在人工智能技術大潮來臨之際，已經有49年歷史的老牌科技公司英特爾正在試圖讓自己變得“更酷”。

例如在“超級碗”中場秀中用無人機給LadyGaga的表演伴舞，利用動作捕捉技術還原莎士比亞戲劇《暴風雨》的角色，并通過實時3D人臉重建技術為李宇春的新MV《今天雨，可是我們在一起》打造特效。

“在這次MV合作中，英特爾通過攝像頭來檢測和識別人臉，定位78個關鍵點，實時跟蹤頭部運動和面部表情變化。對圖像進行智能分析和特征提取后，再通過運算將不同的特效疊加上去。”英特爾中國研究院院長宋繼強對第一財經記者表示，和之前技術不同的是，實時3D人臉基于現有的攝像設備也能實現，更考驗后端的算法。

事實上，英特爾正在通過與體育、電競和娛樂結合的方式讓更多的人重新了解自己，從PC芯片領域的霸主向數據公司轉型，人工智能是不可或缺的一塊。而為了更好地呈現人臉識別效果，英特爾中國研究院專門定制和設計了多個深度學習網絡模型，并且已經有針對性地創建和收集了十萬張人臉照片來訓練這些模型。

宋繼強對記者表示，目前英特爾已經形成了從硬件、庫、框架、平臺到體驗的“全棧式”AI實力，在體驗式營銷的牽引下，新的技術平臺能和消費者產生更多的共鳴，而不只是服務于行業內的從業者。在采訪中，他還談到了英特爾對于智能人工的看法。他表示，目前人工智能仍處于嬰兒期，未來十到二十年的趨勢都是向上發展，不過判斷什么是最后的（人工智能）芯片方案還為時過早。

“因為芯片需要靠應用去確定，在應用落實前（產業）無法判斷什么是最終的芯片方案。”宋繼強對記者說。

人工智能處于嬰兒期

在萬物智能互聯的時代，數據洪流正洶涌而來。這不僅僅意味著數據量的爆炸，更體現在數據形態革命性的變化，以及數據處理方式的延伸。

從數量上來說，到2020年，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更是高達750PB，而從數據形態來看，隨之而來的有視頻數據、音頻數據、社交數據等非結構化數據，未來還將呈現更加豐富的數據形態，例如雷達數據、聲納數據、GPS數據、鐳射激光數據、聯網汽車數據、神經網絡數據、基因數據等。

英特爾認為這將會帶來大量的產業機會，包括人工智能，人工智能正在激發新一輪的計算創新，充分釋放數據價值。

宋繼強說，人工智能的產業規模和社會價值，將堪比農業革命、工業革命和數字革命。它將帶來巨大的發展機遇，推動工業、交通、能源、零售、金融、醫療等各行各業乃至個人的轉型，對未來的社會、生活產生巨大的影響。

“現在看到的人工智能有交互上面的功能，比如說人臉識別，或者語音識別，比如你講話的時候可以自動將周圍其他人的聲音靜音，但人工智能解決的不僅僅是交互這一塊，未來還有更多的應用功能，比如說激起可以自動幫你搜集素材產生內容，幫你解決一些必須手動才能解決的問題。”宋繼強對記者表示，人工智能在未來的機會很大，特別是硬件的加速，還有內存、通信。他認為，只有結合通信技術，才能構建完整的無人駕駛產業化體系，要不然推出的一個一個獨立的無人駕駛的產品，不能形成產業，而英特爾要做的是促進規模化的產業。

但他也坦言，目前業內對人工智能定義較為模糊，其實涵蓋的市場很大，比如金融領域，華爾街也做量化投資、反洗錢，這些并沒有算到目前人工智能的概念里面。

“人工智能目前屬于嬰兒期，是英特爾的普遍認知。”宋繼強表示，現在判斷什么是最后的（人工智能）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。

英特爾要做AI基礎技術投資

英特爾認識到未來AI領域即將到來的偉大變革和其所帶來的對數據計算的全新要求。它的判斷是，未來人工智能領域的硬件將朝著更多元化發展，但隨著計算機時代的發展變得愈加成熟，很多技術的部署變得非常困難，因為很多技術都是在整個人工智能的框架之下的，但是在整個AI相關的領域當中，只有7%的應用才是符合AI的具體要求以及訴求的。

據宋繼強介紹，目前英特爾全球研究院一共有800多人，主要有四塊研究方向，電路架構、系統軟件研究、5G前沿通信以及安全技術隱私管理技術。而中國研究院有60多人，主要做視覺相關的人工智能的核心算法，包括人臉識別技術。同時，還有情緒識別、技術場景理解、家用機器人等多個與人工智能相關的研究方向。

于是，為了更好地實現人工智能，英特爾也在不斷延伸其技術布局，包括收購全球領先的無人駕駛方案提供商Mobileye、深度學習和神經網絡芯片與軟件領域的領導廠商Nervana、領先的計算機視覺公司Movidius和領先的人工智能服務提供商Saffron。通過把這些投資和英特爾至強、至強融核產品、實感技術和FPGA相結合，提供全棧實力處理端到端數據，從硬件、庫和語言、框架、工具到應用方案，擁有向市場提供端到端的人工智能解決方案所需的全部資產。

宋繼強對記者表示，英特爾收購的AI創業公司大大小小很多家，有的是基于規則、推理領域，還有一些機器人領域，但布局的邏輯是首先解決訓練的問題。

如Nervana。宋繼強向記者介紹，訓練目前來講是比較流行的深度學習算法，它能把一個模型訓練成解決某類問題的幫手。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。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。

“英特爾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。”宋繼強對記者說。