“每家企业都需要人工智能战略，否则就会落后于时代，ai战略甚至决定企业的未来胜负”，英特尔ceo科再奇如此表示。

对于英特尔来说，自从把自己定位于一家数据公司，就开始大踏步的布局人工智能。

近日，英特尔赶在年底举办人工智能大会，一方面再次对人工智能战略表了决心，另一方面也不忘拉上队友大秀一下肌肉。

人工智能这张牌，英特尔怎么打？

去年8月份，英特尔斥资3.5亿美元收购深度学习企业nervana systems，这一举动被视为英特尔人工智能战略的催化剂。

收购nervana之后，英特尔随即把人工智能业务和项目都划归到由nervana前ceo纳维恩·饶（naveen rao）统一领导的事业群，该事业群融合了实验室、软件和硬件多项职能，同时成立了人工智能事业部，这个事业群扮演着人工智能跨部门合作的角色。

事实上，英特尔已经提供了一套完整的人工智能全栈解决方案，其中包括：

1、涵盖至强处理器、至强融核处理器、英特尔？nervana?神经网络处理器和fpga、网络以及存储技术等；

2、针对深度学习/机器学习而优化的基于英特尔架构的数学函数库（intel? mkl以及数据分析加速库（intel? daal）等；

3、支持和优化开源深度学习框架如spark、caffe、theano以及neon等；

4、构建以英特尔movidius和saffron为代表的平台以推动前后端协同人工智能发展。

这套人工智能全栈解决方案也间接告诉我们，人工智能应用场景的复杂性，需要不同特性硬件平台以及软硬件协同优化，才能有效提升处理数据的速度和准确性。

也恰恰是因为人工智能场景的复杂性和多样性，使得公司、产业之间的融合演进成为可能。

正如英特尔中国区总裁杨旭所说：英特尔不做埃菲尔铁塔式的研发，任何技术必须和业界广泛合作，要在产业和市场验证它的成功。

于是我们看到英特尔不断的与行业内诸如百度、科大讯飞、京东、海康威视、美团云等企业的合作。比如牵手百度宣布英特尔人工智能解决方案中心，和爱尔眼科通过人工智能技术进行远程的影像识别的应用。

而为了推动人工智能性能瓶颈突破以及技术大众化，英特尔建立了包括谷歌等巨头公司在内的联盟，同时与全球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、应用优化等生态。

与组建队友同步进行的是技术的演进，就在不久前，英特尔正式宣布业内第一个面向神经网络处理的芯片英特尔？nervana?神经网络处理器（neural network processor，nnp），和拥有13万个神经元和1.3亿个突触连接的自主学习神经元测试芯片loihi，可模仿大脑根据环境的反馈来“自主”学习。

这次人工智能大会期间，英特尔也着重介绍了loihi芯片，这款芯片包括模仿大脑基本机制的数字电路，从而让机器学习变得更快、更高效，同时对计算力的需求更小，与训练人工智能系统的通用计算芯片相比，loihi芯片的能效提升了1000倍。

人工智能最大的门槛是数据，怎么破？

如果说去年一年是英特尔对人工智能战略的能力释放，那么今年的主旋律就是合作，场景和落地。

fiaz mohamed是英特尔公司人工智能产品事业部业务拓展总经理，在实际业务中他发现人工智能最大的门槛依然是数据，数据采集的量够不够，采集的数据是否合适，数据的形态对不对，甚至如此多的数据能不能容纳到单一独立系统当中，并且彼此之间能够互相配合。

英特尔公司人工智能产品事业部业务拓展总经理fiaz mohamed

为了演示人工智能如何处理数据，解决行业难题，fiaz mohamed举了一个投资银行的例子，这家银行想要借助英特尔的技术来搭建自己自主知识管理系统，用深度学习或者人工智能的技术来使得交易员阅读大量文件的工作变得简化一点，要知道以往投资银行是大量交易员组成，每个交易员需要读大量文件来帮助他做决定。

这家银行要实现的是，解放交易员的时间，让交易员不需要再读以前那么多文件，只需要把精力放在最关键问题上就可以。但问题来了，按照日常人与人之间的对话，如果你问机器：跟我说一下中国的汽车行业竞争的现状，其实这个问题是非常复杂的，首先汽车是可以细化的，是指小汽车、乘用车，还是大卡车。竞争格局，是指定价，还是指竞争对手。

不可否认，这背后是复杂且庞大的数据，超过了人类分析师处理的能力。如果没有机器的协助，就难以有效利用数据，而机器不仅处理数据，并且从中学习。

所以即便是用很自然语言呈现出来的问题，内容都是非常复杂的，就需要用ai的技术通过深度学习来建立这样的自主知识管理的系统，这个系统可以经过自己的分析后，从而直接抓取它认为合适的文件或者是图表，呈现给提问者。

事实上，无论是从银行到医疗，还是制造业到消费服务业，全球的企业都已经开始利用人工智能分析数据并构建学习型组织，从而以前所未有的速度来应变并展开竞争。

fiaz mohamed也表示，虽然英特尔现在最主要的目标是针对各种可能存在的使用场景，做好基础架构方面的研究和开发工作。但随着时间的推移，也会考虑进入新领域，比如智能手机终端，以及其他fpga和定制asic应用场景。

总之一句话，未来的竞争态势已经决定着，一家公司如果布局人工智能不一定赢，但没有人工智能一定会输。

以上是网络信息转载，信息真实性自行斟酌。