11月24日報道，2022英特爾AI（人工智能）開發者大會開幕。

　　在AI技術加速普及落地的關鍵階段，萬物智能、企業數字化轉型等背景下，都為AI開發者提出了挑戰。

　　從技術本身來看，李映認為，有五大超級力量在推動科技的進步，分別是無所不在的計算、豐富的可編程網絡、跨越云邊的基礎架構、遍布全網的人工智能、新興的傳感和感知技術。

　　在這背后，AI開發者的重要地位凸顯，但面臨如此多的發展機遇，李映談道，沒有任何一家企業或一個開發者，能夠獨立面對一個超級力量，并實現科技的進步和發展。因此，一個開放的生態、一個軟硬件共同組合的生態才能推動科技的進步。

　　那么，英特爾如何看待這一發展趨勢？又是如何構建AI開發生態的？并且如何讓AI與行業應用實現有效結合？

　　一、開發生態發展模式，將是軟件定義、芯片增強

　　英特爾副總裁兼軟件生態部總經理李映談道，英特爾的創新愿景是，通過創建和促進基礎性的開放項目和標準，利用該公司的產品組合，依托于軟件優先、開放優先、開源優先的理念來和開發者社區、生態應用有更多探討。

　　談及未來發展，李映說：“未來，我們認為整個生態發展一定是軟件定義芯片增強的，軟硬件共同創新發展的合作模式。”軟件的重要性越來越大。

　　首先是摩爾定律的持續發展，他補充說：“我們承諾在未來4年內會有5個節點的超速發展，保證摩爾定律繼續成為科技發展和IT發展的基石。”

　　同時，硬件也會變得更加開放，RISC-V等開源架構的出現，為開發者和芯片開發商提供了更多選擇。

　　整個開發生態將會是軟件定義、硬件芯片增強的交互發展，而軟硬組合也會成為重要的發展發現。

　　李映談道，其實這一方向在AI方面得到了充分體現。新的算法、架構層出不窮，AI應用給每個人的生活和社會帶來了新的變化，但對于開發者而言，數據、AI方面都會面臨非常復雜的挑戰。

　　首先是數據方面，開發者需要保證整個開發過程中能對大量數據進行處理，對數據進行標準化清洗，并應用到后面的模型中。

　　第二個挑戰是建模，如何選擇更好的模型才能保證開發者的AI訓練過程達到開發者預期的效果。這說的就是高效利用的問題。英特爾在模型構建中會提供主流的架構TensorFlow等，也會具備API接口，保證開發者的模型在各種硬件平臺中能夠進行無縫遷移和使用。

　　第三個挑戰是如何保證你的模型能夠部署在實際使用環境和應用環境中，英特爾提供的技術能夠保證AI開發者高效部署到邊緣或者云端環境中。

　　其他的技術也會保證模型的可用性，并自動找到最佳部署模式。

　　因此，依托于英特爾開放、開源的開發生態，AI開發者的開發應用效果和效率都能得到顯著提升。

    二、云邊端協同是大趨勢，邊緣訓練是AI發展第二階段

　　在萬物智能的新時代，數據的增長速度已經超出人們的想象。英特爾公司高級首席工程師、視頻事業部全球首席技術官、物聯網事業部中國區首席技術官張宇談道，數據量增加的同時，也推動了計算模式的更新。在互聯網時代，云計算技術可以實現隨時隨地按需邊界共享各種計算設施等，并提高資源利用率。

　　因此，在數字化轉型需求爆發的當下，我們可以看到有三大趨勢，分別是云邊端的協同、基于軟件定義的數字基礎設施以及無處不在的智能。

　　首先在云邊端協同方面，行業數字化轉型推動了邊緣智能的發展。根據國際數據調研機構IDC預測，目前全球智能邊緣芯片市場規模已經達到350億美元。

　　但邊緣計算的發展并不意味著云計算的消亡，邊緣設備只能處理局部所產生的數據，無法形成全局認知，因此需要借助云計算平臺來實現信息融合。

　　因此，張宇說：“我們認為，今后的物聯網系統一定是一個云邊端協同的系統。”

　　談及物聯網產業中，設備豐富多樣的特點，張宇告訴智東西，物聯網行業有很多個人開發者，他們的需求十分碎片化，但同時他們只希望將精力放在圍繞著切實行業實際痛點的應用開發上。英特爾為他們提供了水平化、通用化的軟硬件開發工具，幫助個人開發者團隊快速落地。

　　其次，人工智能無處不在方面，他稱，本次人工智能浪潮的起點就是，2012年的深度卷積神經網絡AlexNet。在這之后，以深度卷積神經網絡為代表的深度學習技術被廣泛運用到交通、支付等領域。其中，利用深度學習來進行圖像處理，就是當下最為廣泛的人工智能應用。因此，人工智能技術的普及也已經是當下一個非常明顯的趨勢。

　　最后是軟件定義，也就是利用軟件來靈活部署和配置系統的功能。其中，新冠疫情帶來的混合辦公模式，就是一種新的模式。這一模式對分布式接入、網絡安全等提出了新需求，而這些新的需求對數字基礎設施的靈活性、可配置性提出更高要求，張宇說：“基于此，只有通過軟件定義才能時間最佳辦法。”

　　通過軟件定義的方式，邊緣服務提供商可以靈活調整邊緣設備所運行的負載，進而構建“邊緣即服務”的新模式。

　　他補充道，在這三大趨勢下，又呈現出四大新的機會點，分別是東數西算、智能邊緣、5G和綠色計算，都在推動人工智能的應用和普及。

　　目前，邊緣人工智能的應用更多集中在人工智能的推理階段，人工智能模型的訓練還是依賴于數據中心的訓練服務器來完成。但現有的一些工業互聯網領域對模型的快速更新有需求，因此，張宇說：“我們認為邊緣訓練將是邊緣人工智能發展的第二個階段。”

　　邊緣訓練目前的挑戰則在于，需要更自動化的標注工具、邊緣端可供訓練的樣本數量有限等等。

　　“未來，解決了邊緣訓練，也并不意味著人工智能發展到了最高階段。”張宇補充道。下一個階段就是人工智能技術能自主定義網絡模型架構、自主選擇相應數據來進行訓練。

　　因此，為了達到這一目標，英特爾不斷通過軟硬件技術創新迭代，和合作伙伴共同推動行業發展。

　　三、從AI到軟硬件，為開發者提供全流程工具

　　英特爾發布了最新的OpenVINO 2022.2版本，支持英特爾數據中心GPU以及英特爾最新獨立顯卡第四代至強可擴展處理器，能自動整合多個加速器推理性能。這一模型已經應用在工業、醫療、制造、公共安全等領域。

　　為了讓開發者在開發物聯網的網絡與邊緣產品時更加便利，英特爾推出Geti平臺讓企業團隊的開發者、使用者、部署者和平常的工作人員，都能快速構建、使用、調優一個計算機視覺AI模型。在提高模型準確度的同時簡化流程，工作人員可以通過一鍵導入和導出，讓這些經過調優的模型自動部署到整個AI使用環境中。這一平臺預計在今年第四季度上市。

　　為了進一步簡化開發者的開發流程，英特爾推出一款一鍵式、無代碼解決方案英特爾Neural Coder。這一解決方案無需在深度學習腳本中進行基于CUDA的硬編碼，不僅可以優化這些腳本的性能，還能針對這些優化進行基準測試，進而提供合適的部署方案。

　　第四代英特爾至強可擴展處理器中集成vRAN加速，減少vRAN部署所需組件數量，能夠降低20%的計算功耗。

　　此外還有英特爾首個ASIC IPU英特爾IPU E2100，英特爾第二個FPGA IPU英特爾IPU F2000X-PL，可以幫助百度、京東、中國移動、中國電信等去構建起數據中心網絡。

　　同時，英特爾聯合極視角推出極光AI算法一體機，計算模塊可無縫集成到現有的攝像頭和視頻方案中，盒子的硬件平臺提供多種形態和豐富的接口，支持各類性能需求和部署要求。

　　AI一體機可以向前承接深度攝像頭、IP攝像頭等業務數據，并通過OpenVINO與英特爾深度學習加速技術，就可以幫助開發者在低功耗場景下滿足視頻AI分析，并結合后端展示AI服務和邊緣服務器云平臺。

　　這一AI一體機目前有三種規格，其中i3支持四路視頻分析，刊例價為4500元，i5支持八路視頻分析，刊例價為6750元，i7支持12路視頻分析，刊例價為9000元。

　　極光角極光產品負責人黃湘說：“極光盒子可以理解為軟硬一體的算法分析引擎。”例如，過往的應用中，圖片分析主要針對圖片進行單一算法分析，而激光盒子具備的圖片融合檢索，就可以把圖片送到不同算法處進行分析，并將結果融合到一個報警時間中。

　　這樣做的好處是，既能節約存儲空間，還可以讓管理者僅通過一條報警信息監控全局。

　　結語：AI開發生態加速萬物互聯時代到來

　　AI技術的發展與普及，正在改變我們生活的方方面面。如此龐雜的生態體系下，僅靠一家公司是無法快速時間技術突破并讓其真正應用到產業中的，因此，AI開發生態的構建需要軟硬一體的協同發展。

　　英特爾等企業與AI開發者一直在探索如何構建AI開發生態，讓這一生態在推動相關技術進步的同時，加速萬物互聯時代的到來。