域名频道资讯站 
人工智能发展到今天这个阶段，机器学习几乎成为了它的代名词。2006年，以“无监督学习”为主要特征的深度神经网络训练在学术界获得了认可。在之后的十多年中，包括谷歌、百度在内的全球各大互联网高科技公司纷纷入局，希望可以利用强大的深度学习模型，来揭示大数据之中所承载的“隐藏信息”，甚至对未来时间做出精准预测，为各行各业的发展带来有价值的信息。与此同时，深度学习算法的大规模使用对硬件计算能力提出更高的技术要求，对数据中心的可扩展性、快速部署能力、稳定性和安全性也提升了需求。从早年传统GPU厂商英伟达转型进入人工智能计算领域，成为市场宠儿，到近5年老牌芯片厂商英特尔也进入转型期，不断在人工智能领域投入大量资金，不难看出，下一个人工智能浪潮的发展，离不开这些底层技术供应商的全力支持。对于硬件服务供应商来说，谁能占领人工智能这片要地，谁就把握市场的未来。其次，人工智能技术的发展和应用必须与已有行业做深度结合，以软件思维切入市场，找到产业中的真正需求，才能实现技术的落地。软硬件的协同优化以及算法在各行各业具体场景下的适应能力，在很大程度上决定了人工智能算法在实际应用时能否带来更具准确性的数据以及更及时的响应，从而为用户提供更好的体验。人工智能应用开发的整个过程——从获取数据、建立模型、训练到部署环环相扣，须针对每个具体步骤进行细节优化。如果只是将这一过程简单地理解为将算法放在硬件上运行，其整体性能就会大打折扣。算法与硬件二者缺一不可。当人工智能在数据的推动下进入发展的新阶段，却得不到算法和底层技术的支撑，很快就会到达瓶颈；若一家技术公司“懂算法不懂硬件，懂硬件不知算法”，也会陷入尴尬。科大讯飞携手英特尔发力人工智能以语音识别、自然语言处理为核心业务的科大讯飞为通信、音乐等多个行业的语音产品提供人工智能技术支持。语音识别和认知是深度学习技术发展过程中的重要领域，也是计算机能力的短板。
除了拥有传统的深度学习平台之外，科大讯飞还在不断开拓教育、医疗等新的业务，并试图构建更多基于不同技术方案的深度学习计算平台，从而探索人工智能创新之路的更多可能。这就意味着为科大讯飞提供底层技术的供应商需要拥有一个全面布局和长远规划，才能共同探索人工智能未来发展道路和前进方向。2016年，科大讯飞选择牵手英特尔。此前科大讯飞主要使用传统的GPU方案。基于科大讯飞的实际情况和需求，英特尔为之提供了基于英特尔至强融核处理器的深度学习平台，并将合作深入到代码级别。在具体执行过程中，科大讯飞会抽出深度神经网络模型、矩阵规模的程序代码和数据打包交给英特尔，英特尔则会针对至强可扩展处理器进行代码优化，并将结果交回给科大讯飞继续调试和测试，并最终在实际生产环境中上线。通过类似这样的方式，英特尔帮助科大讯飞深度学习框架和应用代码实现从传统平台到英特尔架构平台的迁移，及其运行性能上的优化。经过了与科大讯飞这样的行业头部企业的合作之后，英特尔旗下的许多深度学习的软件工具和库也借此机会得到了大幅改进，双方合作实现了双赢效果。全能型选手英特尔英特尔在人工智能领域的产品和服务远不止以上这些。以芯片起家的英特尔，已经打造了一个完整的硬件平台，其中包括比上一代人工智能推理吞吐量提高14倍的第二代英特尔至强可扩展处理器，为高内含图像分析等人工智能用例提供便利的英特尔傲腾数据中心级持久内存，拥有更小数据访问延迟的英特尔傲腾固态盘DC P4800X等。其次，针对各类深度学习需求，英特尔为人工智能开发人员提供深度学习框架、软件堆栈如Spark、Caffe、Theano以及Neon等；还有免费的基于英特尔框架的数序核心函数库(英特尔MKL)和数据分析加速库(英特尔DAAL)；另外，英特尔构建了以英特尔Movidius和Saffron为代表的平台以推动前后端协同人工智能发展。由此可见，英特尔此次面向人工智能领域的转型，远非将某几个硬件产品做强，而是为人工智能提供从硬件到软件的全栈解决方案。
英特尔人工智能产品事业部副总裁、人工智能产品与市场研究总经理辛周妍曾在接受媒体访问时表示：“英特尔人工智能的优势和独特之处不仅仅在于某一个产品，不是某一个处理器，也不是某一个内存、某一个制造的能力或某一个互联的能力，而是涵概上述所有因素在内的所有组件，使得英特尔能够建立一个完整的人工智能基础架构，非常丰富的产品组合是英特尔与其他公司实现差异化的最大亮点。”如今，全球各行各业都开始用人工智能分析数据，同时也产生了越来越多的应用场景，英特尔人工智能全栈解决方案要做的就是帮助广泛的行业和企业更方便地获取、开发和部署人工智能应用，并将人工智能潜力在各个领域充分释放出来。相应地，英特尔也为其他同业竞争者树立了标杆：为人工智能开发者提供支持的公司势必要在下一波浪潮到来之前，开拓其专业边界，在原有的强项——硬件开发能力基础上，懂得如何去解决客户需求，为他们量身定制整体解决方案。当全行业都在为攻克算法、算力和存储多方面技术瓶颈而努力创新时，我们才能真正看清人工智能的未来。
本文素材来自互联网
