“每家企業都需要人工智能戰略，否則就會落后于時代，AI戰略甚至決定企業的未來勝負”，英特爾CEO科再奇如此表示。

對于英特爾來說，自從把自己定位于一家數據公司，就開始大踏步的布局人工智能。

近日，英特爾趕在年底舉辦人工智能大會，一方面再次對人工智能戰略表了決心，另一方面也不忘拉上隊友大秀一下肌肉。

人工智能這張牌，英特爾怎么打？

去年8月份，英特爾斥資3.5億美元收購深度學習企業NervanaSystems，這一舉動被視為英特爾人工智能戰略的催化劑。

收購Nervana之后，英特爾隨即把人工智能業務和項目都劃歸到由Nervana前CEO納維恩·饒（NaveenRao）統一領導的事業群，該事業群融合了實驗室、軟件和硬件多項職能，同時成立了人工智能事業部，這個事業群扮演著人工智能跨部門合作的角色。

事實上，英特爾已經提供了一套完整的人工智能全棧解決方案，其中包括：

1、涵蓋至強處理器、至強融核處理器、英特爾？Nervana?神經網絡處理器和FPGA、網絡以及存儲技術等；

2、針對深度學習/機器學習而優化的基于英特爾架構的數學函數庫（Intel?MKL以及數據分析加速庫（Intel?DAAL）等；

3、支持和優化開源深度學習框架如Spark、Caffe、Theano以及Neon等；

4、構建以英特爾Movidius和Saffron為代表的平臺以推動前后端協同人工智能發展。

這套人工智能全棧解決方案也間接告訴我們，人工智能應用場景的復雜性，需要不同特性硬件平臺以及軟硬件協同優化，才能有效提升處理數據的速度和準確性。

也恰恰是因為人工智能場景的復雜性和多樣性，使得公司、產業之間的融合演進成為可能。

正如英特爾中國區總裁楊旭所說：英特爾不做埃菲爾鐵塔式的研發，任何技術必須和業界廣泛合作，要在產業和市場驗證它的成功。

于是我們看到英特爾不斷的與行業內諸如百度、科大訊飛、京東、海康威視、美團云等企業的合作。比如牽手百度宣布英特爾人工智能解決方案中心，和愛爾眼科通過人工智能技術進行遠程的影像識別的應用。

而為了推動人工智能性能瓶頸突破以及技術大眾化，英特爾建立了包括谷歌等巨頭公司在內的聯盟，同時與全球機構合作提供開發者培訓課程，從而構建涉及人工智能技術提升、教育培訓、應用優化等生態。

與組建隊友同步進行的是技術的演進，就在不久前，英特爾正式宣布業內第一個面向神經網絡處理的芯片英特爾？Nervana?神經網絡處理器（NeuralNetworkProcessor，NNP），和擁有13萬個神經元和1.3億個突觸連接的自主學習神經元測試芯片Loihi，可模仿大腦根據環境的反饋來“自主”學習。

這次人工智能大會期間，英特爾也著重介紹了Loihi芯片，這款芯片包括模仿大腦基本機制的數字電路，從而讓機器學習變得更快、更高效，同時對計算力的需求更小，與訓練人工智能系統的通用計算芯片相比，Loihi芯片的能效提升了1000倍。

人工智能最大的門檻是數據，怎么破？

如果說去年一年是英特爾對人工智能戰略的能力釋放，那么今年的主旋律就是合作，場景和落地。

FiazMohamed是英特爾公司人工智能產品事業部業務拓展總經理，在實際業務中他發現人工智能最大的門檻依然是數據，數據采集的量夠不夠，采集的數據是否合適，數據的形態對不對，甚至如此多的數據能不能容納到單一獨立系統當中，并且彼此之間能夠互相配合。

英特爾公司人工智能產品事業部業務拓展總經理FiazMohamed

為了演示人工智能如何處理數據，解決行業難題，FiazMohamed舉了一個投資銀行的例子，這家銀行想要借助英特爾的技術來搭建自己自主知識管理系統，用深度學習或者人工智能的技術來使得交易員閱讀大量文件的工作變得簡化一點，要知道以往投資銀行是大量交易員組成，每個交易員需要讀大量文件來幫助他做決定。

這家銀行要實現的是，解放交易員的時間，讓交易員不需要再讀以前那么多文件，只需要把精力放在最關鍵問題上就可以。但問題來了，按照日常人與人之間的對話，如果你問機器：跟我說一下中國的汽車行業競爭的現狀，其實這個問題是非常復雜的，首先汽車是可以細化的，是指小汽車、乘用車，還是大卡車。競爭格局，是指定價，還是指競爭對手。

不可否認，這背后是復雜且龐大的數據，超過了人類分析師處理的能力。如果沒有機器的協助，就難以有效利用數據，而機器不僅處理數據，并且從中學習。

所以即便是用很自然語言呈現出來的問題，內容都是非常復雜的，就需要用AI的技術通過深度學習來建立這樣的自主知識管理的系統，這個系統可以經過自己的分析后，從而直接抓取它認為合適的文件或者是圖表，呈現給提問者。

事實上，無論是從銀行到醫療，還是制造業到消費服務業，全球的企業都已經開始利用人工智能分析數據并構建學習型組織，從而以前所未有的速度來應變并展開競爭。

FiazMohamed也表示，雖然英特爾現在最主要的目標是針對各種可能存在的使用場景，做好基礎架構方面的研究和開發工作。但隨著時間的推移，也會考慮進入新領域，比如智能手機終端，以及其他FPGA和定制Asic應用場景。

總之一句話，未來的競爭態勢已經決定著，一家公司如果布局人工智能不一定贏，但沒有人工智能一定會輸。