人工智能（Artificial Intelligence，AI）一直是全球热议的话题。曾经不可思议的‘未来产品’不断地成为现实，如今人工智能已经渗透进人们生活的方方面面，例如在医疗方面，基于深度学习快速查找海量数据库，精准快速分析病人病情走向；在零售领域，基于BigDL的超大规模图像处理能够帮助电商提供如目标检测、图像分类和特征提取等功能。
英特尔能够提供用于构建企业级人工智能解决方案的全套人工智能技术，并提供优化的软件堆栈以实现颠覆性的应用。
英特尔展位现场
英特尔®至强®可扩展处理器扩展英特尔AI产品组合的实力
所有的人工智能技术需要依赖于大量数据的支持，越多的数据就能学习做出越精准的判断。英特尔® 至强® 可扩展处理器可以运行人工智能工作负载并处理复杂数据集，以构建深度学习模型，再通过TensorFlow*、Caffe*、MXNet和 PyTorch 等深度学习框架，实施神经网络模型来解决图像分类、语音识别和目标检测等领域的各种问题。英特尔工程师与框架所有者合作优化这些架构，以提高他们在该处理器平台上性能。
英特尔®至强®可扩展处理器
基于 Apache Spark* 的 BigDL 分布式深度学习框架的具体应用
BigDL（一种面向 Apache Spark* 的分布式深度学习框架）作为基于英特尔® 至强® 可扩展处理器为深度学习建立的早期开源项目，也是此次大会英特尔分享的重点之一。英特尔通过辅导课，详细介绍如何基于 Apache Spark* 及 BigDL 运行分布式 Keras*。
基于ApacheSpark的BigDL分布式深度学习框架展示
作为最受欢迎的上层神经网络 API 之一，Keras*可以帮助公司轻松快速地建立原型并支持多个后端，其中就包括 TensorFlow* 和 Theano*。同时， Keras 可以无缝集成到 BigDL 中，支持用户运行基于英特尔® 至强® 处理器的现有分布式Hadoop*，以驱动的大数据任务。此外，英特尔还具体分享了基于 BigDL的分布式深度学习的应用，括图像分析、自然语言处理（NLP）等。
基于Apache Spark及BigDL运行分布式Keras 辅导课
视觉数据增长迅猛，分析和理解海量视觉数据已然成为一项大挑战。英特尔通过各个领域的前瞻性研究，如脸部分析、情绪识别、用于对象检测的高效 CNN 设计、DNN 模型压缩和密集视频字幕等，推进基于深度学习的视觉理解。
随着数据量的不断增加，基于GPU解决方案的应用受到软硬件基础设施限制，而BigDL在 Apache Spark 上构建具有高度灵活性和可扩展性的端到端深度学习应用，为大规模图像处理提供了丰富的端到端支持，包括基于OpenCV的图像预处理库和各种视觉模型（SSD、Faster-RCNN、Inception等）。
BigDL还支持Caffe*、Tensorflow*等第三方框架的加载模型，如此通过 BigDL使用深度学习技术分析大量图像变得更加简单。
深度学习时代的数据科学和自然语言处理（NLP）带给计算机理解人类语言的能力。NLP利用深度学习最新算法发展例如文档理解之类的应用，使公司能够筛查海量文本，分类并找到相关信息。英特尔在会上分享了深度学习的最新发展如何影响文本、语言和对话式应用的处理，并激发新的数据使用方向，并分享几个自然语言处理的业务案例。
英特尔人工智能事业部数据科学部主任刘茵茵博士与会者们讨论了深度学习的自言语言处理技术
基于英特尔® Movidius™ 神经计算棒的物体检测和对象识别技术应用演示
在平台层，数据科学家借助英特尔® Movidius™ 神经计算棒的加速，利用SSD MobileNet模型为道路监控或实时视频进行对象识别和图像分类。英特尔® Movidius™ 神经计算棒可支持原型构建和调整流程，实现快速 CNN 部署，显著加速边缘推理开发。不仅如此，其低功耗 VPU 架构无需云连接即可提供全新嵌入式引擎。
英特尔® Movidius™ 神经计算棒
基于英特尔® FPGA可编程加速卡构建的卷积神经网络系统
会上，英特尔还展示了基于英特尔® FPGA可编程加速卡构建的卷积神经网络系统。英特尔®基于PCI Express*的数据中心FPGA加速卡可以支持in-line和lookaside两种加速类型，提供FPGA加速的强大性能以及多样功能，并且具备英特尔®至强®处理器和FPGA加速软件栈的支持。
英特尔® FPGA可编程加速卡
此外，英特尔提供面向深度学习加速的设计包，可以在预测应用中将多种神经网络拓扑卸载到英特尔®FPGA可编程加速卡上。
针对卷积网络应用，低精度表示在未来数年内很可能成为业界标准做法，它至少带来了两个好处：极大减少了模型的存储量和使硬件可能提供更高的计算能力。
人工智能助推医疗行业现代化
除了技术层的分享，英特尔分享了人工智能医疗行业的应用。在当下庞大人口的就医问题给治疗效率提出了高要求。利用海量医疗数据提高医生洞察、加快诊断速度、减少药物开发成本和时间，而且，随着靶向治疗开发的加速、生物标记物发现和解译的进步、以及面向计算机辅助疾病检测的智能算法工作效率的提高。
英特尔人工智能事业部副总裁、人工智能实验室和软件总经理Arjun Bansal带来演讲
基于深度学习的新兴算法和模型将被用来分析医疗数据，如电子健康记录、医学影像以及制药和基因组数据集等，无疑，人工智能将推动精准医疗的发展。
在人工智能领域，英特尔具有全栈实力，提供丰富的AI创新应用，开发AI架构，与用户深度合作来打造AI多元生态，通过英特尔® 优化框架来分享应用人工智能未被挖掘的机会，帮助用户解决实际问题。此外，无论是刚涉足人工智能领域的新人还是专家，英特尔® 人工智能学院都能提供的基础学习材料、社区、工具和技术来帮助学习和工作，加强对人工智能的理解。
