2016年可谓是“人工智能年”。借着人工智能六十周年的东风，这一概念从年初火到了年末。虽然也有专家担忧，“盛极必衰”，人工智能未来几年可能会遭遇“沉寂期”，但在更多的人看来，有着深厚应用根基的人工智能必将日益成熟。

不过，对于人工智能目前的发展状态，业界也有清醒的认识。11月30日，在英特尔举办的以“释放AI原力拥抱AI时代”为主题的人工智能论坛上，英特尔公司副总裁、数据中心事业部数据中心解决方案部门总经理Jason P.Waxman的一句话引起了在场专家们的一致共鸣：“人工智能虽然火热，但仍处于婴儿期。”未来，人工智能靠何长大，目前的发展重点在哪些方面，这些关乎人工智能未来的话题成为当天来自学术界、产业界的代表们热议的话题。

“都是数据惹的祸”

人工智能现在为什么这么火？在英特尔公司全球副总裁兼中国区总裁杨旭看来，一切的根源在于数据。他在12月1日以“遇见智能互联的未来”为主题的演讲中，更是将之总结为“都是数据惹的祸”，给现场媒体留下了深刻印象。

“每位互联网用户每天产生的数据流量是1.5GB，相应的，一座智能医院是3000GB，一辆无人驾驶汽车是4000GB，一架飞机是4万GB，而一座智慧工厂则是100万GB。”杨旭认为，人工智能技术的关键就在于如何把收集到的数据进行更好地挖掘、分析，然后加以利用，实现增值，因此，随着数据量的增加，人工智能的价值也越加得到体现，从而引发了日益广泛的关注。

杨旭透露，在英特尔未来发力的八大领域中，人工智能居于首位，其他七大领域包括无人驾驶、5G、虚拟现实、体育、机器人、精准医疗和“中国制造2025”等，也都与人工智能密切相关。

此前，英特尔首席执行官科再奇11月18日在美国旧金山宣布，该公司将推出一系列涵盖从前端到数据中心的全新产品、技术及相关投资计划，以拓展人工智能的发展空间并推动其加速发展。科再奇表示，英特尔正在整合优势，为人工智能提供最为广泛的技术选项，将其潜能在各个领域中充分释放，包括智能工厂、无人机、体育、欺诈检测和无人驾驶汽车等等。

在11月30日的论坛上，包括杨旭等在内的英特尔高管又再次重申了公司对人工智能的发展愿景。Waxman告诉记者，“作为一家助力云计算，以及数十亿智能互联计算设备的公司，英特尔正继续转型以聚焦已经崛起的良性循环——云和数据中心、物联网、内存和FPGA等加速器，它们紧密联系在一起并通过摩尔定律而进一步增强，从而加速人工智能创新及其在企业和社会中的应用和普及。”

当天，英特尔宣布将推出业内全面、领先的人工智能产品组合——英特尔Nervana平台，通过至强处理器、至强融核处理器、针对神经网络优化的Lake Crest芯片，以及Nervana图编译器、可信分析平台等软硬件方面的创新，来加速人工智能的应用。

软硬件组合的优势

在当天的互动讨论环节，中国科学院计算技术研究所研究员、计算机体系结构国家重点实验室副主任冯晓兵表示，人工智能未来发展将面临两大挑战：一是深化人工智能理论和方法的研究，以使其能够处理更多的应用，例如对于深度学习以外的算法的探索；二是设计出更加合理的系统，以使得现有的人工智能技术能够在一个可接受的代价下得到更广泛的应用。

英特尔中国研究院院长宋继强告诉记者，作为目前人工智能领域的主流算法，深度学习已经取得了巨大的突破，但也面临一些问题。例如，随着数据量的增大，计算性能的提升会面临瓶颈，即数据增多的同时训练时间也会相应变长。在这种情况下，技术专家们可以通过增加处理器的数量来扩展性能，但如果处理器数量达到了一定程度，这时瓶颈就不再是计算能力，而是处理器和处理器之间通讯或是处理器访问内存的I/O（输入/输出）限制，此时再增加处理器的数量也变得毫无意义。“针对这一问题，Nervana技术可以更高效地定义内存的访问带宽和计算的密度，让它更好地匹配数据量增大的需求，同时能够让多个节点并行去支持这种大模型的训练，从而获得近乎线性的性能扩展。”

宋继强还透露，在算法方面，英特尔在进行四大类的研究：一是聚焦需要更少数据和监督的算法，让训练做得更快；二是可以让训练模型稀疏化和修剪的算法，减少运算量；三是降低精度的算术计算；四是更强大的深度学习训练扩展。

“软硬件结合是一个可以大幅提升深度学习网络训练性能的方向。”宋继强告诉记者，为此，英特尔的人工智能解决方案提供了一个端到端的架构，从底层到高层，从硬件到软件，明年都会有很多产品推出。