关于人工智能,听听英特尔怎么说

简介:

 在2016年岁末,回首整个2016年的IT热点话题,人工智能无疑是其中最有竞争力的获选者。从年初的AlphaGo与韩国棋手李世石的“人机大战”引爆的对深度学习的热情几乎持续了一整年,并且很有可能还会持续到2017年。这其中既有BAT等互联网巨头们的推波助澜,更有众多其他相关厂商的众星捧月般支持,英特尔就是其中之一。

作为一家芯片厂商,英特尔对于人工智能市场倾注了极大的热情,先后斥巨资收购了多家人工智能的初创公司,包括Nervana等。同时,英特尔在相关配套软件上也向人工智能倾斜。显而易见,人工智能正在成为英特尔的一个新的发力点和增长点。

人工智能还处于发展初期

 “人工智能将变革企业业务运营方式以及人类与世界的交互方式。从海量数据分析中创造业务洞察,人工智能正在扮演着越来越重要的角色,并不断推动着行业的变革和转型。”英特尔公司副总裁、数据中心事业部数据中心解决方案部门总经理Jason Waxman在英特尔公司日前举行的“英特尔人工智能论坛”上进行主题演讲时表示,“作为一家助力云计算,以及数十亿智能互联计算设备的公司,英特尔正继续转型以聚焦已经崛起的良性循环——云和数据中心、物联网、内存和FPGA等加速器,它们紧密联系在一起并通过摩尔定律而进一步增强——从而加速人工智能创新及其在企业和社会中的应用和普及,迎接人类历史上伟大时代的到来。”

关于人工智能,听听英特尔怎么说

 英特尔公司副总裁、数据中心事业部数据中心解决方案部门总经理Jason Waxman

这场在北京举行的主题为“释放IA原力 拥抱AI时代”的英特尔人工智能论坛上,英特尔全面介绍了致力于推动人工智能性能瓶颈突破、技术大众化以及社会效益最大化的重大战略,并分享了最新发布的面向人工智能的英特尔Nervana平台,以及创新的英特尔端到端产品组合和路线图等细节。

Jason Waxman表示,如今整个人工智能市场还处在婴儿期,在这个阶段更需要一个像英特尔这样的厂商来引领整个行业的发展,英特尔预计到2020年用于人工智能的计算能力将会增长12倍之多。

“随着计算机技术的发展,未来很多技术的部署变得非常困难,因为很多技术都是在人工智能的框架之下,需要人工智能的支持,而目前在人工智能领域中,只有7%的应用能符合人工智能的具体要求。为了更好地实现人工智能,我们需要非常强大的计算能力才能够处理如此大型的数据。” Jason Waxman说。

Jason Waxman还以自动驾驶、智能工厂和精准以及靶向医疗为例,说明如果我们无法在数据中心对数据进行非常有效的分析,那么这些数据无法提供最强大的价值。“尽管我们的设备生成的数据越来越多,但是这些数据只有在经过分析,在经过数据中心的深入挖掘之后才能够实现它的核心价值,只有这样我们才能够实现这些智能设备出现的最终目的。”

而人工智能所需要的更为强大的计算能力,正是英特尔可以发力的地方。为此,英特尔正在用户端和数据中心两个层面同时发力,提高数据的处理能力,让机器学习以及深度学习都能够进一步得到推动。同时,英特尔还倡导建立起一个好的数据库体系,来提高协同效应。

构建端到端的人工智能平台

实际上,英特尔也不只是在计算能力上发力,还通过收购推出更为完整的人工智能平台乃至人工智能的整体解决方案。这些端到端解决方案产品组合包括:构建于业界领先的基于英特尔架构的涵盖至强处理器、至强融核处理器、Nervana平台和FPGA、Omni-Path网络、3D XPoint存储等技术的硬件平台,结合英特尔针对深度学习/机器学习而优化的英特尔数学函数库(Intel MKL)、英特尔数据分析加速库Intel DAAL)等,和致力于为多节点架构提供卓越性能的开源软件框架如Spark、Caffe、Theano以及Neon等,及可推动前后端协同人工智能发展布局的Saffron、TAP、Nervana 系统、Movidius等工具和平台,以上这些产品组合将最终帮助广泛的行业和企业更方便地获取、开发和部署人工智能应用,将人工智能潜能在各个领域中充分释放,如智能工厂、无人驾驶汽车、体育、欺诈检测、生命科学等等。

为推动人工智能战略的实施,加速相关技术的大众化并最终实现应用的普及,英特尔还积极建立与包括谷歌等业界领先公司在内的广泛的联盟,成立英特尔Nervana人工智能委员会等推动技术探索和创新,与全球领先机构合作提供开发者培训课程,从而构建涉及人工智能技术提升、教育培训、应用优化等广泛的生态。在中国,英特尔更是不遗余力地携手本土合作伙伴,围绕机器学习、语音识别、计算机视觉、精准医疗等应用在科研、互联网、电商、生命科学等不同领域,共同推动人工智能多元化应用开发,加速产业创新。

关于人工智能,听听英特尔怎么说

英特尔公司全球副总裁兼中国区总裁杨旭 

“人类正在进入智能互联时代,而中国正在引领数据洪流。作为发掘数据巨大价值的创新方法,人工智能技术和应用取得了长足的发展和进步。在美国成功举办后,英特尔人工智能论坛旋即落地中国,也充分体现了中国在全球的领先地位和英特尔对中国的重视。”英特尔公司全球副总裁兼中国区总裁杨旭表示:“英特尔将坚定地推进人工智能战略,秉承开放、协作、共赢的态度,通过灵活的端到端产品和技术组合方案的持续创新,携手合作伙伴推动人工智能革命,充分释放其潜能以加速企业业务转型与惠及社会经济发展,共同创造更加美好的人类生活和社会福祉。”


原文发布时间为: 2016年12月27日

本文作者:邹大斌 

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
72 11
|
28天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
78 0
|
3天前
|
机器学习/深度学习 数据采集 人工智能
人工智能在农业中的应用:智慧农业的未来
人工智能在农业中的应用:智慧农业的未来
25 11
|
23天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
18天前
|
数据采集 人工智能 移动开发
盘点人工智能在医疗诊断领域的应用
人工智能在医疗诊断领域的应用广泛,包括医学影像诊断、疾病预测与风险评估、病理诊断、药物研发、医疗机器人、远程医疗诊断和智能辅助诊断系统等。这些应用提高了诊断的准确性和效率,改善了患者的治疗效果和生活质量。然而,数据质量和安全性、AI系统的透明度等问题仍需关注和解决。
170 10
|
25天前
|
机器学习/深度学习 人工智能 算法
探索人工智能在医疗诊断中的应用
本文深入探讨了人工智能(AI)技术在医疗诊断领域的革新性应用,通过分析AI如何助力提高诊断准确性、效率以及个性化治疗方案的制定,揭示了AI技术为现代医学带来的巨大潜力和挑战。文章还展望了AI在未来医疗中的发展趋势,强调了跨学科合作的重要性。 ###
83 9
|
28天前
|
机器学习/深度学习 数据采集 人工智能
深度探索:人工智能在医疗影像诊断中的应用与挑战####
本文旨在深入剖析人工智能(AI)技术在医疗影像诊断领域的最新进展、核心优势、面临的挑战及未来发展趋势。通过综合分析当前AI算法在提高诊断准确性、效率及可解释性方面的贡献,结合具体案例,揭示其在临床实践中的实际价值与潜在局限。文章还展望了AI如何与其他先进技术融合,以推动医疗影像学迈向更高层次的智能化时代。 ####