英特尔认为到 2025 年将有 500 亿台设备互联上网，那时人们将更加受惠于 AI 带来的价值：自动驾驶、疾病诊断、靶向医疗、智能工厂将会为人类社会带来更多的福祉。人工智能相关的研究虽然愈发成熟，但是目前距离大规模部署落地仍然有一定距离。AI 对技术平台首当其冲的要求就是提高数据处理能力，英特尔希望建立起一个好的数据库体系，并且从软件和硬件层面着手提高协同效应。
2016 年 11 月 30 日，英特尔于北京举办了人工智能论坛。以下为论坛内容简要总结和 InfoQ 对英特尔软件与服务事业部两位副总裁的采访。
AI 仍在婴儿期
计算机技术一直在不断发展：就后端服务而言，从最早的大型机，变成基于标准的服务器，到现在的云计算模式。
英特尔公司全球副总裁兼中国区总裁杨旭认为人工智能之所以会受到越来越多的关注，是因为现在数据洪流的庞大。在中国，现在人均每天产生 1.5GB 数据，这是人联网的效果。那么物联网会每天带来多少数据量呢？一个医院信息和设备等数据可以达到 3000GB，一辆无人驾驶的智能车可以产生 4000GB，一架飞机是 4 万 GB，而一座工厂则产生 100 万 GB 数据。
如果要更好地实现人工智能，一定需要有对大型数据的强大计算能力。英特尔预测认为，到 2020 年，AI 的计算量将会增长 12 倍。
人工智能技术的关键性就在于把收集的数据怎么更好的挖掘和分析，然后利用起来，实现增值，从而带来增值的业务。
AI 技术的简要总结
机器学习分为三种类型：
上面三类机器学习按照时间顺序先后出现，机器学习的方法大致可分为两类：
英特尔对 AI 的多样性总结如下：
英特尔的软硬协同与致力 AI 生态
作为一个家喻户晓的硬件公司，英特尔敏锐地思考到了应该怎样从硬件角度对 AI 的应用进行针对性的加速。今年八月，英特尔收购了人工智能软件公司 Nervana Systems，后者提供的 SaaS 化的 Nervana Cloud 可供企业自行开发搭建深度学习应用。据资料显示，在收购之前，Nervana 拥有为深度学习而全面优化的软件和硬件堆栈；Nervana Cloud 虽然基于 Arm Neon 并且跑在 GPU 上，但是 Nervana 正在研制的为深度学习特制的 ASIC 要比 GPU 性能提高 10 倍。英特尔认为 Nervana 的知识产权以及他们在加速深度学习算法方面的领先技术将极大拓展其在人工智能领域的布局。
如今，英特尔的硬件平台涵盖至强处理器、至强融核处理器、Nervana 平台和 FPGA、Onmi-Path 网络、3D Point 存储等技术。Nervana 所带来的 Engine 芯片和专业技术将有助于改进英特尔的人工智能产品组合，提升英特尔至强和英特尔至强融核处理器的深度学习性能并降低它们的总体拥有成本，其推出了 Nervana 产品组合如下图，其中采用了张量运算、Flexpoint 技术的 Lake Crest 正在研制中预计 2017 年问世。
不过英特尔对 AI 的布局并不仅仅局限于硬件层面，英特尔自有深度学习数学核心函数库 MKL、数据分析加速库 DAAL 和 Python 发行版。对于新进的 Nervana 软件专业知识，英特尔称将不断整合以进一步优化其数学核心函数库，并帮助将其集成到行业标准框架中。
同时，英特尔称还致力于构建支持 AI 的开放生态系统，为开源软件框架如 Spark、Caffe、Theano 以及 Neon 等提供多节点架构。
在大会演讲结束后，英特尔的软件与服务事业部副总裁兼产品开发部门总经理 William Savage 和软件与服务事业部副总裁兼机器学习与翻译部门总经理李炜接受了 InfoQ 的采访。
问答对话
InfoQ：现在英特尔在发展 FPGA 和 ASIC，也提到 FPGA 可以提升和定制化用户针对 AI 应用的需求，请问能否对两种技术对 AI 中的应用进行下评价？
InfoQ：软件层面的算法也可以在硬件上实现，但是硬件的开发有风险，费时且昂贵。对于算法实现，你们如何判断是选择硬件实现还是软件实现呢？
InfoQ：能否简单说说英特尔怎么算法中变化的部分，你们如何跟上变革的步伐呢？
InfoQ：英特尔有两个函数库，MKL 和 DAAL，他们是何时发布的？
InfoQ：人工智能会成为英特尔的头等战略吗？
InfoQ：英特尔跟众多高等院校和开源社区有合作关系，如 TensorFlow 开源项目，你们是如何同开源社区合作的，又是如何做出贡献的？
