1 新智元報道
編輯：胡祥杰
新智元啟動新一輪大招聘：COO、執(zhí)行總編、主編、高級編譯、主筆、運營總監(jiān)、客戶經(jīng)理、咨詢總監(jiān)、行政助理等 9 大崗位全面開放。
簡歷投遞：jobs@aiera.com.cn
HR 微信：13552313024
新智元為COO和執(zhí)行總編提供最高超百萬的年薪激勵；為骨干員工提供最完整的培訓體系、高于業(yè)界平均水平的工資和獎金。
加盟新智元，與人工智能業(yè)界領袖攜手改變世界。
【新智元導讀】英特爾11月30日上午在北京舉行“2016英特爾人工智能論壇”。本次大會可以認為是英特爾在人工智能，特別是深度學習上的戰(zhàn)略布局在國內(nèi)的首次全面展示。新智元在此前的報道中曾提到，英特爾的深度學習技術現(xiàn)在很大程度上依賴于今年收購的芯片公司Nervana。本次大會除英特爾全球副總裁中國區(qū)總裁楊旭以外，Nervana首席執(zhí)行官兼聯(lián)合創(chuàng)始人 Naveen G.Rao 也發(fā)表演講。此外，英特爾另外兩位副總裁Jason P. Waxman和 William A. Savage，以及英特爾中國研究院院長宋繼強也介紹了英特爾的深度學習產(chǎn)品和技術細節(jié)。
這次論壇上英特爾全面介紹了致力于推動人工智能性能瓶頸突破、技術大眾化以及社會效益最大化的重大戰(zhàn)略，并分享了最新發(fā)布面向人工智能的英特爾 Nervana 平臺，以及創(chuàng)新的英特爾端到端產(chǎn)品組合和路線圖等細節(jié)。新智元創(chuàng)始人楊靜主持大會《 IA+AI，我們?nèi)绾斡游磥?？》論壇，來自國?nèi)外人工智能領域的知名專家學者、行業(yè)用戶代表以及英特爾的合作伙伴們一同探討了人工智能面臨的技術挑戰(zhàn)及其應對之道，以及中國在人工智能時代的巨大發(fā)展機遇。干貨滿滿。
7張圖召喚英特爾AI未來布局
英特爾全面且靈活的解決方案產(chǎn)品組合
英特爾充分利用自身技術和產(chǎn)品創(chuàng)新的整合優(yōu)勢，為人工智能提供全面的、極為靈活的端到端解決方案產(chǎn)品組合：構建于業(yè)界領先的基于英特爾架構的涵蓋至強處理器、至強融核處理器、Nervana平臺和FPGA、Omni-Path網(wǎng)絡、3D XPoint存儲等技術的硬件平臺，結(jié)合英特爾針對深度學習/機器學習而優(yōu)化的英特爾數(shù)學函數(shù)庫（Intel? MKL）、英特爾數(shù)據(jù)分析加速庫Intel? DAAL）等，和致力于為多節(jié)點架構提供卓越性能的開源軟件框架如Spark、Caffe、Theano 以及 Neon 等，及可推動前后端協(xié)同人工智能發(fā)展布局的Saffron、TAP、Nervana 系統(tǒng)、Movidius等工具和平臺。
以上這些產(chǎn)品組合將最終幫助廣泛的行業(yè)和企業(yè)更方便地獲取、開發(fā)和部署人工智能應用，將人工智能潛能在各個領域中充分釋放，如智能工廠、無人駕駛汽車、體育、欺詐檢測、生命科學等等。
AI：中國邁入下一個發(fā)展階段的增長引擎
英特爾公司全球副總裁兼中國區(qū)總裁楊旭在主題為“AI在中國”的發(fā)言中提到，“中國龐大的人口帶來迅速積累的數(shù)據(jù)資源，而持續(xù)的產(chǎn)業(yè)創(chuàng)新和迅速增長的計算力，將成為人工智能、深度學習實現(xiàn)創(chuàng)新和突破的基石。而人工智能的普及和應用，將為中國邁入下一個發(fā)展階段提供強大的增長引擎。”
然而英特爾究竟要做些什么？往下看！
人工智能仍處于嬰兒期，
英特爾將加速推動人工智能計算時代的到來
英特爾公司副總裁、數(shù)據(jù)中心事業(yè)部數(shù)據(jù)中心解決方案部門總經(jīng)理Jason Waxman在論壇中談到，人工智能將變革企業(yè)業(yè)務運營方式以及人類與世界的交互方式。人工智能從海量數(shù)據(jù)分析中創(chuàng)造業(yè)務洞察，并不斷推動著行業(yè)的變革和轉(zhuǎn)型。作為一家助力云計算，以及數(shù)十億智能互聯(lián)計算設備的公司，英特爾正繼續(xù)轉(zhuǎn)型以聚焦已經(jīng)崛起的良性循環(huán)——云和數(shù)據(jù)中心、物聯(lián)網(wǎng)、內(nèi)存和FPGA等加速器，它們緊密聯(lián)系在一起，加速人工智能創(chuàng)新。
利用自身技術和產(chǎn)品創(chuàng)新整合優(yōu)勢加速人工智能創(chuàng)新
英特爾數(shù)據(jù)中心事業(yè)部副總裁人工智能解決方案部門總經(jīng)理Naveen Rao表示，英特爾將利用自身技術和產(chǎn)品創(chuàng)新的整合優(yōu)勢，提供人工智能領域最全面、極為靈活的端到端軟硬件產(chǎn)品組合，攜手產(chǎn)業(yè)合作伙伴，構建涉及人工智能技術提升、教育培訓、應用優(yōu)化等廣泛的生態(tài)環(huán)境，加速人工智能領域的創(chuàng)新。
軟件優(yōu)化充分釋放人工智能潛能，推動人工智能應用果敢上升
英特爾軟件與服務事業(yè)部副總裁產(chǎn)品開發(fā)部門總經(jīng)理William Savage表示，
英特爾構建于前后端協(xié)同人工智能發(fā)展布局上的軟件優(yōu)化，將人工智能潛能在各個領域中充分釋放，幫助廣泛的行業(yè)和企業(yè)更高效地開發(fā)和部署人工智能應用。
光有軟件肯定不夠，人工智能需要軟硬協(xié)同，才能提升數(shù)據(jù)洞察的智慧
人工智能和機器學習需要面對復雜的應用場景，因此需要不同特性的硬件系統(tǒng)以及軟硬件協(xié)同優(yōu)化，才能提升數(shù)據(jù)洞察的智慧。英特爾中國研究院院長宋繼強博士登臺時聊到，英特爾通過提供從前端到數(shù)據(jù)中心的廣泛產(chǎn)品、技術和軟件應用的整合解決方案降維人工智能、深度學習，提供適用于不同工作負載的系統(tǒng)，正成為運行人工智能應用的首選平臺。
構建涉及人工智能技術提升、教育培訓、應用優(yōu)化等廣泛生態(tài)
為推動人工智能戰(zhàn)略的實施，加速相關技術的大眾化并最終實現(xiàn)應用的普及，英特爾還積極建立與包括谷歌等業(yè)界領先公司在內(nèi)的廣泛的聯(lián)盟，成立英特爾Nervana人工智能委員會等推動技術探索和創(chuàng)新，與全球領先機構合作提供開發(fā)者培訓課程，從而構建涉及人工智能技術提升、教育培訓、應用優(yōu)化等廣泛的生態(tài)。
專題討論會：IA+AI，我們?nèi)绾斡游磥?/p>
新智元創(chuàng)始人楊靜主持本次大會的互動討論環(huán)節(jié)，與中科院計算所馮曉兵博士、英特爾數(shù)據(jù)中心事業(yè)部首席工程師兼人工智能解決方案架構師張彤、英特爾軟件與服務事業(yè)部副總裁、機器學習與翻譯部門總經(jīng)理李煒，以及京東集團架構部人工智能研發(fā)方向研發(fā)總監(jiān)陳宇、商湯科技異構并行計算部門工程總監(jiān)劉文志一同探討了人工智能面臨的技術挑戰(zhàn)及其應對之道，以及中國在人工智能時代的發(fā)展機遇。
專題討論會：IA+AI，我們?nèi)绾斡游磥?/p>
楊靜：各位專家，大家好，今天英特爾 AI Day 給我們一個新的契機，讓我們來討論AI人工智能應用話題?，F(xiàn)在AI雖然炒得很熱，從AlphaGo開始就成為社會焦點議題，但是它的應用還局限在一些比較窄的專業(yè)領域，比如圖象識別、語音識別，或者是無人駕駛、智能駕駛，神經(jīng)語言學（NLP）等專業(yè)的領域。
各位專家對 AI 在跟大眾實際生活相關的應用技術有什么見解？請各位專家給大家介紹一下，您在這個領域里面的新發(fā)現(xiàn)。我們是不是從張彤女士開始呢？
張彤：前面幾位嘉賓至少有兩位都提到深度學習，實際上現(xiàn)在深度學習的應用還處在嬰兒期的階段。我們預計未來幾年，在各個領域會有更深入、更廣泛的應用。
從英特爾來說，目前主要是在圖像、語音、自然語言處理等領域展開，特別是跟我們的云提供商（Cloud Provider）它們之間的合作比較多。但是，實際上下一步我們會更多的深入到行業(yè)應用中去，比如說醫(yī)療領域，這個跟我們大家的生活是息息相關的?，F(xiàn)在很多時候都可以用機器判斷癌癥，我就看到國內(nèi)有的教授在這方面研究做得非常好，比一般的醫(yī)生判斷得都要更準確一些。從英特爾來說希望能夠參與進來，用英特爾的技術來支持這方面的應用，讓大家切實得到深度學習的好處。
楊靜：張彤女士的一個展望讓我們看到，以后我們都可以不用照X光片了。人工智能在這些領域可能的確可以給人類的生活帶來方便，可以更專業(yè)的輔助。下面請英特爾美國總部軟件部門的負責人李總分享一下你的看法。
李煒：對醫(yī)療我也很有興趣。如果有一個單獨的醫(yī)生跟著你走，醫(yī)療效果就會很好，現(xiàn)在生病去醫(yī)院也不太方便。我還有一個很感興趣的是體育，不管是打什么球，學羽毛球還是網(wǎng)球，如果有一個人工智能的教練在邊上幫你，就不需要請教練教，它能夠自動告訴你怎么改進。
楊靜：來自商湯科技的劉總，您怎么看？
劉文志：商湯科技主要做人工智能落地的產(chǎn)品。我們現(xiàn)在做的一些事情，比如說直播領域，商湯的人臉識別技術可以精準美化女直播的顏值。這是實際中已經(jīng)在大范圍使用的，當然也借了今年直播的風口。還有人臉閘機，在過關的時候如果要掏出身份證或者其他設備，相對來說是比較復雜的，如果靠著自己的一張臉就可以暢通無阻的話，會方便很多。還有一些和圖像相關的，商湯科技也能提供很好的解決方案。
楊靜：其實我是臉盲，希望有一個AI幫助我認識所有人的臉。京東這邊也是AI應用的大戶，有請陳總給我們講講你們有什么 AI 落地的經(jīng)驗？
陳宇：回到您剛才提的問題。作為一個技術研發(fā)者，我感覺這個事情要分兩層看：首先從感知角度，感知本身就是人工智能領域一個非常重要的方向，比如說視覺、聽覺，我們對事物的分析，也就是圖象識別、語音識別這些東西，我們京東都有在落地。我們的圖象識別不只是大家看到的一些人臉識別或者文字識別，或者圖像的一些簡單識別，我們甚至可以幫助倉儲系統(tǒng)進行貨品的審核和分揀，這些東西都是具體落地的。除了感知之外，我們京東也有很多其他的應用領域是可以應用在人工智能的。舉一個例子，京東有JIMI機器人，它可以替代人工進行客服Q&A，節(jié)省非常大量的人工，這些不只是感知，同時也是做了智能信息的處理，這些都是人工智能在京東實際的落地場景，也是大家能夠直接體會到的東西。
楊靜：這個客服機器人有點像售后服務的小助手。
陳宇：對。目前主要集中在售后的服務上。
楊靜：下面有請中科院計算所的馮教授給我們講講。
馮曉兵：因為我是做研究的，所以在具體的應用上，我只能說一些別人的例子，像我們現(xiàn)在用的智能手機中的手寫體識別、語音的輸入，這后面都是有人工智能的支持。包括京東，國內(nèi)很多電商網(wǎng)站的商品推薦實際上背后多少都是有人工智能的幫忙的。我想，未來可能我們在新的制造業(yè)、工業(yè)的升級上面應該也會有人工智能的應用。
楊靜：您是指工業(yè)方面AI也將會發(fā)揮巨大的作用。剛才各位專家從各個領域，包括醫(yī)療、客服助手、人臉的識別等等，暢想了人工智能未來很好的應用的前景。其實現(xiàn)在也有一個話題：有的時候我們覺得人工智能還不夠“智能”，比如說蘋果手機，前一段時間我把Siri卸載了，因為它不夠智能，有時候會添亂，一按它就跳出來了，我覺得還不如不出現(xiàn)的好。
這就說明在人工智能技術的研發(fā)以及應用的方面遇到了一些技術上的挑戰(zhàn)，我也知道各位專家都在自己深耕的領域?qū)I的技術在進行一些探索，特別是很多探索是很超前的，請各位專家談一談，我們怎么樣跨越這樣的艱難險阻，達到AI的一種新境界。下面請馮教授先開始。
馮曉兵：因為我覺得人工智能繼續(xù)發(fā)展有兩大方面要處理，第一是怎么有更多的應用，人工智能理論、方法能處理更多的應用，現(xiàn)在主要是基于學習的方法比較成功，除了學習的方法之外，我們還有沒有別的可以讓它往前走的？
但這個可能跟我們關系不大。我們跟英特爾比較類似，因為計算所都是做系統(tǒng)的，所以第二個大方面的問題是我們怎么做一個更合理的系統(tǒng)，使得已經(jīng)有的人工智能的應用在一個可接受的代價的前提下得到更廣泛的應用。
今天很多英特爾的同事都介紹到了，我們的芯片、系統(tǒng)軟件，包括到上面編程框架的支持可能都面臨很多挑戰(zhàn)。不管是計算所在做的，還是英特爾提到的這些，都是在嘗試做一個更好的系統(tǒng)，使得我們可以用更小的功耗、更低的程序開發(fā)的代價，獲得更好的性能，可以做更大的數(shù)據(jù)規(guī)模的處理。
另一方面，我們有沒有一些基礎的技術，使得一些系統(tǒng)可以在不同的應用種類上面獲得更好的適應性，而不需要太多的程序員或者系統(tǒng)工程師深度的介入，這將來都會面臨很大的挑戰(zhàn)。
楊靜：自學習。剛才馮主任提到了，其實他最困擾的是把他的技術跟應用更結(jié)合，可能從應用的角度看，你會遇到AI的軟件和硬件還不是特別支持你想達到的應用場景，或者效果的難題。我想請陳總分享一下，您在AI 技術的實驗探索中，最想解決的AI的軟件和硬件的問題是什么？
陳宇：首先從技術上說，可能從前一階段或者前幾年，我們主要是簡單的把深度學習應用在各個領域、各個應用場景上。后面我們主要的目標是怎么樣為深度學習本身，或者為人工智能本身做些事情，比如說我們現(xiàn)在也在做一些像Model Compression，像Deep Reinforcement Learning，包括Transfer Learning ）這種工作，目的是真正能夠更深入的解決您剛才所說的實際中簡單的應用深度學習不能解決的問題，不只是簡單的應用，而是要真正做一些相關的研發(fā)投入。
第二，人工智能本身我個人感覺它并不是一個科幻片，很多的人工智能場景是確實存在的，但是過度產(chǎn)品拔高，產(chǎn)品定位的拔高，有可能給人一種不切實際的預期，所以這塊有一個切實的產(chǎn)品定位也是比較重要的。
楊靜：從芯片的角度，現(xiàn)在深度學習的芯片熱也是今年的一個現(xiàn)象，那么現(xiàn)在的芯片架構是不是滿足您對AI項目的需求呢？
陳宇：從我們團隊來說，我們認為我們有一個非常開放的態(tài)度向各種架構、各種體系敞開大門。我們最終目標是解決事情本身，沒有任何的傾向。就芯片本身的話，我個人覺得特別是在國內(nèi)互聯(lián)網(wǎng)這種情況下、這種條件下，運維的難度可能是需要考慮的條件之一，畢竟長時間以來都是以基礎的CPU架構進行運維，所以這塊某些條件下，比如我們在“雙十一”大促的這種流量激增的情況下，也許是可以使用CPU這種架構去做一些容災和流量的分發(fā)，這樣的話系統(tǒng)的可擴展性和經(jīng)濟性會比較好一些。
楊靜：同樣的問題給到商湯科技的劉總。
劉文志：我認為人工智能或者在大范圍應用現(xiàn)在面臨著幾個主要的困難，第一是認知上的，在我們實際的項目中我們發(fā)現(xiàn)很多客戶都會要求要百分之百的精準。有99.99%，還有萬分之一，這萬分之一如果發(fā)生了會怎么樣？但是我們通常說，如果這個東西人去做，他準確率是多少，如果機器能夠超越人，我們就應該可以允許這樣的概率存在，因為人都做不好，我們是很難通過機器學習或者深度學習的辦法把它做得更好。
另外，在實際應用的時候，深度學習技術后還有一個門檻，往往需要開發(fā)人或應用人員對機器學習算法有一些理解，其實這對于目前大多數(shù)開發(fā)APP的研發(fā)人員來說要求有點過高了。作為企業(yè)來說，我們?nèi)绾伟鸭夹g封裝得足夠好，工程師可以在沒有額外知識的情況下使用它，對于我們來說是需要解決的問題。
最后，也是楊總提到的計算能力的問題，訓練的時候?qū)τ嬎隳芰π枨蠓浅４?，部署的時候也不小。在部署的時候，我們很多時候是在手機上，在云上，甚至在一些嵌入式的設備上，在云上后臺可以用 XeonByte 這種大殺器，這個是沒有問題的。但是在手機上很難用一個應用就要求潛在的客戶換一個手機，這個不現(xiàn)實。所以最好的辦法是怎么在他的手機上把性能做到極致，這是代碼優(yōu)化的辦法去做，另外在新手機出廠的時候能不能帶一個深度學習的加速器或者特定的芯片，這也是一條路。當然像英特爾 Marvell 也是很明顯的例子。當然我相信iPhone7最近用了FPGA做了一些specific的事情，F(xiàn)PGA也可能是未來的路，但最終市場和大的趨勢會選擇哪一條路，要看市場的檢驗。我們部門這些路都在看、都在嘗試。最重要的一條，我覺得要讓人工智能真正做到無處不在，其限制的因素是大家對人工智能有潛在的恐懼，我跟很多同事、朋友聊過，他們都在跟我說，當城市里所有攝像頭都知道我在什么時間做了什么事的時候，我就沒有隱私了，這是一種非常大的恐懼。我的朋友跟我說這個的時候我也有點毛骨悚然，但仔細想我并不擔心，今天的人工智能還在嬰兒期，還遠遠做不到那么智能的水平。而且人工智能的技術本身只是技術，是由人使用的，就像克隆技術。今天就沒有人擔心克隆技術會把人類給（替代）。所以對于人工智能的這種恐懼我相信人類社會很快會解決，當然短期內(nèi)大家很多時候還會面對怎么樣回答這個問題，怎么樣消除普通大眾的戒心。
楊靜：這個確實有挑戰(zhàn)，你想想普通手機里面，iPhone、華為的手機也要用人工智能的芯片，要用FPGA，這個好像確實是很復雜的架構，能不能把它變得更易用呢？有請英特爾的李總給我們談談挑戰(zhàn)到底是什么。
李煒：我同意他剛才講的，現(xiàn)在人工智能還是一個嬰兒期。雖然人工智能本身已經(jīng)好多年了，但是這次真正是人工智能的再生，有很多可以做的東西。我感覺有三個方向可以做：一個是從系統(tǒng)角度來講，包括硬件和軟件，另一方面是從人工智能算法的改變，有很多研究在做的，剛才馮博士也講了怎么把數(shù)據(jù)精確度提高，各種各樣的做法。還有是數(shù)據(jù)的，是不是存在很多數(shù)據(jù)，因為現(xiàn)在人工深度學習能夠有這個突破，是因為有很大的數(shù)據(jù)在那邊，并不是說原來別人不知道怎么做。這三方面從系統(tǒng)角度講，硬件還會往前走，比如說英特爾剛才講Nervana，100倍的變化或者像我們的Knights Mill，4倍的變化，都是幾十倍、幾十倍的變化，這種信息變化相當大。從系統(tǒng)角度講、從軟件部分講，我們有很多可以做的，現(xiàn)在講的是架構的問題。你剛才說不是很易用，我們也開始做一些工具，使得用人工智能建模型的人不見得一定是真正的計算機專業(yè)訓練出來的人，因為那些人可能應該是比較高層的，只是考慮算法的人，并不是為了編程的人，怎么使得他能夠容易設計人工智能的模型。
還有一個是從數(shù)據(jù)角度講，因為剛才Naveen也講到這個事情，他說他家里很多都是醫(yī)生，大家都很看好醫(yī)療方面會有很大的發(fā)展，但是醫(yī)療方面有很大的問題并不是技術的問題，有很大的問題是醫(yī)療本身，這個系統(tǒng)不是一個開放的系統(tǒng)，數(shù)據(jù)不是那么容易拿得到，所以很多不同的醫(yī)院，數(shù)據(jù)也不是一下就可以拿到，不像圖像在網(wǎng)上都可以用，所以不光是有技術的問題，還有很多是從現(xiàn)實需要改革的管理方面的問題。
張彤：我覺得說到人工智能和深度學習的挑戰(zhàn)，因為我的工作跟這個聯(lián)系的比較多，我自己其實能夠看到。大家說深度學習有這么大的發(fā)展，給我們帶來這么多新的體驗。但是從我每天日常工作當中我是看到了很多挑戰(zhàn)和問題需要我們?nèi)ソ鉀Q：第一個比如在軟件的深度學習的框架上，我們知道大家現(xiàn)在用的比較多的是Caffe、Tensorflow等等，我們現(xiàn)在又有了Neon，但是沒有任何一個框架是十全十美的?？梢哉f每一個都有很多問題，特別是比如有的框架適合做某一種事情、某一種任務，但是可能就不適合其他的。但是 ，包括我相信像京東、商湯，你們可能又要做語音，又要做人臉，沒有任何一種框架是完全滿足你們的，然而同時又新的框架出來，比如百度有PaddlePaddle，日本有一種框架叫Chainer，日本有50%的工作量是在那上面的，但是在其他國家沒有，所以說有很多的不同。這樣會使得用戶有困惑，我到底要用什么樣的深度學習框架？還有從硬件方面也是有很多的，像英特爾就有至強（Xeon）、至強融核（Xeon Phi）、FPGA、Nervana硬件，還有在Edge端的Movidius，還有GPU。硬件和軟件的結(jié)合應該怎么選擇？對于用戶，并不是所有的用戶都對人工智能有這么深切的了解，怎么能夠讓它大眾化？當然英特爾現(xiàn)在提出來要做Nervana Graph，在不同的框架和不同的硬件之間有新的層，這樣能夠起到一個統(tǒng)一的作用。所以下面無論是什么樣的硬件，上面無論是什么樣的開源的框架，我們都能幫你達到一個最優(yōu)的效果，這是我們在這方面做出的自己的一份貢獻和努力。
楊靜：剛才張彤女士也提到了，我們現(xiàn)在面對深度學習形成了一個新的生態(tài)圈，大家對開源框架有的時候是無所適從的，像谷歌有TensorFlow，我們有Torchnet，Caffe。好像有的時候很難去選擇。另外有些企業(yè)，比如谷歌，它包攬了從技術、應用一直到經(jīng)營，TO C，它就是一個巨無霸或者獨行俠，它在這個生態(tài)里面還要做TPU，它連芯片都要做。前一陣子我的好朋友，地平線的CEO 余凱在朋友圈吐槽：我們也不能讓谷歌壟斷了人工智能的生態(tài)，我們也應該建設更多的開源平臺或者技術解決方案，讓人工智能民主化。
有請大家討論的下一個議題是，人工智能未來的生態(tài)系統(tǒng)到底應該獨立去運作，一家家企業(yè)都形成自己的標準，還是我們共同來形成一個生態(tài)系統(tǒng)，可能要聽聽大家的見解，因為我們都是處于產(chǎn)業(yè)鏈上下游的參與者。那么就從張彤女士開始吧
張彤：人工智能肯定往更深更廣的應用方向去發(fā)展的，在這個過程中會不斷出現(xiàn)新的挑戰(zhàn)，因為當你用到新領域的時候會發(fā)現(xiàn)新的問題，無論是硬件還是軟件上會有新的需求，任何一個公司都不可能（一家獨大）。說實話比谷歌大的公司我們也都見過，沒有哪個公司能夠包攬一個領域，特別是當這個領域深入到全世界，比如說中國的客戶的應用，可能和美國客戶的應用就不一樣，所以我覺得要建立生態(tài)圈。其實人工智能，特別是深度學習這塊之所以發(fā)展這么快，這是我所見到的，比如說從學術界到產(chǎn)業(yè)界，是所看到的最快的?？赡軇倓偘l(fā)表的東西，過兩個月就用到了。從學術界的研究到真正形成產(chǎn)品，過去是幾年的時間，但是現(xiàn)在已經(jīng)縮短到幾個月的時間。從我們公司做產(chǎn)品來說，一定要和學術界，要和學生、教授，還要和我們的用戶緊密配合，時時刻刻去了解用戶的需求，我們還是要有很多伙伴，包括谷歌也是我們的伙伴，包括我們在中國很多用戶和客戶。我們知道在美國相對來說生態(tài)圈可能會發(fā)達一些，但是我們覺得在中國潛力特別大，因為中國有這么多的人才，有這么大的市場，有這么多優(yōu)秀的企業(yè)。
其實從英特爾來說，包括我本人，我特別希望能夠推動英特爾在中國整個人工智能生態(tài)系統(tǒng)的建立過程中能多發(fā)揮一些力量。
楊靜：您剛才提到中國也應該形成一個健康的、特別積極的互相合作的AI生態(tài)圈，您能具體談一談未來英特爾在這方面將做一些什么樣的努力嗎？
張彤：我覺得我們英特爾可做的事情太多了，我們早就應該開始了，但是我們現(xiàn)在會努力的。英特爾在中國有英特爾研究院，他們做了很多非常好的科研工作，我們在北京和上海都有很大的開發(fā)團隊。因為我們已經(jīng)有這么多的人才，英特爾本身要聯(lián)合我們的客戶，聯(lián)合大學科研機構的教授、學生等等，包括像您這樣的新媒體。我覺得我們應該組成一個圈子，應該加強聯(lián)系，共同推動一些事情，很多時候不一定是單純的和我們的客戶之間的關系，可能會加入一些三方的、四方的合作，這樣能夠推動整個產(chǎn)業(yè)的發(fā)展。
楊靜：特別感謝張女士。前一段有一個新聞，說谷歌等企業(yè)成立了一個最強的AI聯(lián)盟，好像有五家企業(yè)參加這個聯(lián)盟，英特爾并沒有參加這個聯(lián)盟，我想問李總，英特爾在AI生態(tài)方面，從全球戰(zhàn)略方面是怎么布局的？
李煒：從英特爾傳統(tǒng)角度講，我們很多年都是開放型的: 我們的商業(yè)模式就是開放型的，我們不是直的，是走橫向的發(fā)展。對我們來說，我們所做的東西，很多東西都是在開源里面。比如從軟件角度講，我們做的軟件、做的優(yōu)化都是要開源的，或者已經(jīng)開源，大家在上面拿得到，現(xiàn)在最新的Nervana Graph也是要變成開源的。所以從英特爾戰(zhàn)略角度講，開源、開放，我們一般都是很積極去參加那些標準化工作的。英特爾一直走的路都是這樣。
楊靜：今后也會秉持這樣的理念？
李煒：對，我們一直都會這樣走。
楊靜：有請劉總，既然有這么多的開源框架，你們到底選擇哪一種比較好？或者你們對這個生態(tài)的建設是怎么看的？
劉文志：對我來說，我們并不會特意去優(yōu)先選擇一個框架，或者不會對任何一個框架有偏見，對我們來說最重要的是生存或者是為社會提供價值。所以說如果這個框架適合我們，我們就會去用，甚至我們會把一些框架當中精髓的部分融入到我們自己的框架中。商湯其實也有自己的框架，并且有兩個。原因是我們要滿足不同的需求。圖像識別有不同的需求，其他的也有一些不同的需求，有些是稀疏的，有些是稠密的等等。這些東西很難用一個非常普遍的框架把它做好，我們對框架方面是非常開放的，只要我們覺得它有好處就會把它融入到我們的體系里面去。甚至我們還有自己的一套框架去做Inference，甚至有的時候會考慮自己寫底層的框架。比如在英特爾平臺上，在英特爾提出MKL-DNN之前，我們花了大約半年時間做我們在英特爾平臺上的CNN的庫，因為我們發(fā)現(xiàn)對于客戶來說，他的QPS是非常重要的，我把我的庫性能提高了兩倍，那么我們對外部署的時候需要的Siri數(shù)量能夠減少一半，這樣對于社會帶來的價值甚至網(wǎng)絡帶寬等等都非常巨大。
總結(jié)來說，對于整個生態(tài)，商湯是非常開放的，只要能夠促進社會的發(fā)展，促進商湯的發(fā)展，至少對于我們部門來說，都會毫不猶豫融入到我們系統(tǒng)里面去，為我們公司，為整個社會提供更多的價值。
在具體在AI的產(chǎn)業(yè)鏈上，英特爾是芯片和解決方案提供商，我們商湯更多的像一個云平臺和解決方案提供商，每個公司可能在這里面的角色相對來說一是比較多，二是角色怎么很好地相互協(xié)作。這是整個生態(tài)圈都需要考慮的問題。我的建議是希望在這個環(huán)節(jié)中形成各種各樣的實質(zhì)性的標準，比如說數(shù)據(jù)要怎么樣存放，比如中間的數(shù)據(jù)通信要采取什么樣的協(xié)議等等，當然這只是我的看法。
楊靜：謝謝，陳總呢？
陳宇：您剛才說所謂平臺，我感覺這些平臺沒有誰是最好的，而是誰是最合適的，還有像京東這種比較大型的平臺，各種各樣的應用場景，從數(shù)據(jù)上，剛才劉總也提到，稀疏、非稀疏都有使用的場景，很難有一個單獨的平臺能夠解決一切。所以這種情況下，我們也有在自己的平臺上做一些優(yōu)化和研發(fā)工作，這是不可避免的。其次說到生態(tài)，我個人一個直觀的感覺，目前國內(nèi)本土企業(yè)在這塊比較缺少開源的精神，學術界和工業(yè)界在數(shù)據(jù)上也缺乏開源的精神，有很多數(shù)據(jù)都是欠缺的。我們做研發(fā)，大家發(fā)現(xiàn)很多數(shù)據(jù)和開源系統(tǒng)都是國外的，這也是從生態(tài)角度來說需要改進的一個問題。
楊靜：您還是呼吁大家多開源是吧？
陳宇：對，大家在深度學習和人工智能方向會發(fā)現(xiàn)，越來越多的，數(shù)據(jù)的重要性大于算法本身，如果沒有數(shù)據(jù)，你研究的方向和研究成果都很難落地。
馮曉兵：一方面我贊同李總講的，首先我們要是一個開放的技術體系，不是簡單開源，因為英特爾這么多年，很得益于你們這個開放的體系，使得你們發(fā)展得很快。人工智能將來也是，涉及到人工智能的應用、人、實體都很多，很難說一個實體把所有的問題都解決了。還有很多國家，每個國家都有不同的需求。所以我覺得首先體系應該是開放的，但在體系開放前提下，我們也應該在開源方面做更多的貢獻。過去國外開源的比較多，國內(nèi)開源的比較少。這些年慢慢有些公司，包括有些國內(nèi)的開源團隊，開始在開源社區(qū)越來越活躍，包括Linux，有很多國內(nèi)的團隊都很活躍了，成為主要的貢獻者。將來在人工智能方面，我也希望國內(nèi)的團隊能夠提供更多代碼，做出更多貢獻。還有像這種開源精神的培養(yǎng)。大家都為這個社區(qū)做貢獻，同時也都受益于這個社區(qū)。
楊靜：是的，我們更要成為開源社區(qū)的貢獻者，以前中國人在開源社區(qū)里不是特別活躍。剛才整個討論當中也有一個共識，人工智能還處于一個嬰兒期，正是因為處于嬰兒期，就預示著它有巨大的發(fā)展?jié)摿蛻们熬?。再來，我們也討論了AI技術其實面臨著各種挑戰(zhàn)，怎么樣做手機里面的芯片等都是咱們需要探索的重大課題。我們還討論了生態(tài)，希望像英特爾一樣，我們中國的企業(yè)也更加開源、開放，能夠為開源社區(qū)做出更多的貢獻。另外，我們也需要有一個開放的心態(tài)去構建AI的新生態(tài)。
楊靜：最后給大家拋出一個問題，眼看著2020年快來了，人工智能在哪個領域會出現(xiàn)更新的、更引人注目的突破呢？大家做一個小的預言，從馮主任先開始。
馮曉兵：我只能說我最希望的一點，不一定能實現(xiàn)。我最希望的一點還是在醫(yī)療方面，因為醫(yī)療確實有很多新聞事件，對于每一個家庭來說都是非常重要的事情，人工智能能夠成為醫(yī)療的輔助和管理系統(tǒng)，可能沒辦法完全替代醫(yī)生，但是我們可以通過人工智能的輔助，使得我們平均的醫(yī)療水準和每個人得到的醫(yī)療服務的水準得到一個相對比較好的改善，能夠讓大家更安心，花更少的錢得到更好的服務，這是我的期望。
陳宇：我同意剛才劉總的觀點，我個人認為，像醫(yī)療和教育是未來人工智能可以切實落地的場景，因為它可能并不是那種泛生活的和人緊密的交流，可能更多的是要解決實際的問題，有明確的數(shù)據(jù)和明確的目標，到2020年還差四年，像這種的可以在短期內(nèi)切實看到非常好的落地。
楊靜：就是一個2B的或者是產(chǎn)業(yè)的應用、行業(yè)的應用？
陳宇：解決方案可能是2B的，但是使用方的話可以是2C的，比如說像教育的、醫(yī)療的。
劉文志：人工智能這兩年主要是在云上，未來會在移動端嵌入式上大范圍的應用，我認為2020年可以真正做到無處不在的。而具體的領域，我覺得智能家居或者智能家居機器人會是真正大范圍應用爆發(fā)的點。我一直在幻想一個場景，如果我家里有一個機器人的仆人，他的人工智能水平相當于人的智能——我不太喜歡用相當于人的智能來比喻——比如相當于1歲的小孩，我回家知道來給我開門，我要洗澡他知道放洗澡水，我要去拿東西他知道，我餓了他知道去做飯。如果有一個機器人的女友會是什么樣的，當然這些大家都可以去想象。所以我覺得當人工智能真正用到智能家居去改善每個人的生活，這個是2020年應該能夠部分實現(xiàn)的。
楊靜：那李總您的設想呢？
李煒：我同意剛才講的，如果有一個智能的家庭醫(yī)生，能夠解決很大的問題。
楊靜：請張彤女士給我們做一個小結(jié)。
張彤：我也說一個我最希望看到的，我自己本人對視頻監(jiān)控一直非常感興趣，我自己也做了很長時間這方面的研究。因為我特別在意我們自己家的安全，特別是我小孩的安全，因為我是一個母親，我經(jīng)常出差，很忙，最害怕我不在家的時候我們家被人闖入了。因為在美國犯罪率挺高的，經(jīng)常有家庭被壞人闖入了，我家里有兩個女兒上中學，我就害怕家里會出什么事。我希望能夠保證在我不在家的時候家里能安全。說實話現(xiàn)在還沒有一款非常好的產(chǎn)品，無論是硬件還是軟件。所以我希望在2020年之前，我們能夠有比較成熟的、好用的產(chǎn)品出現(xiàn)，這樣大家都能夠做到比較后顧無憂。
楊靜：非常感謝現(xiàn)場大家聽完我們的討論，也非常感謝各位專家的參與。謝謝！
