人工智能商业内参 001

「人工智能商业内参」旨在梳理当下人工智能商业化进程中的创新机会和变革契机,每周一、三、五出街。

豪赌人工智能的英特尔,有哪些底牌?

对英特尔来说,人工智能是一场不能输的战役,因为在摩尔定律 51 岁之后,英特尔要用人工智能重新定义未来

more

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。

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。

别忘了,英特尔投资部门还是当下最活跃的人工智能机构投资者:

img


Nvidia 重新崛起之谜

很多人还以为Nvidia 是一家显卡公司,但在过去一年,Nivida业务增长最快的业务是数据中心,如下图所示:

IMG_0501

究其原因,就是人工智能成为整个业界的焦点,而深度学习大热 ,Nvidia 的GPU 优势尽展:

To bring things back to NVIDIA, these AI systems typically work with enormous amounts of data almost on a real-time basis. As such, the computing power required for these systems must be of the best possible caliber. This is where NVIDIA features heavily. Although Intel has been building its chip line up to address the explosive growth in this area with their Xeon Phi processors, NVIDIA claims that its Pascal-based Titan X GPUs are much better than their rival’s.


人工智能行业的几张信息图

下面几张信息图很有参考价值:

谁握有人工智能的专利?

风投更青睐人工智能的哪些领域?


机器学习可以拯救贫穷吗?

斯坦福大学的这些研究者将高精度卫星图像和强大的机器学习算法结合起来预测尼日利亚、乌干达、坦桑尼亚、卢旺达和马拉维的贫困。

IMG_6600

以安哥拉为例。这个国家已经从葡萄牙独立了 40 年了,但其两年之前才进行殖民时代后的第一次人口普查。这个非洲国家有不可思议地丰富的原油储量,但连续 27 年的内战之后,该国一半的人口都生活在贫困之中。不幸的是,因为对他们的经济生活的数据非常缺乏,创造能帮助安哥拉最贫困的群体的项目几乎是不可能的,因为没人知道需要些什么。

这项研究的新颖之处在于:该算法能够根据通过查看卫星摄像学习模式,并基于这些模式弥合数据的缺口。据 Jean 称,他们的方法能从白天的卫星图像中识别出大约 4096 个经济指标,包括道路、市区和水道。通过识别这些特征,该算法能够预测哪些区域可能在夜晚有较高的亮度。