智东西（公众号：zhidxcom）
作者 | 程茜
编辑 | 心缘智东西11月24日报道，2022英特尔AI（人工智能）开发者大会开幕。
在AI技术加速普及落地的关键阶段，万物智能、企业数字化转型等背景下，都为AI开发者提出了挑战。
从技术本身来看，李映认为，有五大超级力量在推动科技的进步，分别是无所不在的计算、丰富的可编程网络、跨越云边的基础架构、遍布全网的人工智能、新兴的传感和感知技术。
在这背后，AI开发者的重要地位凸显，但面临如此多的发展机遇，李映谈道，没有任何一家企业或一个开发者，能够独立面对一个超级力量，并实现科技的进步和发展。因此，一个开放的生态、一个软硬件共同组合的生态才能推动科技的进步。
那么，英特尔如何看待这一发展趋势？又是如何构建AI开发生态的？并且如何让AI与行业应用实现有效结合？
一、开发生态发展模式，将是软件定义、芯片增强
英特尔副总裁兼软件生态部总经理李映谈道，英特尔的创新愿景是，通过创建和促进基础性的开放项目和标准，利用该公司的产品组合，依托于软件优先、开放优先、开源优先的理念来和开发者社区、生态应用有更多探讨。
谈及未来发展，李映说：“未来，我们认为整个生态发展一定是软件定义芯片增强的，软硬件共同创新发展的合作模式。”软件的重要性越来越大。
首先是摩尔定律的持续发展，他补充说：“我们承诺在未来4年内会有5个节点的超速发展，保证摩尔定律继续成为科技发展和IT发展的基石。”
同时，硬件也会变得更加开放，RISC-V等开源架构的出现，为开发者和芯片开发商提供了更多选择。
整个开发生态将会是软件定义、硬件芯片增强的交互发展，而软硬组合也会成为重要的发展发现。
李映谈道，其实这一方向在AI方面得到了充分体现。新的算法、架构层出不穷，AI应用给每个人的生活和社会带来了新的变化，但对于开发者而言，数据、AI方面都会面临非常复杂的挑战。
首先是数据方面，开发者需要保证整个开发过程中能对大量数据进行处理，对数据进行标准化清洗，并应用到后面的模型中。
第二个挑战是建模，如何选择更好的模型才能保证开发者的AI训练过程达到开发者预期的效果。这说的就是高效利用的问题。英特尔在模型构建中会提供主流的架构TensorFlow等，也会具备API接口，保证开发者的模型在各种硬件平台中能够进行无缝迁移和使用。
第三个挑战是如何保证你的模型能够部署在实际使用环境和应用环境中，英特尔提供的技术能够保证AI开发者高效部署到边缘或者云端环境中。
其他的技术也会保证模型的可用性，并自动找到最佳部署模式。
因此，依托于英特尔开放、开源的开发生态，AI开发者的开发应用效果和效率都能得到显著提升。
二、云边端协同是大趋势，边缘训练是AI发展第二阶段
在万物智能的新时代，数据的增长速度已经超出人们的想象。英特尔公司高级首席工程师、视频事业部全球首席技术官、物联网事业部中国区首席技术官张宇谈道，数据量增加的同时，也推动了计算模式的更新。在互联网时代，云计算技术可以实现随时随地按需边界共享各种计算设施等，并提高资源利用率。
因此，在数字化转型需求爆发的当下，我们可以看到有三大趋势，分别是云边端的协同、基于软件定义的数字基础设施以及无处不在的智能。
首先在云边端协同方面，行业数字化转型推动了边缘智能的发展。根据国际数据调研机构IDC预测，目前全球智能边缘芯片市场规模已经达到350亿美元。
但边缘计算的发展并不意味着云计算的消亡，边缘设备只能处理局部所产生的数据，无法形成全局认知，因此需要借助云计算平台来实现信息融合。
因此，张宇说：“我们认为，今后的物联网系统一定是一个云边端协同的系统。”
谈及物联网产业中，设备丰富多样的特点，张宇告诉智东西，物联网行业有很多个人开发者，他们的需求十分碎片化，但同时他们只希望将精力放在围绕着切实行业实际痛点的应用开发上。英特尔为他们提供了水平化、通用化的软硬件开发工具，帮助个人开发者团队快速落地。
其次，人工智能无处不在方面，他称，本次人工智能浪潮的起点就是，2012年的深度卷积神经网络AlexNet。在这之后，以深度卷积神经网络为代表的深度学习技术被广泛运用到交通、支付等领域。其中，利用深度学习来进行图像处理，就是当下最为广泛的人工智能应用。因此，人工智能技术的普及也已经是当下一个非常明显的趋势。
最后是软件定义，也就是利用软件来灵活部署和配置系统的功能。其中，新冠疫情带来的混合办公模式，就是一种新的模式。这一模式对分布式接入、网络安全等提出了新需求，而这些新的需求对数字基础设施的灵活性、可配置性提出更高要求，张宇说：“基于此，只有通过软件定义才能时间最佳办法。”
通过软件定义的方式，边缘服务提供商可以灵活调整边缘设备所运行的负载，进而构建“边缘即服务”的新模式。
他补充道，在这三大趋势下，又呈现出四大新的机会点，分别是东数西算、智能边缘、5G和绿色计算，都在推动人工智能的应用和普及。
目前，边缘人工智能的应用更多集中在人工智能的推理阶段，人工智能模型的训练还是依赖于数据中心的训练服务器来完成。但现有的一些工业互联网领域对模型的快速更新有需求，因此，张宇说：“我们认为边缘训练将是边缘人工智能发展的第二个阶段。”
边缘训练目前的挑战则在于，需要更自动化的标注工具、边缘端可供训练的样本数量有限等等。
“未来，解决了边缘训练，也并不意味着人工智能发展到了最高阶段。”张宇补充道。下一个阶段就是人工智能技术能自主定义网络模型架构、自主选择相应数据来进行训练。
因此，为了达到这一目标，英特尔不断通过软硬件技术创新迭代，和合作伙伴共同推动行业发展。
三、从AI到软硬件，为开发者提供全流程工具
英特尔发布了最新的OpenVINO 2022.2版本，支持英特尔数据中心GPU以及英特尔最新独立显卡第四代至强可扩展处理器，能自动整合多个加速器推理性能。这一模型已经应用在工业、医疗、制造、公共安全等领域。
为了让开发者在开发物联网的网络与边缘产品时更加便利，英特尔推出Geti平台让企业团队的开发者、使用者、部署者和平常的工作人员，都能快速构建、使用、调优一个计算机视觉AI模型。在提高模型准确度的同时简化流程，工作人员可以通过一键导入和导出，让这些经过调优的模型自动部署到整个AI使用环境中。这一平台预计在今年第四季度上市。
为了进一步简化开发者的开发流程，英特尔推出一款一键式、无代码解决方案英特尔Neural Coder。这一解决方案无需在深度学习脚本中进行基于CUDA的硬编码，不仅可以优化这些脚本的性能，还能针对这些优化进行基准测试，进而提供合适的部署方案。
第四代英特尔至强可扩展处理器中集成vRAN加速，减少vRAN部署所需组件数量，能够降低20%的计算功耗。
此外还有英特尔首个ASIC IPU英特尔IPU E2100，英特尔第二个FPGA IPU英特尔IPU F2000X-PL，可以帮助百度、京东、中国移动、中国电信等去构建起数据中心网络。
同时，英特尔联合极视角推出极光AI算法一体机，计算模块可无缝集成到现有的摄像头和视频方案中，盒子的硬件平台提供多种形态和丰富的接口，支持各类性能需求和部署要求。
AI一体机可以向前承接深度摄像头、IP摄像头等业务数据，并通过OpenVINO与英特尔深度学习加速技术，就可以帮助开发者在低功耗场景下满足视频AI分析，并结合后端展示AI服务和边缘服务器云平台。
这一AI一体机目前有三种规格，其中i3支持四路视频分析，刊例价为4500元，i5支持八路视频分析，刊例价为6750元，i7支持12路视频分析，刊例价为9000元。
极光角极光产品负责人黄湘说：“极光盒子可以理解为软硬一体的算法分析引擎。”例如，过往的应用中，图片分析主要针对图片进行单一算法分析，而激光盒子具备的图片融合检索，就可以把图片送到不同算法处进行分析，并将结果融合到一个报警时间中。
这样做的好处是，既能节约存储空间，还可以让管理者仅通过一条报警信息监控全局。
结语：AI开发生态加速万物互联时代到来
AI技术的发展与普及，正在改变我们生活的方方面面。如此庞杂的生态体系下，仅靠一家公司是无法快速时间技术突破并让其真正应用到产业中的，因此，AI开发生态的构建需要软硬一体的协同发展。
英特尔等企业与AI开发者一直在探索如何构建AI开发生态，让这一生态在推动相关技术进步的同时，加速万物互联时代的到来。
