英特尔 AIPG 一年记：老牌大厂转型路上的新势力

成立于 50 年前的世界最大半导体公司英特尔迎来了转型期，随着对人工智能布局的不断深入，英特尔在这一领域走出了独特的风格。推进 AI 民主化是很多英特尔人一直挂在嘴上的话题，今年英特尔主办或参与的几场人工智能活动中，这一内容又被不断提起，英特尔技术进展如何，所谓的 AI 民主化又有怎样的含义？AI 前线采访到了英特尔人工智能产品事业部全球数据科学负责人刘茵茵，为读者带来全面解读。

AIPG：肩负重任的新势力

AIPG 成立于 2017 年初，到现在已经发展了一年多的时间。作为英特尔内部的一股“新势力”，AIPG 肩负的是英特尔在人工智能领域的期待。

在这一年多的时间里，伴随着公司的转型，AIPG 身上所肩负的任务也有了一些新的变化，作为亲历者之一，刘茵茵为我们讲述了她看到的变化。

她告诉记者，AIPG 成立的原因是希望能够整合整个英特尔 AI 的战略部署。英特尔之前有很多产品可以应用在 AI 领域当中，但软件和硬件的连贯性和对于用户提出不同方案连贯选择方面需要一个完整的 AI 战略部署，这也是 AIPG 过去一段时间非常专注的一项工作。

对于用户来说，不同的能力层加上软件、硬件，针对不同的硬件有不同的软件，现在整合出来的整体的产品组合就可以更有效的帮助客户分析，能够从英特尔产品组合当中挑到一款比较适合用户的。

众所周知，英特尔一直在推动 AI 民主化进程，降低 AI 门槛，让更多人能够方便体验到人工智能带来的便利。AIPG 作为主力军，也一直在关注这一方面的进展。

刘茵茵说：“我们始终使用的一些策略和战略是，在工具使用上，更强调民主化一些，在产品化和部署方面，英特尔提供了很多的硬件资源，在软件方面以及产品统一化方面，去加快 AI 使用到各行各业的应用，使 AI 更容易获得、更容易实现。”

此外，英特尔的很多软件都实现了开源化，这样客户可以进行很多实例化或者自己的优化选择，这样也能够加快实例化进程。在上层的数据科学方面，英特尔所有工具都是开源的，尤其是 RL 还有 NLP 还有模型压缩方面，刘茵茵表示：对于开发人员来说，提供代码是一个最直接的方法。

老牌芯片大厂的转型进行时

在科技企业里，英特尔一直以来给人的印象就是资历深、实力强。

他们做出了第一颗处理器，制造出了第一台微计算机，提出了摩尔定律，在长达 50 年的历史里，英特尔一直占据着半导体市场的绝对王牌地位。各种电脑品牌广告之后，那一闪而过的蓝色英特尔图标给大众留下了极为深刻的印象，甚至在不少人的印象中：做处理器的厂家，除了英特尔，无他。

可是时代在变，技术更是疯狂迭代，一般处理器的运算性能逐渐无法满足开发者的需求，随着人工智能的发展与崛起，开发者对于芯片的需求只剩一个：更快！更快！更快！

于是有人突然发现，用于图像处理的 GPU 可以满足他们的需求，就这样 GPU 崛起了，并且疯狂发布新的产品，计算性能越来越强，速度也越来越快。

随着人工智能的风越吹越劲，这家老牌大厂也开始进入了转型期，对于开发者们需要的更快更强，英特尔拿出了自己的一套方案，他们认为：传统处理器对数据的处理量有限，而现在又是一个数据爆发的时代，为了能够快速实时处理庞大的数据，这个时代需要一种新的神经网络处理器。

于是，2017 年 10 月，英特尔正式发布了专为机器学习而设计的 Nervana 神经网络处理器（NNP）系列芯片。

2018 年 5 月，英特尔又推出 Nervana NNP-L1000 云端芯片，代号为 Spring Crest。

不久前的英特尔中国人工智能大会上，英特尔发布了神经计算棒二代（简称英特尔 NCS 2），利用该计算棒可以在网络边缘构建更智能的 AI 算法和计算机视觉原型设备。

接二连三推出的硬件产品，只为速度而生，而随之而来的软件产品则更能凸显英特尔转型之决心：nGRAPH 平台支持主流的 AI 开源框架如 TensorFlow、CNTK、Caffe2 等，还能支持英特尔所有硬件；BigDL 大数据开源平台，让用户可以轻松、简单地在大数据集群中进行深度学习应用；OpenVINO 开源软件工具可以让开发者更简单地在边缘设备上部署视觉计算和深度学习能力。

推出了硬件又发布了软件，在这一年多的时间，除了发布新品，英特尔做的最多的事情就是赋能。

在采访过程中，刘茵茵也提到了这一点，她说：客户虽然渴望能够快速地将 AI 技术应用在自己的方案或产品中，但是，英特尔的策略是先帮助他们了解，了解自己在 AI 部署方面的情况，以数据科学为例，要根据研究结果分析哪些场景时可以直接应用模型或方案，哪些需要针对客户数据的特征和需求进行特征化处理，最后再考虑部署方面的问题。

刘茵茵说：“从英特尔角度来讲，部署将从最上层的能力层或者一个模型开始，到中间层的 AI 框架，再核心库、到底层软件，一直到英特尔的硬件。”部署完成之后，客户得到的是一整套完整的解决方案。

赋能之外，英特尔的收购步伐也没有停歇。从 2015 年开始，Nervana、Mobileye、Movidius，还有最近的 Vertex. AI，都被英特尔纳入囊中。如此大力“买买买”的目的是什么？

刘茵茵告诉记者，英特尔自己也是一家非常勇于创新的公司，对于这些公司的一些先进 AI 技术，英特尔是非常欣赏，也提供给这些原本的小公司更大的一个舞台来使用它们的技术。

她举例说，PlaidML 是 Vertex.AI 提供的一个软件组合，之前的主题演讲中做过一个 nGraph 的风格转换展示，用的就是 PlaidML 的后端，这样可以使用笔记本集成的显卡来运行深度学习网络。可以看出来这些公司的 AI 技术其实可以很快的融合到英特尔的 AI 产品部署和战略当中。

如果按照人类的年龄算，英特尔 50 岁高龄已经是个中年人了，“人到中年”似乎总是会遇到一些中年危机，英特尔的转型之路才刚刚开始，面对未来，英特尔仍有许多的期许。

刘茵茵在采访中也向我们透露了一些未来的规划：软件方面，nGraph、MKL、OpenVINO、BigDL 等等产品的普及工作会继续进行，从前没有使用过的用户可以尝试使用到他们的 AI 场景当中，如果有很多反馈和需求，刘茵茵表示希望用户能够把它融合到自己的产品设计当中。

尤其在 nGraph 方面，在软硬件沟通和整合方面还有很多继续的工作，很多前端框架的连接，刘茵茵说现在进展的很不错。与此同时，英特尔仍将继续关注技术的发展，尤其会重视加强学习和半监督学习方面的算法。