走出象牙塔后，AI 如何真正落地？英特尔给出了这两种路线

2021 年 6 月，英特尔 CTO 换帅。再次回归英特尔的 CEO Pat Gelsinger 邀请来了他多年的老搭档 Greg Lavender 担任 CTO。

上任后，Greg Lavender 对外宣布了开发者优先（Developer-first Approach）战略，希望能够凭借英特尔的力量为开发者们提供开放和完整的硬件、软件、工具、技术和产品组合。 Greg Lavender 曾在去年 11 月接受 InfoQ《C 位面对面》采访时表示，英特尔一直非常关注开发者群体，同时也深刻理解软件开发者带来的价值。

去年 10 月，在英特尔 On 技术创新峰会（Intel Innovation）上，英特尔 CEO 帕特基辛格重申，英特尔归根溯源，重新拥抱广大开发者，强调对开发者社区的承诺，以及英特尔横跨软件和硬件的开发者至上的理念。 峰会上，英特尔发布了最新产品、开发者工具和技术，强调对赋能开放生态系统的重视，确保开发者能够使用他们所青睐的开发工具和开发环境。

为推动软硬件协同战略以及开发者优先战略，英特尔在工具、技术、项目、开源、生态社区等方面做了诸多布局。

打造更加开源开放的软硬件平台，让 AI 无处不在

近日，英特尔院士，大数据技术全球 CTO 戴金权在接受 InfoQ 等媒体采访时介绍，他所在的团队主要针对 AI、大数据分析、机器学习、深度学习等方面的软件，整体从底层的数据库的优化，到框架的优化，再到上层的 AI 平台，再到更上层，针对不同的场景，例如推荐、自然语言处理等针对某个领域的工具集或算法开发等方面做了大量工作。

“我们的目标是让‘AI 无处不在’，一方面，英特尔的硬件平台可以实现‘无所不在’，小到嵌入式设备、笔记本，大到服务器、高性能计算、GPU。另一方面，希望整个硬件加软件的平台能够扩张到‘无处不在’。当 AI 能很好地在英特尔硬件上运行起来后，它就可以帮助很多产业，很多用户就可以做到更好地使用 AI。我们希望 AI 在各个地方都可以发挥它的作用，可以在不同的地方使用 AI”，戴金权说。

实现这一目标的方法是打造一个软硬件开放的平台。其中，开源是十分关键的着力点。

英特尔一直积极投入开源及其生态建设。

在 TensorFlow、PyTorch、MXNet、XGBoost 等开源项目上，英特尔团队和开源社区一起做了大量工作，包括如何在英特尔的平台上将各种优化做的更好，如何充分利用特尔的硬件架构，如何让这些软件本身拥有更加开放的架构等。

例如，越来越多人希望 TensorFlow 能支持不同的硬件平台。但在 TensorFlow 这样的架构里实现这一想法并不容易，因为它本身是一个很庞大的系统，用户群规模大，也有很多不同的硬件平台公司都想做这个功能支持。

为了解决这个问题，英特尔的一位架构师在 TensorFlow 社区提出并设计了一个 Pluggable device 的 API，其具备可插拔设备功能，这是一个比较通用的架构，不仅能支持英特尔的硬件，如英特尔的 CPU、GPU，也能支持各种加速器。这位架构师还和谷歌的架构师一起合作，将可插拔设备的功能变成了 TensorFlow 的标准架构，并在上面做了实现。这样以来，英特尔的硬件平台，以及其他众多第三方的硬件平台都可以通过这个架构 TensorFlow 实现。

此外，英特尔自研了很多开源工具，包括 OpenVINO、BigDL、Analytics Zoo、INC（Intel Neural Compressor）等，通过研发开源工具，打造开源社区，更好地服务开发者。

戴金权表示，团队还致力于打造一个更加开源、开放的软硬件平台，客户/用户可以在上面更高效地开发他们的应用场景，也可以将各种不同的技术创新应用在他们的解决方案当中，这将大大提升人工智能应用开发的效率。

AI 实践日：瞄准 AI 落地瓶颈问题

在工具和产品之外，英特尔还在发力生态建设。

两年前，英特尔在中国发起了「AI 实践日」。这是一个兼具生态、产学研和人才培养的项目，通俗地理解，它就是一门专门针对开发者的 AI 落地实践课。

英特尔首席工程师、人工智能技术中国首席架构师，也是 AI 实践日的主要发起人之一的夏磊介绍，AI 实践日设立的初衷非常简单直接，正如该项目的名称，目标侧重「推动实践」。

“英特尔开发了各种创新的技术、创新的工具，我们希望通过一个更加有效的‘管道’第一时间将这些优秀的工具和技术、最新的实践经验传递到开发者那里，缩短从英特尔到市场、到客户的距离。AI 实践日，就是这样一个‘管道’的角色”，夏磊说。

初期，AI 实践日主要是传递英特尔自有技术和一些开源合作伙伴的成果。项目推进过程中，英特尔团队发现，伴随着与国内生态产业互动加深，更多的创新和落地实践成果涌现出来。英特尔的生态合作伙伴也有了强烈的意愿，希望在 AI 实践日上分享他们的成功经验和实践成果。因此，现在的 AI 实践日已经不仅仅是英特尔的主场，英特尔分布在全球的合作伙伴也加入了进来。

自发起以来，英特尔 AI 实践日每年覆盖大约上万开发者。据统计，2021 年，AI 实践日覆盖了 6.5 万名开发者。而且，英特尔每年都在不断优化完善 AI 实践日，迭代主要体现在两个方面：

一是要做到更加精准地将不同的客户、不同的开发者受众进行细分。例如，不同的开发者需求有异，有的 AI 开发者聚焦算法创新，有的 AI 开发者关注点在部署领域。还有行业维度的划分，以金融业为例，金融行业开发者最近几年不仅关注 AI 的应用，还关心 AI 普及后，数据隐私、数据应用层面的合规和安全问题。基于此，英特尔特别针对不同的行业、不同开发者的角色定制化地设置 AI 实践日的内容。

第二，从技术角度上看，今年是英特尔准备从 CPU 到 GPU，将整个 AI 产品线全线推进的一年，因此，今年 AI 实践日，希望将英特尔不同应用平台的技术传播出去。

夏磊认为，现阶段，AI 已经从象牙塔里、从学术圈里走到了工业实践中。但现阶段，在 AI 应用中仍存在很多挑战，英特尔希望通过 AI 实践日解决的问题之一就是，实现更普及的、更大众化的 AI。

目前，很多企业有应用 AI 的需求，但受限于人才、能力、经验等因素，导致最终无法实施 AI 实践。从软件工具设计角度来看，解决这一问题需要将软件工具设计得更简单易用，降低开发者使用门槛和学习成本。有了这些工具之后，通过 AI 实践日可以更快地将简单易用的方案和开发者进行交流、互动，从而在各领域加速 AI 应用的落地、AI 应用的普及化。

另一方面，AI 实践日希望解决 AI 在各行业落地中面临的瓶颈问题。

以制造业为例，英特尔正在推行端边云协同理念。“端”指的是在制造业现场实现实时的智能制造，如常见的缺陷检测，在产线现场要立即发现某个产品的缺陷，并立即把缺陷品从生产线上拦截下来。“边”的方面，通过边的节点管理工厂的多条生产线。“云”的方面，云端可以汇集各个工厂、各个流水线所有的数据，对数据进行深度加工利用。英特尔目前利用 OpenVINO 在端边提供更好的实施性，在边和云方面利用 BigDL 来提供部署快捷性以及系统弹性伸缩能力。