至顶网服务器频道 07月19日 新闻消息（文/李祥敬）：毋庸置疑，我们处于人工智能浪潮的风头浪尖，这可以从百度AI开发者大会Baidu Create的人头攒动可以看出来。目前。人工智能成为互联网及整个高科技领域的热门技术概念，促使越来越多的IT企业和开发人员投入其中。
百度也是最早布局AI技术的互联网公司之一，通过搭建AI开放平台和PaddlePaddle深度学习框架将百度大脑中领先的核心能力赋能到更为广泛的行业生态、科研院所和开发者社区中，提供了全球领先的AI服务基础设施。
在这一过程中，英特尔与百度在人工智能领域开展了一系列合作，包括英特尔Movidius视觉处理器（VPU）支持百度Xeye智能零售摄像头产品，英特尔FPGA助力百度计划推出的工作负载加速即服务，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。
英特尔人工智能事业部副总裁兼人工智能架构总经理Gadi Singer告诉记者，从赋能终端设备智能化，基于至强可扩展处理器的大规模数据中心，到利用英特尔FPGA加速不同工作负载，再到让PaddlePaddle开发者更简便地进行跨平台编程，百度充分利用了英特尔的产品和技术专长，让人工智能技术的进步真正造福大众。
如何看待英特尔与百度的合作？
对于双方的合作，Gadi表示，英特尔与百度的合作可以追溯到十年前，而在五年前，双方成立了战略联盟；两年前，两家公司在人工智能领域开展了更多合作。
在此次百度AI开发者大会上，英特尔和百度的人工智能合作成果被公布。Gadi介绍说，这些成果概括为三个方面，一是英特尔至强可扩展处理器对PaddlePaddle框架的优化。这些优化涵盖计算、内存、架构、通信等不同层面，例如：通过AVX Intrinsics函数，BLAS库（例如MKL，OpenBLAS）或定制CPU函数优化数字运算的效率；通过MKL-DNN（面向深度神经网络的英特尔数学核心函数库）优化CNN（卷积神经网络）。
Gadi表示，当我们在谈人工智能框架优化的时候，有两个非常重要的方式来实现。第一，要为框架挑选合适的库、函数，这是非常关键的。第二，我们要对每一个人工智能的工作负载进行分析，从而对它进行合适的训练，从而达到更好的结果。
“百度对PaddlePaddle在英特尔至强可扩展处理器上的性能进行了优化，开发者与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AI算法，实现了PaddlePaddle人工智能应用运营效率的提高。”Gadi说。
除此以外，英特尔和百度还将继续探索和研究，将PaddlePaddle与英特尔nGraph，这一面向各种设备和框架的DNN模型（深度神经网络模型）编译器整合。今年3月，英特尔开源了nGraph。在其支持下，数据科学家可专注于数据科学研发，而无需担心如何将DNN模型部署到各种不同的硬件平台做高效训练和运行。
Gadi表示，nGraph能够与一些深度学习的框架，比如说PaddlePaddle进行连接。所有nGraph输出的结果，最终都可以在CPU、Movidius、FPGA以及未来的Neon上进行运行。
二是百度部署了英特尔的FPGA。百度正在开发基于英特尔最新FPGA技术的异构计算平台，这一技术将极大地提升加速性能和能效，灵活实现各类数据中心工作负载的加速，以及赋能百度云上的工作负载加速即服务。
Gadi表示，FPGA在定制化以及配置方面更加灵活，从而对于一些要求比较高的工作负载而言，可以实现更高的性能，使用FPGA还能够开发低延时的应用。“FPGA对于人工智能类应用而言，是一个非常强有力的选择。尤其针对那些需要比较高的带宽，同时又可以支持大量的数据传输的工作负载，它能够提供比较低的时延。百度提供的是一个异构的计算环境，FPGA可以为这样的一个环境提供更加多元化的选择。”
三是百度Xeye摄像头采用英特尔Movidius Myriad 2 VPU，为零售业提供高性能、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化VPU解决方案强强联合，让此款摄像头能够分析物体和手势，识别人体，从而为零售行业用户提供个性化的购物体验。
Gadi说，百度在寻找一款比较好的计算机视觉引擎，而Movidius本身被广泛地应用于比如说安全监控摄像头以及无人机等。有了Movidius，我们可以更好地实现计算机视觉以及在设备端的通用型演绎推理。两者组合在一起，对于集计算以及人工智能为一身的终端设备而言是一个非常有吸引力的解决方案。通过两家公司的合作，百度的机器学习的算法能够以更加低的功耗进行优化运营。
AI浪潮已来 英特尔准备就绪
在Gadi看来，人工智能是继移动互联网之后的下一个时代，但是谈到技术的更迭，人工智能领域将会有好几轮的发展。机器学习改变了整个计算世界的格局，有了机器学习，意味着在更短的时间我们可以处理更多的数据。
“现在只是人工智能在演进过程中的一个开头，这个阶段大部分的技术突破都是发生在深度学习领域。现在持续学习、增强学习方面技术发展也很快，如果我们把眼光放得更宽泛一些，就会看到机器学习正在和一些新出现的深度学习技术进行集成、融合。”Gadi说，“在未来，人工智能将进一步发展，不只是做到现在的具有人类的认知能力，同时应该更好地理解人类的世界，具备和人一样的体验。要达到这样一个目标，除了深度学习做得好，还需要非常强的机器学习能力。我的判断下一波大的技术浪潮中，将有好几个小的AI技术的浪潮。”
既然，AI的浪潮已经到来，那么英特尔会扮演何种角色呢？Gadi表示，在整个人工智能的生态系统中，英特尔是提供了一个支撑的作用。英特尔自身也在开展人工智能方面的研究，同时也与众多教育机构开展合作研究。英特尔非常积极地参与一些标准化组织的活动或者工作，因为我们认为这对于整个业界去共享一些非常好的技术是很重要的。比如ONNX（Open Neural Network Exchange），它是一种交换格式，方便不同的框架之间进行模型的交换。
同时，我们也看到英特尔拥有多元化的芯片产品。英特尔的处理器产品线分为两种类型，一种是通用型的，一种是专门用途型的。围绕这些产品，英特尔在硬件、软件、生态系统三个方面进行布局。英特尔至强可扩展处理器属于通用型处理器，是人工智能的基础。
Gadi表示，大部分AI工作负载需要进行推理，这些推理是运行在至强可扩展处理器上面的。英特尔不断地丰富CPU指令集，从而实现人工智能工作负载的加速。同时在软件堆栈方面也是如此，让软件堆栈能够更好的加以利用。“除了至强这种通用型的处理器之外，我们还有一些专门用途的芯片。在功耗方面，比如从几十毫瓦到上百瓦，我们都覆盖。同时也覆盖不同的计算环境，从终端设备边缘到数据中心。”
对于目前火热的AI芯片，Gadi认为，人工智能领域变化太快了，要解决的问题本身也在不断地变化。人工智能芯片解决方案，成功的一点要能够做趋势判断，能够基于这种判断做出一个适度的、合理的猜测。此外，人工智能芯片本身是由不同的部分组成的，这不同的功能块之间要有一个非常好的平衡。“人工智能处理器解决方案，你要注重把不同的元素、原料加进去，针对某些场景解决问题，但是你解决问题的范围不能够太过的狭窄。”
除了硬件，英特尔也提供了优化后的软件堆栈，比如前面提到的nGraph，英特尔所有的硬件产品，不管是现在的还是未来要推出新的硬件产品，都是可以与nGraph连接的。同时nGraph也能够和其他的人工智能框架相连接，比如说PaddlePaddle、TensorFlow、Caffe、MXNet等。因此对于用户而言，将会得到一个非常易用、简化的体验，而同时又能够对接多个硬件平台。
计算的各个领域，生态系统都非常重要，尤其对于人工智能。人工智能技术的发展变革速度是史无前例的。人工智能可能出现一个新的技术，而且它的广泛使用可能只需要一到两年的时间。Gadi说，对于英特尔而言，非常重要的一点，我们一定要和人工智能领域的不同参与者众多保持密切的联系。这也是为什么英特尔把很多的自己的一些技术开源出来，比如nGraph，就是希望能够与开源社区有更好的参与。在生态系统的工作中，还有非常重要的一部分，就是英特尔与各个细分行业的领先者共同合作，做一些概念验证，共同打造技术解决方案服务行业客户。
本文源自至顶网服务器频道
