英特爾宋繼強:AI尚處嬰兒期 現在拿芯片方案還早

英特爾中國研究院院長宋繼強接受采訪

“每位互聯網用戶每天生成的數據量將是1.5GB”

“每輛無人駕駛汽車每天產生的數據量是4TB”

“每架聯網飛機每天生成的數據量是40TB”

“每家云視頻供應商每天產生的數據量高達750PB”

……

這是英特爾對2020年數據方面的預判，在萬物互聯的時代，數據洪流正洶涌而來。

近日，新浪科技等專訪了英特爾中國研究院院長宋繼強，在他眼中，數據是新的石油，當下英特爾已制定了數據戰略，將借助云和數據中心、物聯網、存儲、FPGA以及5G構成的增長的良性循環，驅動云計算和數以億計的設備實現互聯。

新浪科技：近些年英特爾收購了很多公司，在AI布局上有哪些重心？

宋繼強：英特爾收購的AI創業公司大大小小很多家，有一些知名的，人工智能本身范圍非常廣，看你怎么去定義，如果只是深度學習，就很窄了。如果說把其他的一些經驗借鑒進去，基于規則、推理領域，還有一些機器人領域，這些在廣的人工智能領域都是。

英特爾的布局首先是解決訓練的問題，對于訓練現在是依賴向云端的，像英特爾處理器，還有收購的Nervana。訓練目前來講是比較流行的深度學習算法，它能把一個模型能夠訓練成解決某類問題的過。比如它訓練好之后就可以做語音識別、人臉識別、或者物體檢測，有不同的功能。訓練好之后會面臨一個問題就是部署，部署實際上不涉及訓練，它就是要快、成本低，功耗低。

英特爾收購的另外一些公司，比如說Altera，它的FPGA實際上是一種低成本、低功耗的硬件加速單元，它是用來去覆蓋整個市場容量不很大的情況，市場容量大的時候FPGA的性價比就沒那么強，有開始有ASIC的方案出來。另外有收購的一些公司比如Saffron、Itseez，是某些具體領域的算法，Saffron是用來做一些基于大量的事件記錄，去做關聯的記憶挖掘，提取出模式。

新浪科技：目前有太多人工智能的研究院，相比之下，英特爾在哪些方面保有優勢？

宋繼強：首先英特爾在人工智能領域，我們更多是要起到推動和支持基礎的技術能夠快速成為可以使用的技術，本身英特爾站的位置不是站在某個具體的領域，我們要支持我們后邊的合作伙伴和生態圈都能做好。

有一些產品部門針對深度學習有自己的框架，例如收購的Nervana，本身就有的框架，是排名靠前的框架。在英特爾這些人才很多，包括別的公司不具備的公司，可以設計不同的硬件。可以在PC加速，可以在Soc上加速，可以在多核的處理器上加速。

新浪科技：如何評價人工智能芯片市場？

宋繼強：人工智能目前是屬于嬰兒期，是英特爾的普遍認知，未來10到20年都是產業向上發展的，現在判斷什么是最后的芯片方案為時過早。芯片需要靠應用去確定，在應用落實前無法判斷什么是最終的芯片方案。

目前人工智能熱在于深度學習在學術界的突破產生的。深度學習在學術界使用的GPU方案去做，當算法都迭代完畢，主要看誰的芯片最厲害的時候。但是無法判斷未來演進方向，包括一些指標仍然在不斷引進。這個指標里面，離誰是最后的贏家，還有一段距離。

新浪科技：未來最大的機會在哪里？

宋繼強：機會很多，特別是硬件的加速，還有內存、通訊，通訊這一塊非常有機會，除了視覺，還有其他的融合，還有通訊技術的設施，才能構建完整的無人駕駛產業化體系，要不然提的一個一個獨立的無人駕駛的產品，不能形成產業，英特爾要促進規模化的產業。英特爾看的視角是不一樣的，人工智能定義本身就很模糊，人工智能受牽扯的市場很大。比如金融領域，華爾街也做量化投資、反洗錢，這些有沒有算到里面，這都是問題。

關于3D面部捕捉技術

新浪科技：英特爾的3D人臉面部表情捕捉技術，和《阿凡達》的特效有何不同？

宋繼強：這個實際上是比較大的不同，應該像原來那些特效做的時候，首先是需要演員在臉上做標記點，需要多個攝像機同時拍，通過攝像機定標，同時去處理反算出臉上點的三維坐標，比較精細追蹤一個人臉上網格的位置，從而建三維模型形成網絡模型。后期通過三維模型，可以將演員的臉替換。這個工作室的技術需要特殊的設備，需要大計算量去支撐。咱們做的這個利用普通的二維攝像頭去拍，一張圖片中就可以提取出臉的三維模型，準確度很高。這個意義在于大量減少需要計算成本、硬件成本，對于數據來講需要圖片，應用就很廣了，凡是能提供圖片作為數據輸入源的應用，就可以使用。如果要使用這種技術，在虛擬現實場景里面創建人的三維的化身，只需提供照片即可。第二，可以在PC上做，很多人都可以自己去使用，甚至一些獨立的程序開發者可以做。英特爾可以做成開發包，供大家在PC上去應用的技術。主要特點就是不需要復雜設備和復雜算法;第二呈現三維模型，不僅不僅是二維上面做一個圖片之間的映射。