对话七大专家，挖掘＂硬＂汉英特尔的＂软＂实力，数

　　　　身为全球半导体知名"硬汉"的英特尔，为什么越来越开放展现自己的"软实力"？

　　问芯Voice 日前深入英特尔位于上海的亚太研发中心，与七位专家对话，一窥硬体大厂英特尔怎么看终端侧 AI 的未来商机，以及流淌在血液中的强大软件基因。

　　英特尔亚太研发中心总经理卢炬表示，研发中心的前身是 1993 年在上海成立的英特尔中国架构开发实验室，现在亚太研发中心已经成长至超过 2000 名员工的规模，目标是"根植中国、放眼世界"。

　　英特尔目前在全球有超过 1.5 万名软件工程师，还有超过 1200 万名开发者的生态系统，这些建构起英特尔不为人知的强大"软实力"，也是面向未来多元化计算的战略武器。

　　英特尔的创办人之一 Gordon Moore 提出全球半导体业奉行的"摩尔定律"，从此该行业围绕者每两年晶体管增加一倍的概念运行至今，透过各种"续命"方式，摩尔定律虽放缓，但仍是整个半导体行业运行的主旋律。

　　不过，英特尔在看到"数据"对于未来世界的改变力后，开始将公司的定位从"晶体管"为中心，转变成以"数据"为中心，这对于整个行业是很重要的讯息，更开启计算架构更从传统的 CPU 朝 XPU 扩展的路程。

　　从"云"而下，终端侧 AI 是未来关键趋势

　　无疑地，人工智能是当年最热门的议题，从早年的云计算，逐渐演变成终端侧 AI 的商机爆发，这是英特尔非常看重的一个产业趋势。

　　英特尔视觉计算软件合作部亚洲区总经理高源分析，过去 AI 议题很热，尤其是 AI 训练都是集中发生在云端的，随着 AI 的普及，AI 开始向终端侧渗透，包括电脑、手机、无人机、机器人等设备。

　　英特尔在终端侧 AI 发展上，分析四大驱动力：

　　一、低延时要求：举例而言，无人机需要随时随地采集视觉信息，并能非常快速做出反应，我们不可能把视觉信息传到云端，再从云端做 AI 应用，这样太慢了，需要在终端 AI 解决。

　　二、无网络环境下也可以工作：像是机器人巡检，不可能路经一个没有网络或是网络连接不好的地方时，就无法对周围信息做出判断。

　　三、隐私保护：比如家庭的私人照片放到云端去后，要如何实现隐私保护？这时就可以交给终端侧做 AI 来执行。

　　四、节省服务器和带宽成本：软件服务商会希望减少服务器和带宽成本，比如视频应用现在都是 1080p、4K，这些东西通过网络传到后端，面临带宽和后端存储的压力，在后端应用又需要很多的服务器硬件，这个成本压力是比较大的。

　　再者，后端的设备都是由软件服务商自己投资，如果前端设备已经比较强了，那为什么不用呢？很多软件开发商希望把后端的负载可以转移到前端去，哪怕节省 10%、20%，对他们来说都是很大一笔资金。

　　上述的四大驱动力让我们看到终端侧 AI 在蓬勃发展，渗透到各种使用场景中，包括是噪音抑制、人脸识别、手势识别、语法矫正等。

　　再者，高源也进一步分析，软件开发商在考虑选择 AI 实施平台的考量点，主要有功耗、性能、延时，以及是否有足够的设备安装量、有无好的软件工具可以去使用等。

　　针对这些考量点，英特尔也提供三类不同架构给不同的终端侧 AI 应用，包括 GPU、CPU 以、低功耗 AI 加速器。

　　一，GPU 平台：

　　特点是高度并行化，因此适合一些很高性能的 AI 计算，同时 GPU 另外一个特点是数据处理带宽很大，但是它的延时比较高，也就是说让 GPU 跑起来的动作延时是比较大的，因此适合于计算密集，大量的视频分析这类的操作。

　　可能很多人不知道，其实英特尔是全球最大的 GPU 供应商，这就好比一提到显卡，大家就直接想到独立显卡，但实际上独立显卡的份额是很低的。

　　调研机构统计，Nvidia 的独立显卡在全球份为约 16%，而英特尔在全球集成显卡市场的份额高达 67%。

　　再者，集成显卡和 CPU 是共享系统内存的，所以在很多 AI 应用当中，图形图像类的应用，是不需要在 CPU、GPU 之间来回拷贝内存的。

　　二，CPU 平台：

　　最大特点是无处不在。站在软件开发商的角度而言，如果做一个终端侧的应用只是为独立显卡设计，那边只有 16% 的市场份额，反观 CPU，几乎是放在哪儿都可以跑的。

　　CPU 另一个特点是软硬件非常统一，无论是英特尔或是 Nvidia 都是 X86 架构，OpenVINO 在 X86 上都可以跑。

　　但是 GPU 软件开发平台就比较分散了，因为 GPU 是三家分治的。