11月14日至15日，英特爾人工智慧大會（AIDC）在北京舉行。大會上，英特爾公司物聯網事業部副總裁Jonathan Ballon發表了以「數據時代，人工智慧產品創新與實踐」為題的演講。
他指出，在英特爾以數據為中心的轉型中，邊緣是分布式計算的一環，是真正採取行動的地方，而計算機視覺是AI落地的重要機會。
Jonathan表示，大量的數據在邊緣產生、在網絡上產生、在基礎架構上以及在本地產生。這些數據需要大量的計算資源進行處理，同時也對數據處理速度有著很大需求，很多情況下要求接近於實時的數據分析，並最終成為一種自動化系統。與此同時，這些數據還是多種類型的。這意味著，異構的計算架構是部署AI的關鍵。
「過去幾年大家意識到，所有最好的AI能力是在GPU上，這是一種錯誤的認為，事實上今天如果去看一下邊緣部署，它實際上是在本地發生，有些時候可能是比較困難的環境，所以你需要一個異構的計算架構才能夠在這些部署當中取得成功。」
一組預測數據顯示，2017-2025年的AI軟體收入中，幾乎有一半是基於計算機視覺。也就是說，邊緣上的AI，最大的機會來自於計算機視覺，比如說機器視覺、視頻監控、醫療影像、預測性維護、質量保障、製造場所等。
雷鋒網曾報導，前段時間，在英特爾中國物聯網峰會上，英特爾重新定義了英特爾物聯網的戰略，重點關注在三個層面，物聯網晶片、邊緣計算和計算機視覺。
據雷鋒網(公眾號：雷鋒網)了解，在物聯網晶片方面，從凌動（ATOM）到至強（XEON），整個系列處理器支持包括英特爾最近在布局的新零售領域的數字標牌、交互式白板、安防領域的智能攝像頭等應用。除此之外，英特爾在專用晶片和軟體工具上著力，提供包括Movidius晶片、FPGA硬體加速、無線連接晶片、OpenVINO開發工具包。
在計算機視覺方面，英特爾收購了機器視覺公司Movidius，並且推出了針對機器視覺領域高端市場的Movidius Myriad VPU，基於自己的硬體設備推出優化的人臉檢測、人臉屬性識別等計算機視覺技術。
在邊緣計算方面，英特爾已經與合作夥伴一起在邊緣側部署了一系列邊緣伺服器（Edge Servers）、AI數據中心等，也希望未來能夠在邊緣進行AI訓練。
會後，雷鋒網參加了媒體問答環節，以下為問答原文：
Q：英特爾目前整體的戰略是什麼？物聯網在其中是什麼樣的地位？
A：您提了很好的問題，謝謝。英特爾的戰略是從一個過去以PC為主導的企業向以數據為核心的公司進行轉型。我們認為數據將會驅動下一代計算架構的發展，並且在此過程之中，AI（人工智慧）有關的應用會加速這個發展的過程。在過去15年的時間裡，我們看到雲和數據中心的業務呈現出非常強勁和顯著的增長，但是現在我們發現大趨勢是在向分布式計算進行演進，這也意味著終端或設備要和雲進行互動，這樣的發展趨勢將會產生大量的機會以及可能性，這主要是關於數據的處理、存儲和分析。
我們認為，在未來20年的時間裡，人工智慧所產生的這些機遇或者說機會，將有一半體現在網絡的邊緣之上。這也意味著對於英特爾公司來說，物聯網實際上是會發揮一個非常重要的作用。我們要做的工作就是將我們在雲端具備的能力進一步擴展延伸到網絡。換言之，在將周遭的世界進行數位化的過程當中，我們將更有效、更高效的挖掘物理世界能帶給我們的價值。當然這樣的過程就和過去或者現在我們來挖掘並充分利用網際網路的過程是一樣的。
Q：我們知道物聯網本身是一種萬物互聯的狀態，在這樣的狀態中，系統級的方案以及物聯網的服務可能是物聯網往更高層次提升的必備條件。從英特爾的角度來講，你們提供的物聯網解決方案以及硬體，如何能夠更好的讓AI應用最終細化成終端用戶的一種全新物聯網體驗？
A：很好的問題。我們認為物聯網是有三種不同的狀態或者是階段。在第一種狀態之下是未被連接的設備間的互聯，換言之這是讀取數據的過程，基本上這個環節我們是已經都做到了。我們看到其實在過去十來年的時間裡，包括我們在數據中心當中處理或者存儲的這些數據，現在都已經不能夠完全滿足物理世界對於數據的需求。
物聯網發展的第二種狀態，高度的互聯和複雜的互聯，就是你剛才提到叫做智慧的系統。在這個層級上我們不僅僅是考慮單個的一些終端和設備，不再是單一的渦輪機或者單一製造的生產線，而是由很多很多的終端設備組建起來，如同艦隊一般。我們現在在這個階段裡需要考慮的是如何實現系統層級的變化。
物聯網發展的第三種狀態，我們稱之為由軟體定義的高度自動化的系統。在這個階段裡我們將看到高度自我學習的能力，或者說某種程度上，這個系統本身可以脫離人類的控制，實現某種程度自動化的運營或者運作。
前面提到三個不同的狀態和階段，在每一個階段或者狀態當中，當我們把人工智慧應用進去的時候，我們會發現價值實現了增速。比如當我們在進行連接並從中往外讀取數據的時候，如果能夠輔以大數據或者分析能力，便會增加價值。說到這一點，如果想要在系統一級獲得明顯的額外收益，我們需要深度學習，需要人工智慧在邊緣或者數據中心上進行一些推理和培訓。
Q：您其實在剛才的報告中也談到邊緣計算對物聯網的重要性，現在很多的AI應用尤其是大規模的AI應用，很多都是需要很強大的計算能力，在邊緣這種計算能力受限的地方要實現部分AI應用的時候，它怎麼能夠去更好的控制任務分配的狀況，同時能夠保證這些邊緣設備不會增加太多的成本和計算能力的消耗？
A：過往我們在企業和數據中心所遵循和執行所有的原則，最終也同樣會在邊緣上實現和遵循。我們認為會出現一個應用的虛擬化。首先在Hypervisor這樣的層上，我們會針對數據中心裏面的應用搭建一些容器。一方面我們先把這些應用集合起來，放在通用的計算平臺之上；另一方面，我們也會根據不同的條件來對應用進行具體的優化，比如具體的使用場景是什麼，或者會面臨的一些限制是什麼，這些限制有很多種：帶寬的限制、延時的限制和安全上的限制，比如你來回來去導數據會產生安全方面的限制，我們會把所有的這些因素都綜合起來考慮。所以總的來說，我們會根據成本、速度或者具體的使用場景和目的等等，來加以考慮。現在雲服務供應商們正在把這些能力在慢慢地向邊緣進行擴展，所以將來我們會看到在邊緣出現很多的數據中心。
Q：前段時間英特爾中國物聯網峰會重新定義了英特爾物聯網的戰略，重點關注在三個層面，一個是物聯網晶片，一個是邊緣計算，一個是計算機視覺。我想了解一下這三個方面的情況。
A：過去15年的時間裡，我們的戰略都是非常清晰，我們要把在矽片上原來既有的優勢慢慢向IOT（物聯網）市場進行轉移，過去15年我們都是這樣做的。比如我們面向數據中心的至強，比如我們面向PC、面向平板、面向移動終端的酷睿和凌動晶片，現在都會慢慢往IOT的市場裡進行擴展。過去15年我們已經這樣做，把既有的能力進行擴展，除此之外我們還要做得更多。我們發現整個IOT市場的精密度和複雜度在上升，現在確實有必要為了特定的使用場景和範例來培養一些獨特的能力。在這裡可以給你舉一些例子，比如時間統籌的計算能力。具體而言，在一條生產線上有整個一個艦隊的機器人在工作，你需要在時間上進行協調，讓所有生產線上的機器人能夠同步加以運作，而且這中間的時間差可能就是10納秒，非常小，這是IOT非常明顯的特點。
第二個例子，所謂功能性安全。比如我們有一個鐵律，機器人不能傷害到人類，我們需要運用到計算機視覺，通過計算機視覺看到說有一個人或者有一個物體可能正好擋到了機器人的路上或者怎樣，這種情況下就會發出指令，讓這個機器人立刻關機，不能再動，否則就會傷害到人類。我只是想通過這些例子來說明我們現在有必要專門針對IOT一些獨特的使用目標來開發出一些能力，這就是為什麼我們要專門有所謂IOT晶片。此外還有一些其他例子，比如我們晶片可能要適應極端的溫度，要在特別炎熱的高溫下正常運作，或者這個晶片可能要壽命特別長，至少要用15年或者15年以上。這些都是IOT市場當中非常獨特的一些要求，也正因為如此，我們現在有你剛才提到的專門的IOT晶片組。至於邊緣計算，剛才前面幾個話題一直都在講邊緣計算，就不再做過多的闡述。
計算機視覺，我們認為整個IOT傳感器到了最後，實際上還是一個視覺的效果，最終我們是需要有視覺能力再配備上深度學習，使IOT能夠獲取高於人類的很高的精度或者準確度。
Q：物聯網這些年也經歷過起起落落，今年看到物聯網方面很多大公司把物聯網提到戰略的層面，英特爾今年物聯網有什麼突破？
A：我覺得原因在於我們到了所謂的引爆點。在過去幾年時間裡，確實有很多公司在技術層面上進行試驗和測試，現在我們認為技術已經相對來說比較成熟，畢竟這些公司在過去幾年的時間裡對技術進行了大量的嘗試。現在我們會發現人工智慧、物聯網和真正的生產有機地結合起來，並且在現實當中得以部署，還不斷地在擴大規模。所以說到這裡，這個大背景之下產生兩個非常重要的因素：首先人工智慧的確是在加速物聯網，因為物聯網部署能夠帶來的經濟效益和價值是真實和可見的，這是第一個要素。
第二個要素主要關於競爭，是競爭的壓力和競爭的要求。各個大公司都在積極部署相應的系統，因為他們感受到來自業界同行的壓力。換言之，如果現在不能夠通過IOT來有效地獲取這些數據，不能夠有效地利用這些數據的話，就會被競爭對手甩在身後。
Q：我這邊了解到英特爾物聯網部署多個產業的領域，比如安防、零售、自動駕駛、智能家居等等，現在英特爾看好哪一個領域，覺得它發展會比較快，能夠有真正的回報？
A：目前來說，如果看機會和機遇的話，最為成熟的一個市場細分還是和工業有關的，尤其在中國更是如此。整個國家的智能製造戰略，包括從工業3.0向工業4.0的升級，都會在工業這個領域具體的應用中帶來很大的機會。比如像阿里巴巴在這方面也有很多的工具或者解決方案，將基於中國這些製造業的能力進行升級，走向下一代更高的水平。在下一代之中，將會有更多由機器來驅動的價值，而不是像過往那樣靠人來驅動或者產生價值。
如果放眼更加長遠的話，我認為最大的機會還是在智慧城市方面。但是目前來說和智慧城市相關的可能也僅僅是在安全、安防和交通管控上，因為畢竟在這個環節裡還不是那麼的成熟。
Q：現在尤其是在邊緣計算或者跟物聯網終端這邊比較相關的一些產品中，他們基本上都選用NPU，去作為整個系統處理器的一部分，專門做人工智慧方面相關的應用。而英特爾並沒有在自己的架構當中做這樣的調整，可能還會用以前的普通CPU的架構去處理。這對於在邊緣計算中的開銷以及計算效率是否會產生一些影響？英特爾沒有這麼做的原因是什麼？你們做人工智慧神經計算棒的產品，裡面這些處理器能夠作為一個獨立的物聯網節點出現嗎？還是只是為了讓開發者們去學習或者使用了解人工智慧的一些簡單應用而製造的一個過渡性產品？
A：不管是谷歌的TensorFlow也好，還是NPU神經處理單元，還是視覺處理單元等等，它們究其本質還是推理的能力。目前英特爾主要把關注點放在視覺處理的環節上，因為在我們看來，在眾多的數據類型當中，計算機視覺的推理其實是複雜度、難度和重要性更高一些。
目前為止除了英特爾公司之外，沒有任何一家企業能夠規模化地推出加速器的晶片組，只有英特爾可以。當然其他有些公司會做一些專屬目的的人工智慧晶片，基本上都殊途同歸，本質上是一樣的。對於未來的方向，會有一些不同的流派，比如谷歌有自己的處理集團，它認為把這個和谷歌雲配對起來是對的；微軟認為用FPGA配合他們的雲是正確的架構。所以目前在這個工作領域裡面，整個行業還處在一個相對早期的階段，大家的重頭戲還是放在推理上，至於推理的工作可能會有各種不同的配置。
說到計算棒，這是我們專門用來支持創新的開發工具，不只是指著它來掙錢，沒想賣好幾百萬個掙大錢，不是這樣。這只是一個工具，讓開發者能夠有更好的能力來真正獲取AI方面的能力，而且京東也在賣。
Q：請您講一下英特爾物聯網三大戰略，網際網路高性能晶片、邊緣計算和計算機視覺，這三塊對應的產品具體是怎樣的？它們是怎樣配合起來提供給其他的合作夥伴？
A：我嘗試著在我認為可以的範圍內做如下的回答。就戰略來說我們有多年演進的路線圖，比如在晶片組方面，在視覺計算單元方面，從凌動到酷睿到至強，我們都有未來五年的發展路線圖，這裡面也會涉及到專門面向IOT市場的特定功能和性能。邊緣計算是我們一整套的戰略，這個戰略意在將邊緣終端所產生的價值更好地挖掘出來。在過去一年的時間裡，針對不同的行業我們已經推出了150個邊緣計算的解決方案。在計算機視覺方面，裡面意味著大量硬體方面的組合，包括視覺的處理單元、加速器、卡，還有OpenVINO這樣的工具，以及配合上一整套的算法。現在英特爾能夠為我們整個生態鏈的合作夥伴提供軟體、服務、雲、系統的集成能力。
相關文章：
英特爾AIDC大會：向AI開發者敞開懷抱，更加注重生態搭建
英特爾重申IoT三大戰略，邊緣側布局初見成效
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。