如果將這種思維映射到醫(yī)療成像領域，Jonathon Ballon也談到“智能”將演變的軌跡：“或許過去十年，我們專注于快速完成影像獲取，但現(xiàn)在AI發(fā)展已經跨越這個臺階，我們思考的是如何比醫(yī)生更快速準確分析影響，讓AI系統(tǒng)能夠用幾分鐘的時間就處理完1萬張醫(yī)學影像，并向放射科醫(yī)生指出哪些影像應該特別關注，下一步還要與相關病例聯(lián)系起來，提供診斷和治療方案?！?/p>本文引用地址：http://www.biyoush.com/article/201806/381457.htm

　　同樣的顛覆還會發(fā)生在零售市場：英特爾與京東打造的D-MART“無人商店”，已經在多個智能門店以及智能售賣機項目中部署試用。無人商店用到的機器學習算法主要集中在知人、知貨、知場3個方向，由于涉及線上線下數據打通，將視頻等非結構化數據轉化為結構數據等，需要用到機器視覺領域CNN(卷積神經網絡)算法，智慧供應鏈方面用到的傳統(tǒng)機器學習算法，如SVM、統(tǒng)計學的線形回歸、邏輯回歸等。綜合考慮，京東選擇了英特爾的邊緣服務器做硬件層支持。

　　從醫(yī)療到零售還只看到物聯(lián)網實踐的小小縮影，事實上英特爾正在嘗試一個通用邏輯或者說方法論，將物聯(lián)網的部署在所有行業(yè)上打通。在Jonathon Ballon看來，物聯(lián)網也擁有專屬的“摩爾定律”，不同行業(yè)的IOT都會經歷三個相同階段：連接，智能以及自治，而自治階段是未來物聯(lián)網發(fā)展的終極趨勢所在。英特爾與京東、亞馬遜打造的“無人商店”就是一個完全自主運營的實例。

　　當談到競爭，Jonathon Ballon表示并不擔心。“英特爾的優(yōu)勢在于善加利用分布式計算架構，專注于打造端到端的解決方案，包括設備、網關、網絡、云、數據中心等?！笨梢钥吹?，不僅是AI產品組合，關于物聯(lián)網，英特爾也已經攢好“組合牌”，從設備到云已備好了一整套完整的產品組合方案。

　　所以，英特爾的手上都有哪些牛X底牌?

　　英特爾從來都不會直接地告訴別人它的AI能力有多強，但未來你身邊的AI可能都有“Intel inside”。

　　就像沒聽說過Movidius VPU，但你可能知道大疆今年推出了一款具有手勢識別遙控功能的迷你無人機;不熟悉Moblieye這個名字，但你大概聽過特斯拉Autopilot的自動駕駛功能;沒研究過英特爾AI平臺，但你或許會被2020年東京奧運會的直播效果驚艷;甚至，在如今大多數人工智能硬件公司采用的芯片前，都要加一個英特爾商標。

　　事實上，借由其體量的優(yōu)勢，英特爾在AI硬件方面完成了深遠布局。從訓練到推理，從服務器到終端的AI全產業(yè)鏈上，都有intel inside的身影。如果說數據洪流帶來巨大機遇和挑戰(zhàn)，多種多樣的應用需求需要不同的解決方案和技術來滿足，同理人工智能也是如此。紛繁復雜的工作負載也需要不同類型和特點的人工智能產品來支撐，這就需要提供更全面的企業(yè)級方案。

　　在人工智能策略上，英特爾實際上一直強調的是“廣度”，即對于每一種架構風格，英特爾都有一個或多個的產品組合，讓各種規(guī)模的機構都能通過英特爾開啟自己的人工智能研發(fā)。例如，英特爾正在與Novartis合作，使用深度神經網絡來加速高內涵篩選——這是早期藥品研發(fā)的關鍵元素。雙方的合作把訓練圖片分析模型的時間從11個小時縮短到了31分鐘。

　　當然，要釋放AI潛力，僅“廣度”還是不夠的，還應該有更全面的考慮。在一年多漫長梳理與整合之后，英特爾終于拿出了一套相對完善的產品組合方案——英特爾人工智能全棧式解決方案，包括至強可擴展處理器、英特爾Nervana神經網絡處理器和FPGA、網絡以及存儲技術等;針對深度學習/機器學習而優(yōu)化的基于英特爾架構的數學函數庫(Intel MKL)以及數據分析加速庫(Intel DAAL)等;支持和優(yōu)化開源深度學習框架如Spark、Caffe、Theano以及Neon等;構建以英特爾Movidius和Saffron為代表的平臺以推動前后端協(xié)同人工智能發(fā)展。

　　這就夠了嗎?當然不是。

　　差點漏掉了“Loihi”。它是英特爾正在研發(fā)的神經擬態(tài)計算芯片，能夠像大腦一樣通過脈沖或尖峰傳遞信息，通過“異步激活”方式進行計算，使機器學習更有效率，同時對于計算力的需求更小。但Rao也指出，Loihi目前只是一個研究項目，是英特爾的一個重要研究方向但不是唯一方向。

　　“如果我們能提高的話，這項技術將成為潛力股?！?/p>

　　“與此同時，還有量子計算，它是創(chuàng)造更多計算能力的方法?！?/p>