英特尔中国研究院院长宋继强
据宋继强在会上介绍，通过收购和整合，英特尔已经形成了足以进军人工智能领域的芯片产品矩阵，包含拥有60核处理器的超级电脑芯片Xeon Phi；针对机器学习和人工智能领域的服务器芯片至强融核处理器Xeon+FPGA；针对深度学习领域的芯片厂商Nervana和Engine芯片；针对消费级市场的传统处理器Core；面向研究员、创客和机器人开发者的英特尔Euclid开发工具包；面向可穿戴和微型硬件产品的Soc Curie。
夏乐蓓透露，英特尔未来会更加倾向于定制化的产品来服务于客户，但英特尔依然是平台，就算是定制化也会以开放的标准和环境为基矗这是因为英特尔一方面要适应深度学习的技术趋势，另一方面不同的客户需求是千差万别的，英特尔又无法穷尽所有的定制化芯片。业内人士预计，英特尔未来很可能会推出更多的异构化芯片方案，不仅仅是CPU+FPGA，还可能是CPU+DSP、CPU+ASIC。
转型中的挑战 来自固有业务的威胁和巨头竞争
关于智能机器的发展，宋继强认为，从CT到RT时代计算机上加入了感知功能，而人工智能技术让机器有了认知能力，还有一个是自主机器的行动能力。在智能时代，机器人和用户通过感知、认知、行动联系起来，相互作用，形成一个良性的循环。从互联、智能、自主三个发展阶段来看，目前人类还处于智能的阶段。在向自主过渡的阶段，整个行业的挑战非常大，因为越来越多的传感器进入系统，对计算能力的要求非常高，大量的数据是放在设备端还是云端，也是一个很有争议的问题。
从英特尔的角度看，真正的挑战已不仅仅限于阶段的发展，而在于自身业务的转型和对手竞争。
首先，由于PC市场的整体低迷，2015年占英特尔整体收入58.1%的PC芯片业务收入下跌了8%。而且，在英特尔收购Yogitech、Itseez进军汽车芯片行业，但这个行业早已被恩智浦、英飞凌、瑞萨所瓜分。
其次，虽然受益于全球服务器市场增长，英特尔占整体收入28.9%的服务器芯片业务收入同比增长11%，不过随着人工智能的到来，越来越多的AI服务器开始采用NVIDIA的GPU芯片，虽然英特尔通过收购增加了AI部分的处理速度，但依然面临很大压力。
第三，越来越多的巨头厂商开始加入到定制化芯片的争夺中来。例如，谷歌就推出了定制化的芯片TPU，可以更加高效地运行谷歌的深度学习软件工程TensorFlow。另外，诸如百度等企业开始用ARM架构芯片搭建大型数据中心，因为可以获得更低的功耗。
总之，英特尔在大半年的转型中，通过大规模频繁地收购，已经建立起自己在人工智能尤其是深度学习领域的产品矩阵。如果整合顺利，英特尔在未来或许已经能够巩固巨头的体量。但是面对智能时代的诸多挑战，英特尔还要面对激烈的竞争。
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！