错过手机的英特尔，能在人工智能时代力挽狂澜？

　　 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，intel inside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Xeon Phi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 （Intel MKL-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NVIDIA GPU。

英特尔芯片虽以高速处理数字著称，但NVIDIA GPU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 Xeon E5-2600v，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 Xeon Phi， 计划2017年推出至强 Xeon Phi 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Xeon Phi 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 RealSense 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。

　　 微信公众号：多少说(duoshaoshuo） ；转载须征得作者同意，未经授权，不得转载。