边缘，尤其是一些与视觉相关的。

例如，我们不同行业的客户有许多问题，他们希望通过人工智能技术来解决。让我先举一个金融领域的例子。北美一家大型投资银行希望借助英特尔人工智能技术建立自己独立的知识管理系统。投资银行里有很多交易者，交易者需要每天阅读大量的文件来帮助他做出一些交易决定。这家银行希望利用深度学习或人工智能技术来简化交易员的工作量。交易员不需要阅读这么多文件，但可以专注于一些最关键的问题。这种情况被模拟为一个问答场景。用户问:中国汽车行业的竞争现状如何？事实上，这个问题非常复杂。首先，汽车这个词可以提炼。它是小汽车还是大卡车？全是汽车工业；此外，竞争模式指的是指定价格或竞争对手，因此，虽然这是一个用非常简单的自然语言呈现的问题，但其内容非常复杂，这就要求使用人工智能技术通过深入学习建立一个独立的知识管理系统。经过自己的分析，这个系统从背景中抓取它认为合适的文件或图标，并把它们呈现给提问者。这只是一个例子。类似的应用可以扩展到许多使用场景，这是市场需要的解决方案，也可以帮助数据科学家和整个基础设施建设。在这方面，我认为我们的无核武器计划仍然非常有用。

沃克:在商业层面，你有没有发现我们的合作伙伴急需解决的问题？但是还没有解决吗？

Fiaz mohamed:英特尔在各个领域为不同的客户和合作伙伴提供服务。一些客户和合作伙伴在数据中心。就深度学习和人工智能而言，最大的门槛在于数据，即收集的数据量是否足够，收集的数据是否合适，数据形式/形式是否正确，以及如此多的数据是否能够容纳在一个独立的系统中并能够相互协作。这是深度学习和人工智能的最大门槛。虽然有各种各样的挑战，但这并不意味着这些问题像火箭技术一样困难，因此没有办法解决它们。

英特尔不遗余力地与我们的合作伙伴合作，调动整个公司的资源，并与不同行业的一些核心客户密切合作，帮助他们解决问题。首先，客户将根据自己的情况提出一些问题，例如一些新的应用场景和新类型的负载。在这一层面上，英特尔和客户携手合作，帮助他们尽快解决上述挑战，并实现尽可能高的可扩展性。在这方面，英特尔已经投入了大量资金；此外，我们应该充分利用我们的合作伙伴的优势，如系统集成商、软件公司和咨询公司，他们将从英特尔那里学习底层架构的技术和支持，并共同努力解决客户提出的问题。

科技沃克:智能手机制造商(包括苹果和华为)正在推出人工智能芯片。英特尔如何看待这一现象？

菲亚兹·穆罕默德:目前还没有办法发表评论。只能说，英特尔仍在这一领域发展。第一步将在一些最需要培训和学习的使用场景中执行，例如数据中心类型的应用程序。随着时间的推移，我们也将考虑进入一些新的领域，包括手机终端，一些现场可编程门阵列和定制的专用集成电路。