来源：界面

　　错过了智能手机的好机会，英特尔不想再错过人工智能了。在人工智能领域，英特尔不满足只做一个芯片提供商。

　　11月30日，英特尔向中国媒体介绍了全面布局人工智能的战略。硬件方面，英特尔推出了包括至强处理器、至强融核处理器、Nervana平台和FPGA、Omni-Path网络、3D XPoint存储等技术的硬件平台；函数库方面，英特尔推出了结合深度学习、机器学习优化的英特尔数学函数库（Intel MKL）、英特尔数据分析加速库Intel DAAL）等。

　　作为一家老牌芯片公司，英特尔此前收购了专注于计算机视觉处理的公司Movidiushe、Itseez和人工智能公司Nervana、Saffron来弥补自己在算法和软件上的不足。

　　此次在软件方面，英特尔可以支持开源软件框架如Spark、Caffe、Theano和Neon，及可推动前后端协同人工智能发展布局的Saffron、TAP、Nervana系统、Movidius等工具和平台。通过开发软件，英特尔希望能走到需求源头，让软件充分释放硬件的价值。

　　英特尔表示，以上这些产品组合可以应用于智能工厂、无人驾驶汽车、生命科学等领域。

　　随着PC时代的渐行渐远，英特尔正在进行战略转型。在今年的IDF（英特尔信息技术峰会）上，英特尔CEO科再奇没再提到“下一代笔记本电脑和PC”，无论是VR、无人驾驶、物联网还是更多领域，他谈及的所有产品和主题，都是创新。

　　和以前只需“intel inside”不同，英特尔如今面对的是比PC丰富太多的需求。它想通过软件了解这些需求，因此想要通过软硬结合的方式，让软件带动硬件发展。

　　但实际上，“英特尔距离用软硬件结合的方式来满足商户需求的目标，还有很长的路要走。”商汤科技异构并行计算部门工程总监刘文志对界面新闻记者说。商汤科技是一家专注于计算机视觉和深度学习技术的公司，强项是人脸识别技术。

　　而阻碍英特尔实现“软硬结合”的重要原因是缺乏数据。

　　在发布会上，英特尔中国研究院院长宋继强举例称，希望英特尔以后能帮助智能工厂实现图像识别。

　　一般来讲，单独的一个工厂很难完成海量图像数据积累，尤其是有标签数据积累的过程。按照构想，英特尔可以帮助单个工厂完成前面数据积累、数据清理的过程。在这个基础上，借助图像识别能力，英特尔就可以帮工厂识别出图像。

　　但是问题在于，作为传统芯片提供商的英特尔，很难像Google和百度一样，自带图像收集入口。

　　另外一方面，英特尔也很难让其他公司将数据放在它的系统上。“数据太珍贵了，特别是有标签的数据，这些都是金钱换来的，不可能直接放到其他平台上。”刘文志说。

　　“在人工智能和Deep Learning领域，数据的意义大于算法本身，没有数据研究很难落地。”京东集团AI/VR/AR实验室人工智能方向研发总监陈宇在发布会上强调了数据的重要性。

　　数据的缺失意味着英特尔很难训练它的运算系统，也就意味着很难优化其软件。而很难优化软件则意味着“让软件充分释放硬件价值”只是个短时间内无法实现的愿景。

　　目前来看，英特尔的优势仍然集中体现在硬件。

　　英特尔此前收购了人工智能明星公司Nervana Systems，并称将继续销售该公司的所有产品。其中，Nervana的加速处理器LakeCrest将于明年推出。据称，这款芯片可以加速各类神经网络。英特尔方面表示，到2020年，英特尔将推出芯片，使神经网络训练的性能提高100倍。

　　除了英特尔，也有别的芯片公司早早地就盯上了人工智能领域。英伟达基于其在GPU上的优势，与微软、IBM、Facebook等科技巨头都展开了合作。

　　“英特尔的问题只是起步晚。”刘志文曾经在英伟达工作，在他看来，英特尔的技术和品牌仍有很大优势。刘志文认为，英特尔在明年推出新的芯片之后，各种框架也将很快搭建好。只有等到英特尔的芯片大范围铺开以后，英特尔的各种标准才能被广泛接受。