英特爾人工智能在2019年到底賺了多少錢？
文︱亞亞君
圖︱英特爾
“35億美元”意味著什麼？
摺合人民幣約為250噸；相當於AMD 2018全年營收一半多點；超越一般AI獨角獸的估值，更別談人工智能公司的營收了，著名AI公司DeepMind去年還虧了5億美元。
而35億美元是英特爾預估的在2019年AI領域的收入。
當競爭對手發佈芯片，企圖在CPU老大哥面前秀一波肌肉，並將輿論短暫性點爆時。突然發現事情沒那麼簡單，AI奇襲，世界突然一下就變了。連英特爾在2019年一整年裡，都時不時會提到以數據中心的轉型。這到底轉的哪門子型？
英特爾2019年AI新品總覽
今年一月份，英特爾宣佈推出Nervana神經網絡推理處理器（NNP-I）。那時中國大地還處於等待春節的氣氛中，2018年一肚子人工智能“墨水”準備著與長輩們嘮嗑，畢竟舉手投足都是上億的估值與項目，眼神裡透著微醺的驕傲。
據官方介紹，NNP-I是全新構建的，具備高能效和低成本，且其外形規格靈活，非常適合在實際規模下運行高強度的多模式推理。“能夠實現大規模無縫雲原生推理，在現有的數據中心基礎架構上面即插即用。” 英特爾人工智能事業部副總裁兼人工智能平臺和市場研究總經理Julie Choi在前幾天舉行的“2019英特爾實踐AI媒體分享會”一句話總結了它的作用。
Facebook已經行動大於心動，並在先進深度學習編譯器Glow的支持擴展到NNP-I。
隨後三月份，英特爾與Bluefors和Afore合作推出量子低溫探測儀Cryogenic Wafer Prober。旨在加快量子計算解決方案的研究。英特爾發現需要藉助量子測試工具來收集更多關於量子芯片的數據。
這一量子項目的推出，比“量子波動速讀”火爆的時間點足足早了7個月。不過，這裡無法統計“量子波動速讀”機構到底摸了多少錢，所以無法與英特爾量子技術進行金錢的正面衡量。
英特爾中國研究院院長宋繼強博士在媒體採訪中提到量子稱：“包括量子計算，目前學術界和產業界還是把它用在服務器，就是雲計算裡面作為現在已經有的高性能計算的處理器，它會是更高計算能力的處理器。”而英特爾中國戰略合作與創新業務部董事總經理李德勝把量子稱作登月飛船，即便有了飛船，飛機、高鐵、自行車還是必不可少，這裡飛機高鐵自行車類似是英特爾的CPU產品。當然筆者只想說，有了量子芯片，還要什麼自行車？
英特爾中國研究院院長宋繼強博士
4月，英特爾發佈第二代至強可擴展處理器，集成了加速人工智能深度學習推理的英特爾深度學習加速(DL Boost)技術。並在8月宣佈下一代的至強可擴展處理器系列（代號Cooper Lake）將提供每插槽最多56顆處理器核心，並在標準的插槽式CPU內提供內置的人工智能訓練加速。其中，通過在英特爾 DL Boost中增加對bfloat16的支持，Cooper Lake將是第一款提供內置高性能人工智能訓練加速功能的x86處理器。Cooper Lake將在2020年上半年上市。
Julie Choi表示，搭配英特爾軟件使用，效果更佳。一個關於Photoshop的例子，曾經修圖可能需要幾小時，加入至強CPU，“任何一部PC都可以變成有AI能的PC，一鍵修圖。”
7月，英特爾推出代號為“Pohoiki Beach”的800萬神經元神經擬態系統，以此支持全球生態系統合作伙伴繼續開拓神經啟發式算法研究的下一個前沿。資料顯示，這套系統包含64塊Loihi研究芯片。
宋繼強博士解釋道：“Loihi是一個神經擬態計算芯片，它區別於原來的通用計算和像現在的深度學習、腦啟發計算，它充分利用了人腦比較低功耗的工作方式，脈衝神經網絡的方式，它更形象的把模擬神經元的計算硬件連接起來，形成異步的電路，通過脈衝的方式激活，只有用到的部分耗電，不用的部分休息。”並且Loihi芯片是英特爾2017年提出的。
11月，英特爾展示了面向訓練（NNP-T1000）和麵向推理（NNP-I1000）的Nervana 神經網絡處理器（NNP）。
Julie Choi展示英特爾Nervana神經網絡訓練處理器NNP-T
這裡的NNP-T和前面提到的NNP-I像是一對孿生兄弟，Julie Choi表示，NNP-T針對深度學習訓練開發，在計算、通信和內存之間取得了平衡，最終的目的是賦能分佈式訓練。此外，百度AI系統架構師丁瑞全分享了雙方在英特爾NNP-T和百度X-Man的合作，優化PaddlePaddle（飛槳）提升日益複雜的模型訓練效率。
剛過去不久的美國時間11 月 12 日舉行的2019 英特爾人工智能峰會期間（Intel AI Summit 2019）上，英特爾推出代號為Keem Bay的下一代Movidius VPU，可用於邊緣媒體、計算機視覺和推理應用，並計劃於明年上半年上市。性能方面，與上一代VPU相比，Keem Bay的推理性能提升了10倍以上。用直觀對比數據來看， Keem Bay是英偉達TX2的4倍，比Ascend 310快25%。在功耗方面，Keem Bay提供的每瓦推理性能是英偉達的TX2的6倍。英特爾還發布了全新的英特爾DevCloud for the Edge，旨在解決開發人員的主要痛點。
Julie Choi展示代號為Keem Bay的下一代Movidius VPU
當月，英特爾還公佈了一款基於Xe架構的通用GPU，專門針對高性能計算和人工智能加速進行優化，研發代號為“Ponte Vecchio”。專為高性能計算建模、模擬工作負載以及人工智能訓練而設計。
一個月內，英特爾還發布了一項全新軟件行業計劃oneAPI，釋放高性能計算與人工智能技術融合時代多架構計算的潛力，同時發佈了一個oneAPI beta產品。簡單來說，英特爾oneAPI行業計劃，為跨多種包括CPU、GPU、FPGA和其他加速器在內的異構計算，提供了一個統一和簡化的應用程序開發編程模型。
這時候就有底氣說，“在英特爾，我們所看到，隨著AI繼續成為所有體驗的一部分，我們正在建立AI的能力，把它內置到我們所有英特爾的產品當中，我們許多的硬件和軟件產品都有內置的AI能力，從CPU到GPU，再到FPGA，再到客戶定製的ASIC，把AI融入到一切。”
Julie Choi一句話把英特爾產品線串了起來，對於這些產品，發言人如數家珍。但在AI這場遭遇戰中，產品雖是基石，但不是全部。
生態與人才
關於生態，英特爾有什麼？
“一萬五千名軟件工程師做優化和賦能工作；超過兩千萬X86架構的開發者，以及多年來的硬件技術積累。”從英特爾亞洲人工智能銷售技術總監伊紅衛的發言中，筆者簡單總結了英特爾優勢，生態與人才相輔相成。
英特爾亞洲人工智能銷售技術總監伊紅衛
李德勝稱AI生態建設是一個系統的工程，並從三方面解讀了英特爾所做的工作：“第一就是人才，我們現在看到500萬人才缺口，且會越來越多。AI與傳統產業的複合人才培養週期將會更長，所以英特爾會打造實訓平臺，給學生或者傳統行業進行培訓。
英特爾中國戰略合作與創新業務部董事總經理李德勝
第二就是創新廣度，AI無處不在，需要跟產業融合。我們要利用生態來挖掘更多創新項目出來。今年英特爾強調的AI百佳創新項目，雖表面上是100個項目，但實際可能帶動上千個項目。
第三就是深度，比如單純醫療行業，就會有許多方面涉及AI，只有深入才能達到最終所要的目的。”
然而產業人才與研究人才又有些許差別，宋繼強表示：“英特爾研究院已經部署非常多工業研究員，希望所做的東西能在三五年應用到產品領域。科研人才需要突破原有的框框，通過時間把知識轉化為新的技術。”
對於企業來說，科研人才就像奢侈品。短期內不能直接帶來真金白銀，但我們在做未來佈局時，萬萬不能少的。而產業型人才，能夠直接帶來收入，持續給科研人才供血。宋繼強表示，相較而言，英特爾對產業人才需要更大，如果不能產生商業價值，新技術就會脫節，就不能產生正循環。
那麼AI的正循環則更需要全產業鏈的協同，從人才培養到技術落地，應用之間更需要開放協同。這也不難理解為什麼英特爾如此強調生態協同，與合作伙伴的密切配合。背後是超越“35億美元”的存在，正如李德勝所說：：“生態合作伙伴通過與英特爾的合作，一起在行業內取得的收入將要乘以10甚至100，也就是350億美金、3500億美金，我們可以看見這個市場巨大的潛力。”
END
閱讀更多 王樹一 的文章
