英特爾陳玉榮：全面解析英特爾人工智能計(jì)算平臺(tái) | CCF-GAIR 2018

雷鋒網(wǎng)按：2018 全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR）在深圳召開，峰會(huì)由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，得到了深圳市寶安區(qū)政府的大力指導(dǎo)，是國(guó)內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級(jí)交流盛會(huì)，旨在打造國(guó)內(nèi)人工智能領(lǐng)域最具實(shí)力的跨界交流合作平臺(tái)。      

7月1日，在“AI芯片專場(chǎng)”，英特爾首席研究員、英特爾中國(guó)研究院認(rèn)知計(jì)算實(shí)驗(yàn)室主任陳玉榮帶來 “英特爾計(jì)算平臺(tái)助力人工智能發(fā)展”的主題演講。

陳玉榮介紹到深度學(xué)習(xí)的發(fā)展使得在特定任務(wù)領(lǐng)域，機(jī)器在視覺識(shí)別和語(yǔ)音識(shí)別方面已經(jīng)超過人類。此外，深度學(xué)習(xí)還廣泛應(yīng)用到其他領(lǐng)域解決現(xiàn)實(shí)世界的問題，包括健康醫(yī)療的腫瘤檢測(cè)、金融投資的文檔分類、能源行業(yè)的油氣田勘探、智能設(shè)備中的語(yǔ)音助手、工業(yè)應(yīng)用中的缺陷檢測(cè)和基因工程中的基因測(cè)序等。

但是，深度學(xué)習(xí)的部署是多方面的，深度學(xué)習(xí)的訓(xùn)練其實(shí)只是其中很小一部分，更重要的是理解整個(gè)解決方案是怎么運(yùn)作的，以及怎么樣無縫的集成到更大的數(shù)據(jù)分析的流程里面去。

陳玉榮介紹了英特爾最廣泛的端對(duì)端人工智能計(jì)算平臺(tái)，包括通用芯片，深度學(xué)習(xí)定制加速器如Nervana神經(jīng)網(wǎng)絡(luò)處理器，F(xiàn)PGA，Movidius VPU，Mobileye EyeQ，GNA IP，集成顯卡等硬件，和各種軟件工具如OpenVINO、Movidius SDK、MKL-DNN、clDNN等，以及英特爾的前沿及前瞻性的研究，如何整合起來助力人工智能發(fā)展。 

以下為陳玉榮演講全文，雷鋒網(wǎng)進(jìn)行了不改變?cè)獾木庉嬚怼?/strong>

大家下午好！今天非常高興能參加這個(gè)論壇來介紹英特爾人工智能計(jì)算平臺(tái)和我們的相關(guān)研究工作。我今天更多的是講目前已有的計(jì)算平臺(tái)和我們正在做的研究。

什么是人工智能？人工智能的定義不斷演化，但其核心主要是講機(jī)器模擬和超越與人類心智相關(guān)的認(rèn)知功能的能力。人工智能包含有很多種不同的實(shí)現(xiàn)方法，以數(shù)據(jù)為中心的機(jī)器學(xué)習(xí)是一種最主要的方法，因?yàn)樗诮鉀Q人工智能的三個(gè)主要子任務(wù)，包括感知、計(jì)劃/推理和控制方面取得了很好的效果。深度學(xué)習(xí)則是機(jī)器學(xué)習(xí)的一個(gè)子集，近年來成為人工智能發(fā)展的主要推動(dòng)力。但并不是說別的方法不重要，像簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)、經(jīng)典機(jī)器學(xué)習(xí)算法、基于推理的系統(tǒng)，以及其它新興的算法，都非常重要。我相信人工智能最終一定是通過多種方法的融合來實(shí)現(xiàn)的。

在人工智能算法這塊，機(jī)器學(xué)習(xí)包含很多種統(tǒng)計(jì)和規(guī)劃算法，包括經(jīng)典的回歸、分類、聚類、決策樹、外推等算法，它們的優(yōu)點(diǎn)是適用于小數(shù)據(jù)，計(jì)算要求低，得到結(jié)論的透明度比較好，缺點(diǎn)是需要大量的人工設(shè)計(jì)，對(duì)于圖象識(shí)別這樣的復(fù)雜問題識(shí)別準(zhǔn)確率很低。近年來深度學(xué)習(xí)成為主流的算法，用來解決圖像語(yǔ)音識(shí)別、自然語(yǔ)言處理、模式識(shí)別等很多問題。它的準(zhǔn)確率很高，但它本身也有一些問題，比如，需要大量的數(shù)據(jù)訓(xùn)練，需要大量的計(jì)算資源；同時(shí)它缺乏理論基礎(chǔ)，也就是我們常說的黑箱問題，你不知道該怎么樣去設(shè)計(jì)一個(gè)好的神經(jīng)網(wǎng)絡(luò)。最后是容易被大家忽略的推理相關(guān)的算法，它們可以從不同的海量數(shù)據(jù)中發(fā)現(xiàn)相似性和檢測(cè)異常情況，可以用在反洗錢和檢測(cè)金融欺詐等應(yīng)用里面。

得益于深度學(xué)習(xí)的發(fā)展，在特定任務(wù)領(lǐng)域，機(jī)器在視覺識(shí)別和語(yǔ)音識(shí)別方面已經(jīng)超過人類。此外，深度學(xué)習(xí)還被廣泛應(yīng)用到其他領(lǐng)域解決現(xiàn)實(shí)世界的問題，包括健康醫(yī)療中的腫瘤檢測(cè)、金融投資里面用到的文檔分類、能源行業(yè)的油氣田勘探、智能設(shè)備中的語(yǔ)音助手、工業(yè)應(yīng)用中的缺陷檢測(cè)和基因工程里面的基因測(cè)序等。我們以工業(yè)應(yīng)用中的缺陷檢測(cè)為例來看看深度學(xué)習(xí)解決方案是如何開發(fā)的。

整體解決方案通常包括發(fā)現(xiàn)機(jī)會(huì)、設(shè)定假設(shè)、準(zhǔn)備數(shù)據(jù)、訓(xùn)練模型、部署模型、對(duì)解決方案進(jìn)行迭代和評(píng)估。我們采用一個(gè)真實(shí)客戶的案例，把深度學(xué)習(xí)解決方案的開發(fā)周期進(jìn)行了百分比細(xì)分。不同的深度學(xué)習(xí)解決方案在時(shí)間百分比細(xì)分上不太一樣，但是它們的步驟基本是一致的。你需要做數(shù)據(jù)的標(biāo)注、加載、增強(qiáng)，你要對(duì)DNN模型結(jié)構(gòu)做試驗(yàn)，然后調(diào)試模型參數(shù)，最后還需要做推斷的支持和結(jié)果分享。虛線部分是計(jì)算密集型的模型訓(xùn)練部分，它非常重要，但是它只占了深度學(xué)習(xí)開發(fā)周期的很小一部分，大約30%左右。另外，大家可以看到深度學(xué)習(xí)的開發(fā)也只是整個(gè)解決方案開發(fā)的一小部分，很重要的是說你怎么樣使用IT的預(yù)算更快的部署人工智能解決方案，而不是花額外的錢來加速整體解決方案的一小部分。

還是用缺陷檢測(cè)這個(gè)例子，我們來看看一個(gè)真正的端對(duì)端深度學(xué)習(xí)解決方案是如何部署的。左邊是案例的功能布局圖，它用10個(gè)攝像頭來對(duì)生產(chǎn)設(shè)備進(jìn)行監(jiān)控，以檢測(cè)缺陷。最早要做的事情是人類的專家對(duì)有缺陷的圖片進(jìn)行標(biāo)注，產(chǎn)生很大的數(shù)據(jù)集，這樣就可以用來訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)模型。訓(xùn)練好的模型被存儲(chǔ)和部署在系統(tǒng)上，來對(duì)后繼的視頻進(jìn)行推斷。發(fā)現(xiàn)缺陷時(shí)，會(huì)把推斷結(jié)果發(fā)送到服務(wù)層和解決方案層。推斷結(jié)果可以作為決策的依據(jù)，我們就可以采取一些行動(dòng)，比如呼叫技術(shù)人員或者關(guān)閉生產(chǎn)線。從右邊的數(shù)據(jù)中心設(shè)計(jì)圖中，你可以看到里面有很多種硬件。這里想說的是，深度學(xué)習(xí)的部署是多方面的，深度學(xué)習(xí)的訓(xùn)練也只是其中很小一部分，更重要的是理解整個(gè)解決方案是怎么運(yùn)作的，以及怎么樣無縫的集成到更大的數(shù)據(jù)分析的流程里面去。

我很贊同很多學(xué)者的說法，我們正處于人工智能計(jì)算時(shí)代的早期，或者說是黎明時(shí)期。英特爾不僅致力于為人工智能發(fā)展鋪平道路，而且在引領(lǐng)這一新興領(lǐng)域方面也處于最有利的位置。我們通過提供業(yè)界最全面的計(jì)算平臺(tái)，幫助用戶獲得更智能的結(jié)果，而所有這一切都是由用戶的需求和細(xì)分市場(chǎng)的需求來驅(qū)動(dòng)的。使用人工智能第一步是要準(zhǔn)備好數(shù)據(jù)，我們和我們的很多合作伙伴提供很多種解決方案來存儲(chǔ)、處理和管理數(shù)據(jù)。作為全球領(lǐng)先的計(jì)算硬件廠商，我們的硬件支持從混合型到專用型，從云端到終端的最廣泛的AI應(yīng)用負(fù)載。除了硬件，軟件也是非常重要的。剛才魏老師（魏少軍）也說了，人工智能在某種意義上是軟件比硬件更重要。我們確保所有的英特爾硬件引擎具有通用的AI體驗(yàn)，具有最大的一致性、互操作性和安全性。我們提供多種軟件工具組合來幫助加速AI解決方案的開發(fā)周期。除了硬件和軟件工具外，我們還采取基于社區(qū)和解決方案驅(qū)動(dòng)的方法，以拓展AI和豐富每個(gè)人的生活。我們和我們的合作伙伴一起提供多種行業(yè)現(xiàn)成的解決方案，包括金融、健康、零售、工業(yè)、政府、能源等等。面向未來，我們通過領(lǐng)先的研發(fā)和投資，包括資助頂尖的學(xué)術(shù)研究，內(nèi)部研發(fā)和對(duì)領(lǐng)先創(chuàng)新者的投資，以及進(jìn)一步推動(dòng)政策和道德領(lǐng)導(dǎo)力來繼續(xù)推動(dòng)人工智能的發(fā)展。

在工具方面，英特爾投資于增值的AI軟件工具，來幫助大家用好英特爾的每一種硬件，簡(jiǎn)化開發(fā)過程，最終縮短整體解決方案的開發(fā)時(shí)間。對(duì)于應(yīng)用開發(fā)者，我們提供了很多工具來提升性能和幫助加速解決方案的部署。針對(duì)深度學(xué)習(xí)，開源的OpenVINO和英特爾Movidius SDK 可以通過模型的轉(zhuǎn)換和優(yōu)化，提供針對(duì)英特爾各個(gè)目標(biāo)硬件優(yōu)化的深度學(xué)習(xí)推斷部署。我們也正在開發(fā)英特爾深度學(xué)習(xí)Studio，能夠幫助縮短端對(duì)端深度學(xué)習(xí)解決方案的開發(fā)周期（包括訓(xùn)練）。除了深度學(xué)習(xí)，英特爾Saffron AI還能夠提供認(rèn)知推理的解決方案，可以用于反洗錢和預(yù)測(cè)性維護(hù)的應(yīng)用。

對(duì)于數(shù)據(jù)科學(xué)家，我們致力于優(yōu)化一系列廣泛用于機(jī)器和深度學(xué)習(xí)的開源庫(kù)。目前已經(jīng)有一些機(jī)器學(xué)習(xí)庫(kù)可以充分利用英特爾硬件，包括Python 、R、分布式的一些庫(kù)。我們還對(duì)常用的深度學(xué)習(xí)框架直接做優(yōu)化，確保所有主要的深度學(xué)習(xí)框架和拓?fù)淠軌蛟谟⑻貭栍布线\(yùn)行良好。目前已完成CPU優(yōu)化的框架包括Tensor flow 、MXNet、Caffe等，未來希望能夠通過英特爾nGraph編譯器實(shí)現(xiàn)更多的框架。對(duì)于庫(kù)開發(fā)者，我們提供了很多基礎(chǔ)構(gòu)建模塊，能夠充分利用英特爾的硬件。其中包括針對(duì)機(jī)器學(xué)習(xí)優(yōu)化的英特爾Python分發(fā)版以及包含機(jī)器學(xué)習(xí)的英特爾數(shù)據(jù)分析和加速庫(kù)DAAL，還有針對(duì)英特爾CPU和集成顯卡優(yōu)化的DNN基礎(chǔ)函數(shù)庫(kù)MKL-DNN和clDNN，這兩個(gè)庫(kù)對(duì)于深度學(xué)習(xí)的模型開發(fā)是最相關(guān)的。剛才我提到英特爾nGraph編譯器，這個(gè)編譯器可以幫助我們從不同框架里面獲取計(jì)算圖并轉(zhuǎn)換為一個(gè)中間表示，這個(gè)中間表示可以調(diào)用英特爾針對(duì)特定硬件的計(jì)算加速軟件來執(zhí)行。這樣，開發(fā)者就可以不需要使用底層軟件和數(shù)學(xué)加速庫(kù)對(duì)每個(gè)目標(biāo)硬件進(jìn)行深度學(xué)習(xí)框架和模型的直接優(yōu)化。

英特爾硬件方面，除了深度學(xué)習(xí)以外的其它人工智能應(yīng)用，比如剛剛說的數(shù)據(jù)分析、機(jī)器學(xué)習(xí)還有推理等，就可以使用至強(qiáng)或者其它的CPU做，因?yàn)檫@些計(jì)算負(fù)載并不像深度學(xué)習(xí)那樣具有高計(jì)算強(qiáng)度和高并行度的特點(diǎn)。針對(duì)深度學(xué)習(xí)，英特爾提供了一個(gè)廣泛的產(chǎn)品組合來滿足不同客戶的獨(dú)特需求。對(duì)于訓(xùn)練，目前可以使用至強(qiáng)或基于至強(qiáng)的集群做訓(xùn)練。如果需要加速也可以考慮用加速器，明年英特爾會(huì)有專門針對(duì)深度學(xué)習(xí)訓(xùn)練的英特爾Nervana神經(jīng)網(wǎng)絡(luò)處理器。對(duì)于推斷，目前在數(shù)據(jù)中心和工作站，實(shí)際上至強(qiáng)處理器還是當(dāng)今市場(chǎng)的標(biāo)配（更多還是用至強(qiáng)處理器）。如果需要做高強(qiáng)度的推斷，也可以考慮用加速器，英特爾有很多加速器供大家選擇。

下面介紹一下英特爾的深度學(xué)習(xí)推斷加速器。大家知道數(shù)據(jù)中心、邊緣計(jì)算和終端設(shè)備，對(duì)于深度學(xué)習(xí)推斷的性能、功耗和成本要求，實(shí)際上是有很大區(qū)別的。英特爾FPGA可以在數(shù)據(jù)中心和邊緣計(jì)算設(shè)備上對(duì)深度學(xué)習(xí)的推斷進(jìn)行定制和快速原型設(shè)計(jì)。英特爾Movidius VPU是低功耗計(jì)算機(jī)視覺和深度推斷的解決方案。在邊緣計(jì)算方面，可以通過使用多個(gè)Movidius VPU，實(shí)現(xiàn)高強(qiáng)度、高效的媒體和視覺推斷。在終端，Movidius VPU在超低能耗下可以提供優(yōu)異的推斷吞吐量，可以用于物聯(lián)網(wǎng)傳感器、個(gè)人計(jì)算機(jī)和其他終端產(chǎn)品中進(jìn)行視覺處理和推斷。英特爾Mobileye EyeQ技術(shù)是自動(dòng)駕駛的推斷平臺(tái)，同時(shí)也可以作為一個(gè)完整的自動(dòng)駕駛解決方案提供給客戶。英特爾GNA，混合高斯模型和神經(jīng)網(wǎng)絡(luò)加速器IP是一個(gè)超低功耗的語(yǔ)音和音頻推斷解決方案，它可以被設(shè)計(jì)集成到很多智能音響、移動(dòng)設(shè)備、智能汽車方向盤或者PC芯片里面。最后是英特爾集成顯卡，大家很容易忽略，實(shí)際上它內(nèi)置深度學(xué)習(xí)推斷加速的能力。

下面講講英特爾Movidius VPU和集成顯卡。去年發(fā)布的Myriad X是英特爾Movidius最新一代的VPU，它是一款低功耗的SoC，可以用在高能效圖象處理、計(jì)算機(jī)視覺和深度學(xué)習(xí)的設(shè)備里面，包括服務(wù)機(jī)器人、監(jiān)控?cái)z像頭、可穿戴設(shè)備、無人機(jī)、AR-VR頭盔和智能家居設(shè)備等。相比上一代產(chǎn)品Myriad 2，Myriad X多了一個(gè)神經(jīng)計(jì)算引擎（Neural Compute Engine），這是一個(gè)集成在芯片上的DNN加速器。有了這個(gè)加速器，深度學(xué)習(xí)推斷吞吐量可以達(dá)到1TOPS，也就是每秒超過1萬(wàn)億次運(yùn)算，理論峰值可以達(dá)到4TOPS。英特爾Movidius VPU的微小尺寸和優(yōu)越的每瓦特計(jì)算性能極大的滿足了廣大用戶對(duì)計(jì)算機(jī)視覺和深度學(xué)習(xí)在終端設(shè)備上的需求。

配合Movidius VPU，我們發(fā)布了Movidius的軟件開發(fā)包，它是一個(gè)面向視頻處理單元的綜合軟件開發(fā)套件。它使用內(nèi)置的有向圖框架降低原型系統(tǒng)開發(fā)時(shí)間和復(fù)雜性，可以使用它進(jìn)行快速原型開發(fā)。它也包含很多庫(kù)，比如計(jì)算機(jī)視覺和圖像信號(hào)處理以及一些線性代數(shù)庫(kù)。這樣可以使用C/C++編程來達(dá)到最佳的性能，同時(shí)它也支持使用豐富的工具套件來進(jìn)行圖形化開發(fā)。英特爾Movidius技術(shù)已經(jīng)被廣泛應(yīng)用在很多智能設(shè)備里面，包括海康威視智能攝像頭、大疆無人機(jī)、宇視IP攝像頭、摩托羅拉360度相機(jī)、大華工業(yè)相機(jī)、谷歌AIY視覺套件和Clips智能相機(jī)等。

英特爾集成顯卡提供內(nèi)置的深度學(xué)習(xí)推斷加速能力，只是大家用得比較少。實(shí)際上英特爾集成顯卡存在于很多英特爾SoCs中，包括英特爾凌動(dòng)處理器、英特爾酷睿處理器和英特爾至強(qiáng)E3處理器等。英特爾集成顯卡具有領(lǐng)先的媒體性能，包含快速視頻同步技術(shù)，使用固定功能媒體處理模塊來降低功耗、提升性能，可以快速、方便處理媒體以及創(chuàng)建和轉(zhuǎn)換視頻。另外就是英特爾Media SDK，它提供訪問硬件加速的編解碼器的API，這是大家用得比較多的。此外，英特爾集成顯卡還支持豐富的數(shù)據(jù)類型和SIMD乘累加指令。同時(shí)CPU和GPU之間采用片上共享內(nèi)存架構(gòu)，可以降低延遲和功耗。

現(xiàn)在大家使用英特爾clDNN，就可以很方便的實(shí)現(xiàn)英特爾集成顯卡上的深度神經(jīng)網(wǎng)絡(luò)計(jì)算。clDNN是英特爾集成顯卡上的深度學(xué)習(xí)加速中間件，上個(gè)月我們剛剛在GitHub上開源，大家通過網(wǎng)頁(yè)可以了解更多信息。另外，clDNN是英特爾深度學(xué)習(xí)部署工具包和英特爾OpenVINO工具包的組成部分。OpenVINO也是一個(gè)新的開源軟件工具包，上個(gè)月剛剛發(fā)布，用于幫助在英特爾平臺(tái)上提高計(jì)算機(jī)視覺解決方案的性能，同時(shí)降低解決方案開發(fā)時(shí)間。

OpenVINO包含英特爾深度學(xué)習(xí)部署工具包，包括模型優(yōu)化器和推斷引擎，模型優(yōu)化器可以將Tensorflow、Caffe等框架的推斷模型轉(zhuǎn)換為中間表示，這個(gè)中間表示通過推斷引擎自帶的用于英特爾CPU、GPU、VPU和FPGA的插件，就可以支持跨平臺(tái)的深度學(xué)習(xí)推斷部署和加速。OpenVINO還包含很多針對(duì)英特爾平臺(tái)優(yōu)化的傳統(tǒng)的計(jì)算機(jī)視覺工具和函數(shù)庫(kù)，包括針對(duì)英特爾CPU和GPU優(yōu)化的OpenCV、OpenVX和英特爾自己的攝影視覺函數(shù)庫(kù)，以及針對(duì)英特爾集成顯卡優(yōu)化的Media SDK和OpenCL驅(qū)動(dòng)程序和運(yùn)行時(shí)，還有針對(duì)英特爾FPGA優(yōu)化的運(yùn)行時(shí)環(huán)境和比特流，所有這些都是為了方便大家更快更好的開發(fā)計(jì)算機(jī)視覺應(yīng)用，而不需要關(guān)心更多底層優(yōu)化的部分。

 

下面主要介紹我們自己相關(guān)的深度學(xué)習(xí)加速的研究工作。大家知道，網(wǎng)絡(luò)模型壓縮是深度學(xué)習(xí)推斷加速的一個(gè)主要方式，這方面我們做了很好的研究工作，我們提出了一個(gè)領(lǐng)先的低精度深度壓縮解決方案，這個(gè)解決方案可以將DNN模型的權(quán)值和激活值都轉(zhuǎn)換為低精度的二進(jìn)制表示，并實(shí)現(xiàn)百倍級(jí)無損壓縮。這為深度學(xué)習(xí)的高效推斷引擎在硬件和軟件實(shí)現(xiàn)上鋪平道路。這個(gè)技術(shù)本身包含三個(gè)模塊：優(yōu)化DNN結(jié)構(gòu)的動(dòng)態(tài)網(wǎng)絡(luò)手術(shù)技術(shù)DNS，用來降低DNN權(quán)值精度的漸進(jìn)網(wǎng)絡(luò)量化技術(shù)INQ，還有降低DNN激活值精度的多尺度編碼量化技術(shù)MLQ，這三項(xiàng)工作都在頂級(jí)的機(jī)器學(xué)習(xí)和人工智能會(huì)議上發(fā)表。它們可以保證模型的預(yù)測(cè)準(zhǔn)確率不降低的情況下實(shí)現(xiàn)DNN模型的壓縮。

以AlexNet為例，采用低精度深度壓縮解決方案，我們首次實(shí)現(xiàn)了接近無損的、壓縮比達(dá)到100倍以上的二進(jìn)制DNN模型。由于壓縮模型的權(quán)值和激活值都是二進(jìn)制表示，從而使所有的乘法操作都可以變成簡(jiǎn)單的移位操作。使用定制硬件就可以實(shí)現(xiàn)數(shù)十倍甚至上百倍的加速。我們的壓縮技術(shù)和英特爾低功耗硬件相結(jié)合，就可以為霧計(jì)算、邊緣計(jì)算提供深度學(xué)習(xí)推斷的硬件加速能力。采用FPGA友好的DNN設(shè)計(jì)，并結(jié)合低精度深度壓縮解決方案可以充分利用FPGA的邏輯計(jì)算單元，在邊緣計(jì)算或者霧計(jì)算的場(chǎng)景里面來提高DNN計(jì)算的速度，降低功耗和延遲，提高吞吐量。另外，剛才已經(jīng)提到，英特爾Movidius VPU本身已經(jīng)具備一個(gè)DNN計(jì)算加速器，結(jié)合我們的低精度壓縮技術(shù)，將來就可以提供對(duì)低精度DNN計(jì)算的支持，從而在邊緣設(shè)備上進(jìn)一步提升DNN計(jì)算的速度和吞吐量。

當(dāng)然，我們也不只限于設(shè)計(jì)專用神經(jīng)網(wǎng)絡(luò)處理器，英特爾研究院正在進(jìn)行一系列智能萬(wàn)物的變革性研究，包括先進(jìn)算法、神經(jīng)擬態(tài)計(jì)算、自主系統(tǒng)和量子計(jì)算等。今年CES展上我們發(fā)布了神經(jīng)擬態(tài)研究芯片Loihi以及具有49量子位的超導(dǎo)量子測(cè)試芯片Tangle-Lake。這兩項(xiàng)研究可能幫助各個(gè)行業(yè)、科研機(jī)構(gòu)以及全社會(huì)解決目前困擾著傳統(tǒng)計(jì)算機(jī)的問題。我們的前瞻性研究正在穩(wěn)步推進(jìn)，希望能夠?yàn)槿斯ぶ悄艿奈磥戆l(fā)展以及支持未來新型計(jì)算做好準(zhǔn)備。

最后，我希望用“知未來 創(chuàng)未來”結(jié)束我的演講。英特爾不改初心，始終堅(jiān)持合作和創(chuàng)新，我們希望能夠和學(xué)術(shù)界、產(chǎn)業(yè)界一起通過合作和創(chuàng)新，來共同創(chuàng)造人工智能的美好未來。謝謝大家！

相關(guān)文章：

英特爾AI事業(yè)部三位負(fù)責(zé)人講解：AI技術(shù)如何落地應(yīng)用

英特爾戴金權(quán)：詳解全新大數(shù)據(jù)分析+AI平臺(tái)Analytics Zoo | CCF-GAIR 2018

發(fā)布新一代NNP芯片外，英特爾AI軟件和應(yīng)用更透露其AI野心

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。