来自：36氪
人工智能领域的战争硝烟不断，无论是、、英伟达，亦或者是、都在大力加码。
但是如果你问一个普通用户，人工智能的大爆炸到底带来了哪些实际用处，相信都是一脸懵逼，因为人工智能既看不见也摸不着，往日听闻的大多是技术层面的概念。
“可远观而不可亵玩焉”，用这句话概括我们眼中的人工智能再合适不过了。究其根源，是缺乏场景的应用和真实体验。
近日，我们就抱着对人工智能的很多疑问，辗转三地，实地探访英特尔上海研发中心，科大讯飞、浙江大学与德尚韵兴，试图探究英特尔做人工智能的秘密。
作为人工智能大战的积极参与者和行业推动者，英特尔是如何布局人工智能生态圈的？
在上海紫竹科学园，坐落着英特尔中国区最大的研发中心，同时也是英特尔全球网络研发的一个重要组成部分。
英特尔亚太研发有限公司总经理，何京翔博士加入英特尔已经超过20年，他说30年前做研究的时候人工智能就很热，但那个时候算法和计算能力并不成熟，如今经过多年的积累才促使人工智能忽然火了起来。
英特尔对人工智能的布局呈现了大跃进的姿态，先后收购深度学习和神经网络芯片与软件领域的领导厂商Nervana、计算机视觉公司Movidius以及人工智能服务提供商Saffron，同时把自身的技术和产品整合优势，试图为人工智能提供全面、灵活的端到端解决方案产品组合。
如今，英特尔已经把所有AI产品系列架设在Nervana平台之上，这其中包括Intel主打服务器的至强产品均在Nervana产品组合之内。
英特尔要构建的是一个基于大数据，软硬件结合的人工智能生态平台，无论哪个企业在这里都能找到自己所需要的解决方案。
懂算法的科大讯飞，懂计算的英特尔
科大讯飞就是一个典型的合作伙伴案例，作为一家人工智能公司，无论是消费者业务，还是智慧城市、教育等领域均有它的身影，截至2017年4月，讯飞开放平台在线日服务两超35亿人次，合作伙伴达到30万家，用户数也超过10亿，数据达到了二十万小时。
如此庞大的数据量，就必然需要强大的计算力，但问题随之而来，“用传统的CPU去跑人工智能不合适了，加上讯飞每天有数以亿计的写入请求，这种情况下，就需要一个非常庞大的计算集群”， 科大讯飞研究院深度学习平台，HPC研发总监张致江如是说。
与此同时，当计算量暴增的时候，它已经不是一个简单的加机器过程，而是需要重新计算的问题，这就需要一种新的解决方案。深谙算法的科大讯飞，遇到了计算的难题。
这个时候，恰好英特尔在高性能计算的多年耕耘符合科大讯飞的需求，于是一个擅长算法，一个擅长计算的搭档就这样诞生了。
为了解决强大计算量带来的难题，科大讯飞尝试用CPU加协处理的方式，在这个过程中发现英特尔A10的FPGA可以简单的将双路通用的CPU的语音识别提升一倍，这种提升不仅带来了采购成本、使用成本的降低，运用成本也没有呈现几何量的上升。
之所以使用英特尔的解决方案，科大讯飞还考虑到可控性和稳定性。因为相对来说，CPU的故障率很低，可能很多人听说是硬盘坏了，但几乎很少人听说CPU坏了。
“英特尔的Xeon加FPGA整合在一起的CPU解决方案，它不需要外部的协处理器，稳定性就会更好”，张致江表示。
张致江接着表示，FPGA有一个非常强大的优势，它是一个空白，往往是很多芯片制成前的一个原型系统，也就是如果你的水平够高的话，FPGA可以做成任何形状的芯片或者任何功能的芯片。这也是为什么科大讯飞选择和英特尔合作，并且看好FPGA的主要原因。
事实上，根据科大讯飞方面透露，英特尔在讯飞内部进行了大量的关于CPU架构的培训和调优，而这种方式促使反而形成了科大讯飞培养技术人才的体系，因为无论在程序员圈里，还是高校里，都很难有这样真枪实战的课程。
人工智能如何与医疗擦出火花？
如果说英特尔与科大讯飞的合作更多的是偏向于企业层面，那么英特尔与浙江德尚韵兴图像科技有限公司的合作，则是把人工智能带来的红利落地到每一个人身上。
创办于2013的浙江德尚韵兴致力于人工智能、机器视觉、三维可视化和数字量化技术等图像处理与分析在医学领域的研究、开发和应用。
如今，依托英特尔至强融合TM处理器架构平台，德尚韵兴与浙江大学特聘教授孔德兴团队，就从甲状腺结节筛查入手，探索人工智能在临床辅助诊断带来的效果。
简单来说，这是一套基于超声声象的甲状腺结节良恶性的辅助诊断系统，它首先解决的是人工诊断准确率低的问题。因为就目前来看，医生在做甲状腺结节筛查的时候会保留几张图片，之后根据这几张图片上的结节特征来判断这个结节到底是良性还是恶性。
但是三甲医院平均医生的人工诊断准确率也只有60%-70%，到基层准确率会更低。但是有了基于英特尔至强融核平台开发的智能诊断辅助系统，准确率就可以达到85%以上，这个软件产品将来的市场定位是基层医院，到基层医院推广以后能够迅速帮助基层医院提高诊断的水平。
据了解，这套智能诊断辅助系统已经在数十家基层医院试点，积累了20000件案例，浙江大学医学院附属第一医院就是其中之一。
根据浙江大学医学院附属第一医院的一位医师介绍，最开始对这种系统抱有怀疑态度，甚至不敢使用，担心万一出错怎么办，毕竟这是关乎病人的生命安全。但是体验几次之后发现，真的特别好用，而且越用越好用。
与传统的机器学习需要人为来定义病例特征，深度学习就不需要人为定义特征，只需要拿到很多样本以后进行标注，然后会分成两大类，一类是良性，一类是恶性。神经网络就会根据分类会自己观察良性有哪些特征，恶性有哪些特征，同时它提取的特征会比人眼观察到的特征多得多，准确率会高于医生的平均水平。
不过在实际的应用过程中，浙江大学特聘教授孔德兴也坦言，由于基于影像的疾病诊断是非常复杂的一件事情，通用的东西个性化的准确率和效果还需要进行进一步提升。这个时候就需要把数学和人工智能结合起来，再利用英特尔至强融核服务平台和他们的函数库，加上现代数学的方法和改进过的人工智能的架构，才能够真正满足医院医生的临床需求。
很显然，技术层面已经证明人工智能在医疗领域的落地，但是人工智能医疗系统要想普及，首先还要让医院和医生们意识到人工智能可以辅助医生做一些事情，减少医生重复性、机械性的劳动。除此之外，如何积累更多的医疗样本和数据，也是人工智能普及之路必然要跨过的门槛。
技术民主化，把复杂的东西简单化
事实上，通过以上案例，我们不难看出人工智能强大的技术积累，以及英特尔在语音识别和医学影像，甚至硬件实力到软件层面的布局，这背后端到端解决方案的复杂性也可想而知。
可偏偏，英特尔就挑了一个最复杂的东西来做。
这其实就与英特尔所极力传达的技术民主化戚戚相关。言外之意，英特尔无论做软硬件还是开发平台，选择把底层困难的部分留给自己，让开发者和应用者们不再去做一些重复的、基本的劳动，投入精力去做他们更擅长的事情。
在英特尔亚太研发有限公司总经理何京翔博士看来，无论是大数据还是机器学习本身就更复杂，但是你要想着怎么把它们变成一个一般程序员都能够在做开发的时候轻易使用起来的东西，是很难的。但是一旦实现之后，反而越来越简单。
“简单化反而是最复杂的”，他说。
但是在当下人工智能芯片大战的关口，GPU、CPU，甚至是FPGA、TPU究竟谁才是未来依然争论不休，英特尔也无法给出确切的答案。
“这就好像你是要一个刘翔还是100个快递员，需求不一样，选择就不同”，何京翔总结道。（宋长乐）