芯片帝国缔造者英特尔这次会错过人工智能吗？

　　1956 年是计算机历史颇具里程碑意义的一年。「晶体管之父」威廉·肖克利回到加州帕洛奥多，成立肖克利半导体实验室。同年夏天，28 岁的约翰·麦卡锡与同龄的马文·明斯基、37 岁的纳撒尼尔·罗切斯特以及 40 岁的克劳德·香农，在达特茅斯学院举行了一个学术研讨会。

　　固然肖克利「将硅带到硅谷」，但却是他的弟子们让硅成为「科技世界的通行证」，其中三个弟子：罗伯特·诺伊斯、戈登·摩尔、安迪·格鲁夫创立的英特尔，成为过去 40 多年影响整个计算机行业的重要力量，以半导体发展速度为基础的摩尔定律更是一度预言了技术变革的速度和方向。而达特茅斯峰除了提出一个「人工智能」的新词并没有太多惊喜，不过这个词却成为接下来半个世纪计算机行业的「圣杯」（比尔·盖茨语）。

　　2016 年，人工智能步入甲子之年，在一场举世瞩目的智能挑战中，代表人工智能的 Alpha Go 完胜人类围棋冠军。这一年，摩尔定律走到第 51 个年头。两件看似不相关的事实放在一起却像一个巨大的时代隐喻，在科技业老牌巨头如微软、苹果，互联网新贵如 Google、Facebook 纷纷押注人工智能时，作为芯片帝国缔造者的英特尔，尤其是在错过移动互联网 10 年红利的大背景下，英特尔的机会又在哪里？

　　答案或许就藏在上周召开的 2016旧金山英特尔信息技术峰会（IDF 2016）里，不过在讨论这场开发者盛宴之前，我们有必要先看些会场之外发生的故事。

　　两个或左右未来的收购

　　2015年12月，英特尔完成了对可编程逻辑器件厂商 Altera 的收购，并且将 Altera 的 FPGA 纳入到英特尔的产品线中。FPGA 是一种介于专用芯片和通用芯片之间，具有一定的可编程性，可同时进行数据并行和任务并行计算，FPGA 在特定领域，如图像识别、信号处理等场景中具有比 GPU、CPU 更低的能耗，性价比很高。

　　

　　这是英特尔布局机器学习的一个重要战略。具体来说，英特尔会把 FPGAs 和英特尔处理器封装到一颗芯片里，当用 FPGAs 来运算一些机器学习的任务时，比如影像识别算法，这些算法能大大提高它的性能。根据英特尔并购副总裁文德尔·布鲁克斯 2015 年接受采访时的说法，相对于传统的处理器和 FPGA 独立组建，新的一体化芯片最初将带来 30% 至 50% 的性能提升，而最终的性能提升将达到 2 到 3 倍。

　　2016 IDF 之前，英特尔宣布收购深度学习创业公司 Nervana System，这可能是一个比收购 Altera 更重要的一个举动。Intel执行副总裁暨数据中心事业群总经理柏安娜在官方博客里写道：「人工智能正在转变商业运作以及人们参与世界的模式，而它的子集──深度学习，是扩展人工智能领域的关键方法。」

　　尽管英特尔拥有可支持高性能计算的处理器，但在深度学习芯片领域，Nvidia 的 GPU 具备统治性的地位。长期以来，英特尔都无法染指深度学习领域，英特尔拥有强大的至强处理器，而且全世界有 97% 支持机器学习的服务器都是采用至强或至强 Phi 处理器，但这些服务器占据全球服务器的比例不到10%。

　　另一方面，虽然拥有了 FPGA，但没有 GPU 的残酷事实则颇为无奈。而 Nervana 则是一家在芯片领域具有自主知识产权的公司，旗下的 Engine 芯片在深度学习训练时有着比传统 GPU 的能耗和性能优势。借助收购 Nervana，则有望帮助英特尔将自己在处理器的优势延伸到深度学习领域，从而打造一系列适应深度神经网络的特殊处理器。

　　上述两大收购基本补齐了英特尔在人工智能，尤其是机器学习领域的两大短板，同时也进一步延伸了处理器的业务体系。更重要的一个事实则是，英特尔旗下的风险投资也是过去几年人工智能领域的活跃投资机构，下图来自 CBinsights 的统计，这些公司涉及数据、深度学习算法、机器人等等，未来不排除英特尔继续收购更多创业公司。

　　

　　押注人与机器的新交互

　　回到今年的 IDF ，如果说并购是英特尔传统处理器业务的扩展，那么这次 IDF 的众多新的产品或计划则是英特尔对于人机交互的新思考，前者押注在基础研究，后者则是应用层面的布局。

　　事实上，科技的发展史也是人机交互的历史，而人工智能发展的路径同样隶属在人机交互的发展历程里。人工智能的进化是机器越来越聪明的的过程，所谓的「聪明」，体现在人机交互过程中，则是计算设备在识别（包括语音图像、视频、文本）、理解、情感方面的进化。通过 IDF ，英特尔展示对人机交互长期和短期的赌注。