Gadi Singer：未来人工智能想象空间巨大 英特尔已经准备就绪

本篇文章3249字，读完约8分钟

2008年7月19日，网络服务器频道(Text/李)消息:毫无疑问，我们站在了人工智能浪潮的最前沿，这可以从百度人工智能开发者大会上看到。目前。人工智能已经成为互联网和整个高科技领域的一个热门技术概念，促使越来越多的it企业和开发者对其进行投资。

百度也是首批部署人工智能技术的互联网公司之一。通过构建一个人工智能开放平台和paddlepaddle深度学习框架，百度大脑中的领先核心能力可以被分配给更广泛的行业生态、研究机构和开发者社区，提供世界领先的人工智能服务基础设施。

在此过程中，英特尔与百度在人工智能领域开展了一系列合作，包括支持百度xeye智能零售相机产品的英特尔移动视觉处理器(vpu)、帮助百度计划推出工作负载加速即服务的英特尔fpga，以及基于英特尔至强可扩展处理器平台优化的paddlepaddle深度学习框架。

加迪·辛格，英特尔人工智能部门副总裁兼人工智能架构总经理

英特尔人工智能事业部副总裁兼人工智能架构总经理加迪·辛格(Gadi singer)告诉记者，百度充分利用了英特尔的产品和技术专长，通过启用基于至强可扩展处理器的智能终端设备和大规模数据中心，利用英特尔fpga加速不同的工作负载，并使paddlepaddle开发者更方便跨平台编程，使人工智能技术的进步真正惠及大众。

你如何看待英特尔和百度之间的合作？关于双方的合作，加迪说，英特尔和百度的合作可以追溯到十年前，五年前，双方建立了战略联盟；两年前，两家公司在人工智能领域有了更多的合作。

在百度人工智能开发者大会上，英特尔和百度的人工智能合作成果揭晓。加迪说，这些成就可以概括为三个方面。一个是英特尔至强可扩展处理器对paddlepaddle框架的优化。这些优化涵盖了不同的方面，如计算、内存、架构、通信等。例如，通过avx内部函数、blas库(如mkl、openblas)或定制的cpu函数来优化数字操作的效率；通过mkl-dnn(用于深度神经网络的英特尔数学核心库)优化cnn(卷积神经网络)。

加迪说，当我们谈论人工智能框架的优化时，有两种非常重要的方法来实现它。首先，为框架选择合适的库和函数是非常关键的。其次，我们应该分析人工智能的每一个工作量，以便对其进行适当的训练，取得更好的效果。

百度在英特尔至强可扩展处理器上优化了paddlepaddle的性能。开发人员和数据科学家可以使用支持全球数据中心和云计算的硬件来进一步改进人工智能算法，从而提高paddlepaddle人工智能应用程序的运行效率。加迪说。

此外，英特尔和百度将继续探索和研究，并将paddlepaddle与面向各种设备和框架的dnn模型(Deep Neural Network Model)编译器英特尔ngraph集成。今年3月，英特尔推出了ngraph作为开源软件。在它的支持下，数据科学家可以专注于数据科学的研究和开发，而不用担心如何将dnn模型部署到各种硬件平台上，以实现高效的培训和操作。

Gadi说ngraph可以和一些深度学习框架联系起来，比如paddlepaddle。ngraph的所有输出结果将来都可以在cpu、movidius、fpga和neon上运行。

其次，百度部署了英特尔的fpga。百度正在开发一个基于英特尔最新fpga技术的异构计算平台，这将大大提高加速性能和能效，灵活加速各种数据中心的工作负载，并使百度云上的工作负载作为服务加速。

Gadi表示，fpga在定制和配置方面更加灵活，因此它可以针对一些要求苛刻的工作负载实现更高的性能，并且它还可以使用fpga开发低延迟应用。Fpga是人工智能应用的一个非常强大的选择。特别是对于那些需要高带宽并且能够支持大量数据传输的工作负载，它可以提供相对较低的延迟。百度提供了一个异构的计算环境，而fpga可以为这样的环境提供更加多样化的选择。

第三，百度xeye摄像头采用英特尔movidius myriad 2 vpu，为零售行业提供高性能、低功耗的视觉智能。百度领先的机器学习算法与英特尔定制的vpu解决方案相结合，使该摄像头能够分析物体和手势并识别人体，从而为零售业用户提供个性化的购物体验。

Gadi说，百度正在寻找更好的计算机视觉引擎，而movidius本身被广泛用于安全监控摄像头和无人机。有了movidius，我们可以在设备端更好地实现计算机视觉和一般演绎推理。这两者的结合对于集成了计算和人工智能的终端设备来说是一个非常有吸引力的解决方案。通过两家公司的合作，百度的机器学习算法可以以较低的功耗优化操作。

英特尔为人工智能做好了准备。在gadi看来，人工智能是继移动互联网之后的下一个时代，但说到技术的变革，人工智能领域将会有几轮发展。机器学习已经改变了整个计算世界。有了机器学习，我们可以在更短的时间内处理更多的数据。

现在只是人工智能进化的开始，这个阶段的大部分技术突破都在深度学习领域。如今，持续学习和强化学习技术也在迅速发展。如果我们从更广阔的角度来看，我们将会看到机器学习正在与一些新的深度学习技术相结合。加迪说，在未来，人工智能将进一步发展，不仅要达到目前人类的认知能力，而且要更好地了解人类世界，拥有与人类相同的经验。要实现这样的目标，除了深度学习，我们还需要很强的机器学习能力。在我看来，在下一次技术大浪潮中，将会有几个人工智能技术的小浪潮。

既然人工智能浪潮已经到来，英特尔将扮演什么角色？加迪说，英特尔在整个人工智能生态系统中发挥了支持作用。英特尔本身也在进行人工智能的研究，它还与许多教育机构合作。英特尔积极参与一些标准化组织的活动或工作，因为我们认为整个行业分享一些非常好的技术非常重要。例如，onnx(开放式神经网络交换)是一种交换格式，它便于不同框架之间的模型交换。

与此同时，我们也看到英特尔拥有多样化的芯片产品。英特尔的处理器产品线分为两种类型，一种是通用的，另一种是专用的。围绕这些产品，英特尔在硬件、软件和生态系统方面进行布局。英特尔至强可扩展处理器是一款通用处理器，是人工智能的基础。

Gadi说，大多数人工智能工作负载都需要推理，它运行在至强可扩展处理器上。英特尔不断丰富cpu指令集，以加速人工智能工作负载。同时，在软件栈中也是如此，因此软件栈可以被更好地利用。除了通用处理器至强，我们还有一些专用芯片。例如，就功耗而言，从几十毫瓦到几百瓦，我们都包括在内。它还涵盖了从终端设备边缘到数据中心的不同计算环境。

对于热门的人工智能芯片，加迪认为人工智能领域变化太快，需要解决的问题也在不断变化。人工智能芯片解决方案的成功之处在于能够做出趋势判断，并在此判断的基础上做出适度合理的猜测。另外，人工智能芯片本身是由不同的部分组成的，所以这些不同的功能块之间应该有很好的平衡。对于人工智能处理器解决方案，您应该注意添加不同的元素和原材料来解决某些场景的问题，但是解决问题的范围不应该太窄。

除了硬件，英特尔还提供了优化的软件堆栈，如前面提到的ngraph。所有英特尔硬件产品，无论是现在还是将来推出的新硬件产品，都可以与ngraph连接。同时，ngraph还可以与其他人工智能框架相连接，如paddlepaddle、tensorflow、caffe、mxnet等。因此，对于用户来说，他们将获得非常容易使用和简化的体验，同时，他们可以与多个硬件平台接口。

生态系统在计算的所有领域都非常重要，特别是对于人工智能。人工智能技术的发展和变化速度是前所未有的。一项新技术可能出现在人工智能中，它的广泛应用可能只需要一到两年的时间。加迪说，英特尔与人工智能领域的许多不同参与者保持密切联系非常重要。这就是为什么英特尔开放了许多自己的技术，比如ngraph，希望更好地参与开源社区。在生态系统的工作中，一个非常重要的部分是，英特尔和各个子行业的领导者合作，做一些概念验证，共同创建技术解决方案，为行业内的客户服务。

来源：搜狐微门户