人工智慧領域的戰爭硝煙不斷，
無論是蘋果、英特爾、英偉達，
亦或者是穀歌、微軟都在大力加碼。
但是如果你問一個普通用戶， 人工智慧的大爆炸到底帶來了哪些實際用處， 相信都是一臉懵逼， 因為人工智慧既看不見也摸不著， 往日聽聞的大多是技術層面的概念。
“可遠觀而不可褻玩焉”， 用這句話概括我們眼中的人工智慧再合適不過了。 究其根源， 是缺乏場景的應用和真實體驗。
近日， 我們就抱著對人工智慧的很多疑問， 輾轉三地， 實地探訪英特爾上海研發中心， 科大訊飛、浙江大學與德尚韻興，
作為人工智慧大戰的積極參與者和行業推動者，
英特爾是如何佈局人工智慧生態圈的？
在上海紫竹科學園， 坐落著英特爾中國區最大的研發中心， 同時也是英特爾全球網路研發的一個重要組成部分。
上海紫竹科學園，
英特爾亞太研發有限公司總經理， 何京翔博士加入英特爾已經超過20年， 他說30年前做研究的時候人工智慧就很熱， 但那個時候演算法和計算能力並不成熟， 如今經過多年的積累才促使人工智慧忽然火了起來。
英特爾對人工智慧的佈局呈現了大躍進的姿態， 先後收購深度學習和神經網路晶片與軟體領域的領導廠商Nervana、電腦視覺公司Movidius以及人工智慧服務提供者Saffron， 同時把自身的技術和產品整合優勢， 試圖為人工智慧提供全面、靈活的端到端解決方案產品組合。
如今， 英特爾已經把所有AI產品系列架設在Nervana平臺之上， 這其中包括Intel主打伺服器的至強產品均在Nervana產品組合之內。
英特爾要構建的是一個基於大資料，
科大訊飛就是一個典型的合作夥伴案例， 作為一家人工智慧公司， 無論是消費者業務， 還是智慧城市、教育等領域均有它的身影， 截至2017年4月， 訊飛開放平臺線上日服務兩超35億人次， 合作夥伴達到30萬家， 用戶數也超過10億， 資料達到了二十萬小時。
如此龐大的資料量， 就必然需要強大的計算力， 但問題隨之而來， “用傳統的CPU去跑人工智慧不合適了， 加上訊飛每天有數以億計的寫入請求， 這種情況下， 就需要一個非常龐大的計算集群”， 科大訊飛研究院深度學習平臺，
與此同時， 當計算量暴增的時候， 它已經不是一個簡單的加機器過程， 而是需要重新計算的問題， 這就需要一種新的解決方案。 深諳演算法的科大訊飛， 遇到了計算的難題。
這個時候，
恰好英特爾在高性能計算的多年耕耘符合科大訊飛的需求，
於是一個擅長演算法，
一個擅長計算的搭檔就這樣誕生了。
為了解決強大計算量帶來的難題， 科大訊飛嘗試用CPU加協處理的方式， 在這個過程中發現英特爾A10的FPGA可以簡單的將雙路通用的CPU的語音辨識提升一倍， 這種提升不僅帶來了採購成本、使用成本的降低， 運用成本也沒有呈現幾何量的上升。
之所以使用英特爾的解決方案， 科大訊飛還考慮到可控性和穩定性。
“英特爾的Xeon加FPGA整合在一起的CPU解決方案，
它不需要外部的輔助處理器，
穩定性就會更好”，
張致江表示。
張致江接著表示， FPGA有一個非常強大的優勢， 它是一個空白， 往往是很多晶片製成前的一個原型系統， 也就是如果你的水準夠高的話， FPGA可以做成任何形狀的晶片或者任何功能的晶片。 這也是為什麼科大訊飛選擇和英特爾合作， 並且看好FPGA的主要原因。
事實上， 根據科大訊飛方面透露， 英特爾在訊飛內部進行了大量的關於CPU架構的培訓和調優， 而這種方式促使反而形成了科大訊飛培養技術人才的體系， 因為無論在程式師圈裡， 還是高校裡，都很難有這樣真槍實戰的課程。
人工智慧如何與醫療擦出火花？如果說英特爾與科大訊飛的合作更多的是偏向於企業層面，那麼英特爾與浙江德尚韻興圖像科技有限公司的合作，則是把人工智慧帶來的紅利落地到每一個人身上。
創辦於2013的浙江德尚韻興致力於人工智慧、機器視覺、三維視覺化和數位量化技術等影像處理與分析在醫學領域的研究、開發和應用。
如今，依託英特爾至強融合TM處理器架構平臺，德尚韻興與浙江大學特聘教授孔德興團隊，就從甲狀腺結節篩查入手，探索人工智慧在臨床輔助診斷帶來的效果。
簡單來說，這是一套基於超聲聲象的甲狀腺結節良惡性的輔助診斷系統，它首先解決的是人工診斷準確率低的問題。因為就目前來看，醫生在做甲狀腺結節篩查的時候會保留幾張圖片，之後根據這幾張圖片上的結節特徵來判斷這個結節到底是良性還是惡性。
但是三甲醫院平均醫生的人工診斷準確率也只有60%-70%，到基層準確率會更低。但是有了基於英特爾至強融核平臺開發的智慧診斷輔助系統，準確率就可以達到85%以上，這個軟體產品將來的市場定位是基層醫院，到基層醫院推廣以後能夠迅速幫助基層醫院提高診斷的水準。
據瞭解，這套智慧診斷輔助系統已經在數十家基層醫院試點，積累了20000件案例，浙江大學醫學院附屬第一醫院就是其中之一。
根據浙江大學醫學院附屬第一醫院的一位醫師介紹，最開始對這種系統抱有懷疑態度，甚至不敢使用，擔心萬一出錯怎麼辦，畢竟這是關乎病人的生命安全。但是體驗幾次之後發現，真的特別好用，而且越用越好用。
浙江大學醫學院附屬第一醫院醫師介紹人工智慧在臨床輔助診斷帶來的效果。
與傳統的機器學習需要人為來定義病例特徵，深度學習就不需要人為定義特徵，只需要拿到很多樣本以後進行標注，然後會分成兩大類，一類是良性，一類是惡性。神經網路就會根據分類會自己觀察良性有哪些特徵，惡性有哪些特徵，同時它提取的特徵會比人眼觀察到的特徵多得多，準確率會高於醫生的平均水準。
不過在實際的應用過程中，浙江大學特聘教授孔德興也坦言，由於基於影像的疾病診斷是非常複雜的一件事情，通用的東西個性化的準確率和效果還需要進行進一步提升。這個時候就需要把數學和人工智慧結合起來，再利用英特爾至強融核服務平臺和他們的函式程式庫，加上現代數學的方法和改進過的人工智慧的架構，才能夠真正滿足醫院醫生的臨床需求。
很顯然，技術層面已經證明人工智慧在醫療領域的落地，但是人工智慧醫療系統要想普及，首先還要讓醫院和醫生們意識到人工智慧可以輔助醫生做一些事情，減少醫生重複性、機械性的勞動。除此之外，如何積累更多的醫療樣本和資料，也是人工智慧普及之路必然要跨過的門檻。
技術民主化，把複雜的東西簡單化事實上，通過以上案例，我們不難看出人工智慧強大的技術積累，以及英特爾在語音辨識和醫學影像，甚至硬體實力到軟體層面的佈局，這背後端到端解決方案的複雜性也可想而知。
可偏偏，英特爾就挑了一個最複雜的東西來做。
這其實就與英特爾所極力傳達的技術民主化戚戚相關。言外之意，英特爾無論做軟硬體還是開發平臺，選擇把底層困難的部分留給自己，讓開發者和應用者們不再去做一些重複的、基本的勞動，投入精力去做他們更擅長的事情。
在英特爾亞太研發有限公司總經理何京翔博士看來，無論是大資料還是機器學習本身就更複雜，但是你要想著怎麼把它們變成一個一般程式師都能夠在做開發的時候輕易使用起來的東西，是很難的。但是一旦實現之後，反而越來越簡單。
“簡單化反而是最複雜的”，他說。
但是在當下人工智慧晶片大戰的關口，GPU、CPU，甚至是FPGA、TPU究竟誰才是未來依然爭論不休，英特爾也無法給出確切的答案。
“這就好像你是要一個劉翔還是100個快遞員，需求不一樣，選擇就不同”，何京翔總結道。
還是高校裡，都很難有這樣真槍實戰的課程。人工智慧如何與醫療擦出火花？如果說英特爾與科大訊飛的合作更多的是偏向於企業層面，那麼英特爾與浙江德尚韻興圖像科技有限公司的合作，則是把人工智慧帶來的紅利落地到每一個人身上。
創辦於2013的浙江德尚韻興致力於人工智慧、機器視覺、三維視覺化和數位量化技術等影像處理與分析在醫學領域的研究、開發和應用。
如今，依託英特爾至強融合TM處理器架構平臺，德尚韻興與浙江大學特聘教授孔德興團隊，就從甲狀腺結節篩查入手，探索人工智慧在臨床輔助診斷帶來的效果。
簡單來說，這是一套基於超聲聲象的甲狀腺結節良惡性的輔助診斷系統，它首先解決的是人工診斷準確率低的問題。因為就目前來看，醫生在做甲狀腺結節篩查的時候會保留幾張圖片，之後根據這幾張圖片上的結節特徵來判斷這個結節到底是良性還是惡性。
但是三甲醫院平均醫生的人工診斷準確率也只有60%-70%，到基層準確率會更低。但是有了基於英特爾至強融核平臺開發的智慧診斷輔助系統，準確率就可以達到85%以上，這個軟體產品將來的市場定位是基層醫院，到基層醫院推廣以後能夠迅速幫助基層醫院提高診斷的水準。
據瞭解，這套智慧診斷輔助系統已經在數十家基層醫院試點，積累了20000件案例，浙江大學醫學院附屬第一醫院就是其中之一。
根據浙江大學醫學院附屬第一醫院的一位醫師介紹，最開始對這種系統抱有懷疑態度，甚至不敢使用，擔心萬一出錯怎麼辦，畢竟這是關乎病人的生命安全。但是體驗幾次之後發現，真的特別好用，而且越用越好用。
浙江大學醫學院附屬第一醫院醫師介紹人工智慧在臨床輔助診斷帶來的效果。
與傳統的機器學習需要人為來定義病例特徵，深度學習就不需要人為定義特徵，只需要拿到很多樣本以後進行標注，然後會分成兩大類，一類是良性，一類是惡性。神經網路就會根據分類會自己觀察良性有哪些特徵，惡性有哪些特徵，同時它提取的特徵會比人眼觀察到的特徵多得多，準確率會高於醫生的平均水準。
不過在實際的應用過程中，浙江大學特聘教授孔德興也坦言，由於基於影像的疾病診斷是非常複雜的一件事情，通用的東西個性化的準確率和效果還需要進行進一步提升。這個時候就需要把數學和人工智慧結合起來，再利用英特爾至強融核服務平臺和他們的函式程式庫，加上現代數學的方法和改進過的人工智慧的架構，才能夠真正滿足醫院醫生的臨床需求。
很顯然，技術層面已經證明人工智慧在醫療領域的落地，但是人工智慧醫療系統要想普及，首先還要讓醫院和醫生們意識到人工智慧可以輔助醫生做一些事情，減少醫生重複性、機械性的勞動。除此之外，如何積累更多的醫療樣本和資料，也是人工智慧普及之路必然要跨過的門檻。
技術民主化，把複雜的東西簡單化事實上，通過以上案例，我們不難看出人工智慧強大的技術積累，以及英特爾在語音辨識和醫學影像，甚至硬體實力到軟體層面的佈局，這背後端到端解決方案的複雜性也可想而知。
可偏偏，英特爾就挑了一個最複雜的東西來做。
這其實就與英特爾所極力傳達的技術民主化戚戚相關。言外之意，英特爾無論做軟硬體還是開發平臺，選擇把底層困難的部分留給自己，讓開發者和應用者們不再去做一些重複的、基本的勞動，投入精力去做他們更擅長的事情。
在英特爾亞太研發有限公司總經理何京翔博士看來，無論是大資料還是機器學習本身就更複雜，但是你要想著怎麼把它們變成一個一般程式師都能夠在做開發的時候輕易使用起來的東西，是很難的。但是一旦實現之後，反而越來越簡單。
“簡單化反而是最複雜的”，他說。
但是在當下人工智慧晶片大戰的關口，GPU、CPU，甚至是FPGA、TPU究竟誰才是未來依然爭論不休，英特爾也無法給出確切的答案。
“這就好像你是要一個劉翔還是100個快遞員，需求不一樣，選擇就不同”，何京翔總結道。