大家好，感谢邀请，今天来为大家分享一下英特尔的问题，以及和合作公司的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！

本文目录

1. 英特尔的人工智能“警察”将如何协助解决“有毒”游戏玩家的问题？
2. 英特尔重金押宝人工智能，中国市场如何落地？
3. 英特尔在人工智能和元开发上都有哪些开源贡献？
4. 人工智能芯片“遭遇战”，英特尔将如何应对？

英特尔的人工智能“警察”将如何协助解决“有毒”游戏玩家的问题？

大多数人在玩游戏时可能都遭遇过“有毒”玩家，而且这个问题似乎并未有所改善。当然，大多数开发人员都会实施游戏内报告系统和人员团队来处理这些“有毒”玩家，但现在英特尔正在寻找人工智能可以提供帮助的方法。

在英特尔的GDC2019新闻发布会上，该公司宣布已与SpiritAI合作，探讨如何利用机器学习来对抗“有毒”游戏玩家。SpiritAI在这个领域已经拥有相当多的经验，因为它提供了一个名为Ally的工具，它使用机器学习和AI来识别和抑制文本聊天中的滥用。英特尔希望通过文本聊天完成SpiritAI所做的工作，并将其扩展为语音聊天。

这是一项相当大的任务，但通过机器学习，英特尔似乎认为这至少是合理的。PCWorld指出，英特尔非常清楚两家公司在创建人工智能时可能遇到的困难，这些人工智能可以为语音聊天提供“有毒”玩家实例，并指出这样的工具可能需要几年时间。

英特尔重金押宝人工智能，中国市场如何落地？

科技行者发自英特尔中国研究院办公室。

回望过去一年，英特尔几乎全心投入AI建设，整合Nervana，成立人工智能产品事业部(AIPG)，扩张收购与投资布局，AI领域的举动，逻辑主线越发清晰。那么，在中国如何推动AI，英特尔其实也给出了答案。第一，英特尔为实体经济站台。十九大提出互联网、大数据与人工智能深入融合，如何释放AI价值，其在AI领域的战略集中在三方面：创新技术、广泛合作、推动应用。具体表现：正携手百度、科大讯飞、京东、美团、海康威视、中国电信等各路厂商，积极探索人工智能在到医疗、交通、安防、工业、互联网和通信领域的应用部署，为实体经济发展提供不竭动力。第二，做中国高价值合作伙伴。“AIONIA”是英特尔AI战略的核心思想，即希望英特尔AI架构为各行各业提供帮助，降低AI使用的门槛。实际上，对于英特尔而言，AI潜力和价值，恰恰体现在它能够与其他行业应用实现有效的结合，即通过行业应用释放AI潜力。独乐乐不如总乐乐。同样是合作，但英特尔却擅长用“英特尔方式”实践着，不单是为行业用户提供解决方案，还与合作伙伴一起玩。通过技术的力量，让AI易于实践，降低各行各业使用AI门槛。分享一个小故事，英特尔在不同场合多次提到的“天池医疗AI大赛”。英特尔与阿里巴巴和零氪科技共同举办了天池医疗AI大赛，以期促进算法创新，用AI加速精准医疗的发展；大赛第一季面向的是医学界公认的难题——早期肺癌的诊断。作为大赛的共同举办方，英特尔提供了可为深度学习提供高效计算支持的至强融核处理器、至强处理器等产品和技术，还有针对机器学习和深度学习的英特尔MathKernelLibrary（MKL）核心算法库及英特尔Python数学库，以及特别为医疗影像分析设计的深度学习框架软件等。据科技行者了解，在这次天池大会上，英特尔为深度学习框架Caffe定制了43个超越开源版本的新功能，来支撑选手的模型创新；同时也为天池软件贡献了35000行框架代码和6000行参考模型代码，为模型训练保驾护航。结果是，各队选手在比赛期间遇到的80%的问题，英特尔事先都有验证过。从体验层面，英特尔也正在尝试。举个例子，3D人脸面部表情捕捉技术，可实现对视频人脸的自动检测与识别，精准重建3D人脸，并实时跟踪面部表情变化，将预先设计好的特效素材附在3D人脸上，重新渲染到MV视频中，从而实现脸部特效。整个过程只需一个二维摄像头，大大简化传统3D建模过程。目前，这项AI技术还运用到音乐作品拍摄中，并开放体验区，让内在英特尔技术，在AI时代，转化为外在精彩体验。

很显然，英特尔对待AI的核心思想是，推动AI普及化、民主化，推动整个市场发展。就像英特尔公司高级首席工程师兼大数据技术全球首席技术官戴金权多次提到，“在英特尔我们专注做的一件事情，就是使人工智能计算进入民主化时代，让各行各业更方便地使用。”

下图为英特尔AIDay上的中国合作伙伴

回到话题，英特尔重金押宝AI，当然少不了芯片。

在今年AIDay上，英特尔就释放了多个重要讯号，试图在明年50岁“知天命”来临之际，在人工智能的时代，改变自己的“人设”。弥补GPU缺乏，转投“神经芯片”研发如果说AI是一场马拉松，此刻重新回到赛道的英特尔，“快马加鞭”之余，还面临着一个无法回避的外界言论话题，对手英伟达。毫无疑问，在PC时代，CPU/GPU曾是一对亲密无间的伙伴，但到了人工智能时代，却出现了“分歧”。“吃瓜”看热闹的背后，你需要知道的一个事实是，在界定两者的关系时，英伟达掌舵黄仁勋曾多次提到，GPU不会替代CPU。虽然老黄在说这话时，一脸傲娇，但他看来，最完美的架构正是在万事皆能的CPU上，加上在某些重大计算挑战上非常有能量的GPU，后者非常擅长图形的计算处理工作和人工智能类型的应用。当然，人工智能包含很多范畴，GPU在深度学习领域尝足了“甜头”，但真正使用还要考虑很多不同的约束条件，功耗、尺寸、价格来选择不同的硬件。尽管英特尔下大手笔，收购FPGA厂商Altera、AI芯片商Nervana，但依然无法解决缺乏GPU的问题。于是，英特尔选择另辟蹊径。仅以芯片角度来看，英特尔的研究好消息一个又一个从实验室传来。似乎是作为一种强力的隔空反击，这次AI大会上，宣布正在研发出代号“Loihi”的自动学习神经芯片。▲代号“Loihi”自动学习神经芯片Loihi得名于夏威夷海底的一座火山，它由128个计算核心构成，每个核心集成1024个人工神经元，整个芯片拥有超过个13万个神经元与1.3亿个突触连接。虽然无法与拥有超800亿个神经元的人脑相比，但是英特尔认为，Loihi代表着未来人工智能芯片的发展方向。其原因在于，Loihi芯片能够像大脑一样通过脉冲或尖峰传递信息，并根据这些信息调节突触强度，能模仿大脑，通过环境中各种反馈信息进行自主学习、下达指令。Loihi芯片提供了非常灵活的片上学习能力，将训练和推理整合至同一块芯片上。通过“异步激活”方式进行计算，使得机器学习更有效率，同时对于计算力的需求更小。该芯片适用于无人机与自动驾驶、红绿灯自适应路面交通状况，用摄像头寻找失踪人口等任务。不过英特尔目前尚未制造出Loihi芯片，但已用FPGA芯片进行了硬件模拟测试。展望未来，英特尔认为人工智能训练需要新型芯片架构。而神经形态计算恰好带来了一种方式，以类似大脑的结构提供超大规模的计算性能。但英特尔并不是第一家使用神经科学指导芯片的公司。此前，IBM已经构建了两代神经形态处理器，称为TrueNorth，同样基于脉冲神经元模式，但TrueNorth包括4096个核心，模拟了一百万个神经元和2.56亿个突触，这个数字在Loihi之上。一个好消息是，与通常用于训练人工智能系统的芯片相比，Loihi芯片的能效提升了1000倍。尽管，目前很难说英特尔神经元芯片最终结果如何，但肯定的一点，英特尔已经意识到CPU不是唯一。为了应对英伟达的进攻，英特尔正试图去拥抱其他芯片。截至目前，CPU+FPGA已经显示出深度学习负载上的能力，以及专用神经网络芯片，二者的能耗和性能，都足以成为GPU潜在的挑战者。当然，这还不够。近日，据外媒报道，英特尔还选择与昔日的“老对手”AMD联手，将后者的GPU与它的CPU封装在一起，试图弥补自身GPU缺乏的短板。说到硬件计算力，这还只是英特尔AI布阵图中的一小部分。接下来，我们重新梳理一下英特尔AI的逻辑。瞄准“数据”，从点线面勾画AI全栈解决方案早在60多年前，AI就诞生了。但发展之路，蜿蜒曲折。之所以现在井喷式增长，除了不断提升的计算力，还有一个重要基础，数据。追溯到今年3月，英特尔发布“数据战略”，对公司进行重新定义，CEO科再奇明确指出，“如果一个市场不能生成数据、分析数据、或使用数据来提供增值服务，英特尔就不会进入。”再来看一组数字，到2020年，每台自动驾驶汽车每天将生成超过4TB流量，结合所有产业，英特尔给出一项统计，2020年中国数据总量将达到8000EB。当然，不仅是数据量的增长，未来数据的形态正在从结构化（文本图形）向非结构化（音频、视频、社交），以及不规则维度和定制类型数据演进（声纳、GPS、雷达、镭射激光、人工智能、神经网络、基因），数据的处理方式也延伸至端到端。在这种“数据洪流”效应下，如何将不同形态的数据转化为“增值服务”，处理海量数据，并寻找到关键数据，做快速的预测、诊断，预防灾难事件发生，甚至模拟人的大脑，英特尔认为这就是AI潜力所在。但这位“CPU霸主”也表示，随着高度动态和非结构化数据的自然数据收集分析需求越来越大，未来计算需求必定将远远超越传统的CPU和GPU架构。那怎么办？英特尔这么说，那就肯定有办法。面对AI后时代的未知，英特尔同样希望用“计算多元”思路来处理，即利用不同特性硬件平台以及软硬件协同优化，来提升数据处理的速度和准确性。于是，英特尔很快采取了一系列行动。从2015年开始，疯狂布局AI，收购Altera、Saffron、Yogitech、Itseez、Movidius、Mobileye等一系列各有所长的AI初创公司。当然，一下子收购这么多公司，还是难以消化的。英特尔需要将所有这些融合重组在一起。如何整合？当英特尔收购Nervana时，它认为这家小公司是其进军AI的“基础”。为此，还成立了由Nervana前任CEO兼联合创始NaveenRao领导的人工智能产品事业部（AIPG）以及一个进行高级研究和开发的人工智能实验室。相较于整体AI战略，英特尔也更为强调其AI硬件组合。在本次AIDay上，英特尔刚宣布将在今年年底之前发布Nervana神经网络处理器（简称NNP），即此前代号为“LakeCrest”的项目。NaveenRao将NNP描述为“一套面向深度学习的专用架构”。英特尔在AI芯片方面还储备有其它杀手锏，具体包括至强家族、FPGA（来自Altera）、Mobileye（车载平台）以及Movidius（用于边缘位置机器学习）。▲英特尔人工智能全栈解决方案完整的硬件平台，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；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（英特尔MKL-DNN以及数据分析加速库（英特尔DAAL）等，以及英特尔NervanaGraph；支持和优化开源深度学习框架如Spark、Caffe、Theano以及Neon等；构建了包括英特尔Nervana、英特尔计算机视觉SDK、Movidius和Saffron为代表的平台，以推动前后端协同人工智能发展。原来，在“看似摸不着头脑”收购狂潮背后，英特尔实则是在补齐各方面的能力。应对数据多样性，现在，英特尔终于缓了口气，拿出一整套AI全栈解决方案。▲英特尔公司全球副总裁兼中国区总裁杨旭

正如英特尔公司全球副总裁兼中国区总裁杨旭所言，AI是一场“马拉松似的拉锯战”，竞争才刚开始两三公里，未来将是“计算多元”时代。

从“芯片公司”到“数据公司”，英特尔的转型思路或许将带给人们一些启示：当新一波技术浪潮和风口来临时，与其盲目地追赶风口，倒不如花些时间真正去想清楚，在新的变局中，自己能给别人带来什么不可替代的价值。

以上由关注AI和潮鞋的科技行者运营团队DAWN回答。

英特尔在人工智能和元开发上都有哪些开源贡献？

今年5月14日至16日召开的英特尔开源技术峰会上，公司首次邀请了亚马逊、谷歌、华为和微软等众多公司，并在活动期间宣布了公司对开源技术的一系列贡献，尤其是在人工智能和云计算领域。

首先，英特尔正在努力帮助核心基础设施实现现代化，以便于更好地配合自身架构的优化。在该环节中英特尔启动了“ModernFWInitiative”计划，旨在通过模块化固件设计和削减一些遗留代码来提高可扩展性和可靠性。这也可以降低安全风险，因为这意味着固件可以提供足够的代码来启动内核。

英特尔还宣布了rust-vmm，它提供了一套针对特定用例的虚拟机管理程序组件，并且它构建了一个基于它的专用云管理程序。该公司表示，它应该为云原生环境中的容器提供更高的安全性和性能。

此外，英特尔还表示未来将指派开发人员为关键系统基础设施项目的代码做出贡献。计划贡献的项目包括Bash，OpenSSH，OpenSSL和R编程语言等等。

在Linux方面，英特尔宣布了ClearLinux发行版本的开发者版本，其中包含全新的安装程序和应用商城，并且所有的英特尔硬件功能在首次使用的时候都会默认开启。ClearLinux现在还提供针对英特尔硬件功能的端到端集成和优化，还支持深度学习参考堆栈和数据分析参考堆栈，旨在提高英特尔至强处理器中的AI和数据分析性能。

英特尔还为汽车行业和工业流程的自动化做出了贡献。其中包括发布FusionEdgeStacks（旨在支持使用ACRN设备管理程序），ClearLinux，ZephyrProject和Android的连接设备所需的工作负载。

最后，还有英特尔机器人SDK，它汇集了公司的硬件和软件，使其更容易创建支持AI的机器人和自动化解决方案。SDK还包括优化的计算机视觉堆栈。

人工智能芯片“遭遇战”，英特尔将如何应对？

首先人工智能芯片也就是TPU或者NPU等等，只是AI算法的加速器。那么AI算法为什么需要专门的加速器呢？不能用GPU和CPU代替呢？因为AI算法基本都是矩阵运算。这个如果用CPU来做那就需要一行一行遍历。如果用GPU来做那就可以分块来运算。比cpu快。这也就是为啥会有专门的图像处理器也就是GPU。那么为什么英特尔不在AI芯片上发力呢？一：英特尔入场较晚，而且并不是AI算法的驱动者。二：AI运算市场太小没有形成规模。三：现在的任何和AI相关的硬件技术都不能称为AI处理器。四：AI运算的未来在量子计算机，所以英特尔的量子技术是领先的。如果能够通过量子变换来计算张量，那再复杂的AI算法最后也就是加减乘除了。所以没有必要质疑英特尔的研发能力，越是伟大的公司，他们的研究重点就越是未来科技。

好了，文章到此结束，希望可以帮助到大家。