如何推动人工智能理论突破与行业落地

11月14日至15日，英特尔人工智能大会（AIDC）在北京举行。大会上，除了英特尔公司的演讲嘉宾，同时也有来自学术界和产业界的多位嘉宾登台发表演讲，分享了共同携手推动人工智能突破与落地的进展和成果。

百度资深架构师董大祥介绍了百度AI与英特尔的深度合作。他表示，百度不仅是一家搜索引擎公司，同时也是一家AI公司。除了视觉领域、自然语言处理、语音识别 领域部署了AI模型以外，还有很多基于大数据场景下做的AI模型。百度的深度学习模型一直在帮助搜索引擎不断迭代，但这需要百亿、千亿级别数据的大规模分布式训 练，目前基本都是由英特尔CPU构建的大规模集群来训练的。特别是英特尔的MKL/MKL-DNN 加速技术，有效提升了深度学习模型的训练速度和在线预估速度。

汇医慧影创始人兼CEO柴象飞表示：“在整个医学领域，医学影像是最重要、也是人工智能最可行的一个领域。医院超过80%的数据都是影像数据。”他进一步表示，与英特尔的合作使得汇医慧影的技术在算力上得到极大加强，至强处理器的运用在处理海量数据尤其是三维数据甚至是多维数据方面，使得直接训练包括分类的学习变得可行。同时，在CPU上推演的部分可以最大限度地使用既存硬件，快速赋能原有设备，使得汇医慧影的平台、算法能力以及大量的医学数据得以被快速挖掘，建立多维模型。

美的集团视觉研究所所长胡正分享了利用AI进行产品检测的合作。他说，在工业视觉检测方面，工厂环境中有各种各样的零部件，加上不同材质、不同边缘、不同采光和拍摄角度，从而很难去开发一个定制化的传统算法，而且耗费时间成本多。美的通过运用人工智能算法结合英特尔酷睿、至强可扩展处理器以及OpenVINO，构建了一款高度优化的缺陷检测解决方案，方案成本也非常低。同时，这个解决方案将应用到美的更多工厂里。

腾讯优图技术专家沈昊说，腾讯优图是腾讯旗下顶尖的AI实验室之一，涵盖人体、人脸、交通、医疗影像和自动驾驶等多个方面的计算机视觉前沿研究和产品落地，日均服务调用超过30亿次。腾讯优图与英特尔一起打造了两款智能硬件，一个是优图盒子，基于有着出色解码能力的英特尔CPU加上高效AI算力，可以在本地直接做AI预处理，人脸检测、跟踪优选、人脸识别都在边缘端完成，相比过去全部搬到云上，如今送到云端只是非常少的数据，大大节省了整个系统的带宽，显著提升运行效率。而与英特尔Movidius团队合作的基于Myriad 2的腾讯优图AI摄像机不仅能检测、跟踪、优选人脸，并且整个过程都可以在摄像机里完成，极大降低了整套系统的成本，在不损失精度的情况下效率提升1倍以上。

南京大学人工智能学院院长、计算机科学及技术系主任周志华教授分享了他对于深度学习的一些思考。他在演讲中着重提到了“深度森林（Deep Forest）”算法，主要基于决策树作为基本构建，是第一个不基于深度神经网络、不基于BP算法、不用计算梯度训练的深度模型。它具备适合多核芯片架构加速等特点，并且能够比基于神经网络的感知器更适应处理离散数据或列表数据。南京大学已经与英特尔成立了人工智能联合研究中心，重点关注非神经网络深度学习技术对智能芯片设计的启发式影响，以及智能芯片对更多机器学习技术的支撑能力扩展。英特尔架构对“深度森林”来说是理想的模型级并行加速器，双方的合作将进一步推动人工智能产业应用落地。未来英特尔还将协助南京大学人工智能学院建设智能硬件相关课程，携手推进中国人工智能人才培养。

腾讯云副总裁王龙介绍了一年以来腾讯云与英特尔的合作及进展。腾讯优图鉴黄业务量非常巨大，基于英特尔开源组件、MKL算法库以及英特尔CPU的帮助，整体的鉴黄性能提升1.6倍，节省了大量人力和时间成本。腾讯视频转码优化则基于英特尔至强可扩展处理器等，在1080P视频转码性能上获得了2倍提升，使用最新的AVX指令集的时候能获得1.7倍性能提升。今年，PhoenixGo获得了2018年世界人工智能围棋大赛冠军，这得益于使用了腾讯内部至强服务器的闲时训练，与英特尔的通力合作也是密不可分。他指出，为了更好地让AI服务于各行各业，腾讯和英特尔都希望有更深的合作实现共赢，共建AI生态，为产业的数字化转型作出贡献。

阿里云IoT事业部高级技术专家、AI@Edge负责人龙一民主要分享了工厂缺陷检测方面的效率提升。阿里云IoT团队将工业机械臂和计算机视觉结合在一起，与英特尔团队一起在重庆的项目上合作运用OpenVINO、阿里云Link IoT Edge和Link Kits，成功地帮助工厂将缺陷检测效率提升5倍。而此前这样的检测工作全部由人工来完成，并且人工检测准确率不到20%；人工智能视觉检测的准确率则趋近于100%。通过与英特尔合作，阿里云IoT也看到了更多的视觉智能和边缘计算的市场机遇。

上海宝信软件研究开发部总经理董文生介绍了宝信的业务以及与英特尔合作的成果。在工业领域，除了视频缺陷检测之外，另外一个大的数据来源是各类传感器。由于传感器频率高、数据量大，一家大型企业一天的积累量就是TB级的数据。宝信利用英特尔Analytics Zoo解决方案，建立了无监督的深度学习系统，基于LSTM设备自动诊断检测的模型来进行实验。目前宝信已经将Analytics Zoo方案和BigDL方案与大数据平台做了集成，这为未来应用到其他实际场景当中提供了基础。

PaddlePaddle技术负责人百度主任架构师于佃海介绍了百度在深度学习研究和应用上的深厚积累，特别是大规模深度学习的应用实践，目前核心产品线上超大规模稀疏特征任务的训练上，英特尔CPU的集群优势比较明显。他还特别介绍了百度开源深度学习框架PaddlePaddle及最新发布的系列开发套件，并从PaddlePaddle角度介绍了与英特尔的广泛且深入的合作。 PaddlePaddle与英特尔针对深度学习开发的中间编译器nGraph的对接简洁，可以无缝衔接不同的硬件后端，得到了更高效的后台计算。英特尔更加重视深度学习领域，所以芯片产品也越来越适配深度学习。PaddlePaddle 与英特尔在低数值精确计算也有密切的合作，英特尔的下一代指令集VNNI提供强大的INT8乘加运算效率。对于深度学习领域而言，这些英特尔芯片和技术有着很多特色。基于已有的成果和未来无限可能，PaddlePaddle与英特尔的合作将是深度而持续的。

中国移动物联网有限公司高级技术总监刘源介绍了中移物联网有限公司自主研发的OneNET核心能力平台，为接入OneNET平台的海量设备提供一站式人工智能SaaS服务，丰富打造OneNET平台智能生态应用。OneNET AI平台基于英特尔® 至强® 处理器集群，并采用英特尔® 人工智能软件工具组合构建和部署，为平台用户提供了电表读数识别、物质成分分析、车牌识别、人脸验证等多种主流服务，满足物联网企业、创客以及个人开发者的智能化需求。刘源说，中移物联网和英特尔双方已通过战略合作伙伴及联合实验室机制，在物联网人工智能领域展开合作创新。在平台层面， 从设备、边缘到数据中心，英特尔多种芯片技术助力中移物联网实现 IoT+AI 战略；在软件层面，英特尔 OpenVINO 工具极大提升了AI软件开发效率，同时能够优化模型，按需部署到异构芯片及设备，从而获得最佳性能表现； 非常期待英特尔人工智能芯片和加速卡等新技术不断创新并在物联网领域的深度应用。

武汉大学教授、武汉大势智慧科技有限公司CEO黄先锋介绍了与英特尔在长城保护项目上的合作。他表示，双方利用英特尔猎鹰8+无人机和人工智能技术，通过高精度的3D模型结合深度学习算法，对城垛的缺失部分以及墙体裂缝做识别和分析，最终给出定量的缺失体积甚至是缺失多少块砖的结果，进而形成修复计划。英特尔猎鹰8+无人机采集了箭扣长城700米长度上的9000多张图像，每张图像有4200万像素，总共有120多G的图像。处理这些数据，16台至强处理器的集群算了19.6个小时，而在算法没有优化之前是用了50个小时。