《科創(chuàng)板日報(bào)》（上海，記者 黃心怡）訊，人工智能已經(jīng)走過了60多年的歷程，當(dāng)前正處于第三次發(fā)展浪潮之中。各類科技企業(yè)、互聯(lián)網(wǎng)巨頭、初創(chuàng)公司等都紛紛投入人工智能產(chǎn)業(yè)之中，也吸引了大量資本的涌入。但在人工智能的熱潮之下，同樣需要冷思考。

近日，英特爾院士、大數(shù)據(jù)技術(shù)全球CTO戴金權(quán)接受了《科創(chuàng)板日報(bào)》記者的專訪，探討人工智能和大數(shù)據(jù)的應(yīng)用瓶頸、拓展方向以及數(shù)字經(jīng)濟(jì)所帶來的機(jī)遇。

他表示，人工智能當(dāng)前還處于一個比較早期的階段，從開發(fā)者和實(shí)驗(yàn)室走到現(xiàn)實(shí)的生產(chǎn)環(huán)境，在這個過程中存在一定的脫節(jié)。如何針對不同的場景做適配，以及如何實(shí)現(xiàn)整個端到端的流水線打通，都有比較大的挑戰(zhàn)。

但戴金權(quán)依然對人工智能未來表示看好。他認(rèn)為，除了安防外， AI在制造業(yè)、數(shù)據(jù)中心智能運(yùn)維、互聯(lián)網(wǎng)業(yè)務(wù)等領(lǐng)域都有很大的應(yīng)用空間。

在談到數(shù)字經(jīng)濟(jì)的機(jī)遇時(shí)，戴金權(quán)認(rèn)為，人工智能和大數(shù)據(jù)是數(shù)字經(jīng)濟(jì)的基石。在數(shù)字化之后，必然會產(chǎn)生大量的數(shù)據(jù)。首當(dāng)其沖的是需要對這些數(shù)據(jù)進(jìn)行管理。其次，在擁有大量的數(shù)據(jù)資產(chǎn)后，便可以利用大數(shù)據(jù)、AI技術(shù)對其進(jìn)行分析，并以此來進(jìn)行一些預(yù)測，甚至幫助人們做出決策。

▍以下是《科創(chuàng)板日報(bào)》整理的專訪實(shí)錄：

人工智能尚處于早期階段

《科創(chuàng)板日報(bào)》：當(dāng)前，AI賦能各行各業(yè)的時(shí)候遇到了很多難點(diǎn)，例如，AI在中長尾場景的應(yīng)用非常碎片化，這意味著需求大量的定制化，較難實(shí)現(xiàn)大規(guī)模應(yīng)用，不知道您如何看待這個問題？

戴金權(quán)：我同意你的說法，今天AI還處于比較早期的階段，雖然我們看到在實(shí)驗(yàn)室里、研究環(huán)境里有很多的創(chuàng)新成果出來。但這些技術(shù)要落到現(xiàn)實(shí)的應(yīng)用里，仍舊存在許多挑戰(zhàn)。

比如，從數(shù)據(jù)到處理再到AI模型，怎么實(shí)現(xiàn)整個端到端的流水線打通；AI模型能否更好地針對各種場景進(jìn)行優(yōu)化，以及AI依賴于定制化的軟硬件平臺難以擴(kuò)展，如何做到普適化，讓更多人方便地應(yīng)用AI。這些都是目前我們所遇到的難點(diǎn)。

雖說挑戰(zhàn)很多，但是我們依然很有信心。AI是一種技術(shù)，也是一個產(chǎn)業(yè)發(fā)展的方向，在未來必定大有可為。

《科創(chuàng)板日報(bào)》：國內(nèi)企業(yè)正在研發(fā)預(yù)訓(xùn)練大模型，試圖解決上述問題，您多年在英特爾從事全球性技術(shù)研發(fā)工作，從全球角度來看，大家會有哪些應(yīng)對舉措？

戴金權(quán)：這取決于不同的技術(shù)路線。比如您剛剛提到的預(yù)訓(xùn)練大模型，這是最近兩三年大家非常關(guān)注的一個方向——首先利用像Transformer這樣的新模型架構(gòu)，在大量的模型上進(jìn)行預(yù)訓(xùn)練，之后再在下游的任務(wù)上進(jìn)行適配和調(diào)優(yōu)。目前無論是國內(nèi)還是國外，大家都在做很多這方面的探索，其范圍涵蓋了自然語言處理領(lǐng)域、計(jì)算機(jī)視覺領(lǐng)域等。

去年，我們和漢堡王有一個合作，利用Transformer架構(gòu)做了推薦系統(tǒng)上的一些嘗試，也達(dá)到了很好的效果。當(dāng)然，這其中存在技術(shù)難點(diǎn)。當(dāng)模型越來越大，所需要的數(shù)據(jù)量和對計(jì)算的需求也越來越大。除此之外，在進(jìn)行部署的時(shí)候，對資源和計(jì)算速度的高要求都造成很大挑戰(zhàn)。

為此，英特爾對模型進(jìn)行了各種各樣的優(yōu)化。例如把浮點(diǎn)數(shù)運(yùn)算轉(zhuǎn)換為整型運(yùn)算，并且利用諸如VNNI、DL Boost等加速指令來幫助模型進(jìn)行量化，以提高它的速度；對模型進(jìn)行稀疏化等，使其在各種不同的硬件平臺上，從筆記本到嵌入系統(tǒng)，到邊緣服務(wù)器，再到云端的大算力，都能夠很好地進(jìn)行部署，真正拓寬其應(yīng)用。我們希望，通過硬件的加速，訓(xùn)練模型架構(gòu)上的創(chuàng)新，以及軟件的優(yōu)化，綜合起來達(dá)到更好的效果。

從實(shí)驗(yàn)室走向產(chǎn)業(yè)應(yīng)用存在脫節(jié)

《科創(chuàng)板日報(bào)》：在碎片化的AI應(yīng)用場景，數(shù)據(jù)量比較少，是導(dǎo)致模型訓(xùn)練存在困難的原因，您對此怎么看？

戴金權(quán)：這其實(shí)存在兩個問題，一是數(shù)據(jù)量不多，我們可以通過預(yù)訓(xùn)練，或者通過遷移學(xué)習(xí)、多任務(wù)學(xué)習(xí)、元學(xué)習(xí)等各種方法來解決。

二是，有數(shù)據(jù)但沒有標(biāo)簽，這是經(jīng)常會遇到的情況。我們和合作伙伴工作的過程中會發(fā)現(xiàn)有數(shù)據(jù)，但給數(shù)據(jù)打標(biāo)簽本身的代價(jià)非常高。迄今為止，我們本質(zhì)上還處于“監(jiān)督學(xué)習(xí)”，仍舊需要在標(biāo)簽上做更多努力。

目前有很多探索方向，比如大家都在積極探索的“無監(jiān)督學(xué)習(xí)”、“自監(jiān)督學(xué)習(xí)”等技術(shù)。至于是否到了非常成熟的階段呢？可能還沒有，但是我們?nèi)耘f認(rèn)為這個方向是大有可為的。

《科創(chuàng)板日報(bào)》：除了碎片化需求， AI在落地和實(shí)施方面還存在哪些痛點(diǎn)？

戴金權(quán)：從開發(fā)人員的角度來看，在開發(fā)機(jī)上完成開發(fā)后，要在大規(guī)模的數(shù)據(jù)集群上試驗(yàn)，進(jìn)行生產(chǎn)化部署，整個過程在今天來說還是有非常大的瓶頸。

特別是很多的開發(fā)人員，就是一個數(shù)據(jù)科學(xué)家，并非專門做高性能計(jì)算、分布式計(jì)算的開發(fā)人員。為了把AI成功應(yīng)用到生產(chǎn)環(huán)境當(dāng)中，這些數(shù)據(jù)科學(xué)家就需要在分布式大規(guī)模的場景上進(jìn)行實(shí)際的部署，在整個過程中是有一些脫節(jié)的。

在這方面我們做了一些初步的工作，包括推出開源大數(shù)據(jù)項(xiàng)目BigDL 2.0。通過構(gòu)建“數(shù)據(jù)+AI”的可擴(kuò)展平臺，把AI應(yīng)用或者流水線，能從筆記本無縫地?cái)U(kuò)展到分布式大規(guī)模的云集群當(dāng)中去，做到在筆記本開發(fā)和在云上開發(fā)是一樣的體驗(yàn)。

這樣，數(shù)據(jù)科學(xué)家可以更加集中在自己想做的模型、算法的創(chuàng)新上，而不用管底層大規(guī)模分布式如何進(jìn)行，也不用管怎么從筆記本遷移到云里。

數(shù)據(jù)是數(shù)字經(jīng)濟(jì)發(fā)展的關(guān)鍵要素

《科創(chuàng)板日報(bào)》：中國正在大力發(fā)展數(shù)字經(jīng)濟(jì)，今年兩會的政府工作報(bào)告上也提出要培育人工智能等數(shù)字產(chǎn)業(yè)。近年來，AI主要在安防、公共安全等領(lǐng)域有一定應(yīng)用，大量的公司也都集中在這個領(lǐng)域競爭。您是否看到，AI在其他行業(yè)有新的機(jī)會？

戴金權(quán)：安防當(dāng)然是非常重要的一塊。英特爾也有物聯(lián)網(wǎng)事業(yè)部，在智能攝像頭、智能攝像機(jī)方面做了非常多的工作。

同時(shí)，中國是一個制造業(yè)強(qiáng)國，如何將這些AI計(jì)算機(jī)視覺技術(shù)應(yīng)用到制造業(yè)之中，比如在缺陷檢測等方面，存在較大的發(fā)展空間。

此外，在電信運(yùn)營商和數(shù)據(jù)中心領(lǐng)域，無論是基站還是數(shù)據(jù)中心的時(shí)序數(shù)據(jù)，都可以利用時(shí)序分析對其進(jìn)行智能運(yùn)維；在通訊網(wǎng)絡(luò)或者數(shù)據(jù)中心里，通過AI預(yù)測負(fù)載變化來省電，進(jìn)行更合理的資源調(diào)度和任務(wù)分配等；在互聯(lián)網(wǎng)業(yè)務(wù)或者是在線服務(wù)當(dāng)中，則可以利用AI進(jìn)行各種各樣的推薦以及內(nèi)容挖掘。這些都是非常重要的應(yīng)用舞臺。

在我看來， AI開始把大量的數(shù)據(jù)處理分析和深度學(xué)習(xí)、機(jī)器學(xué)習(xí)技術(shù)結(jié)合在一起，對場景進(jìn)行適配或應(yīng)用，的確帶來很多不同的新應(yīng)用機(jī)會。不管是針對更精準(zhǔn)的匹配，還是更好的質(zhì)量檢測，或是想要更加綠色、環(huán)保、節(jié)能的發(fā)展，AI都有著很多的可能性。

大數(shù)據(jù)分析也是應(yīng)用非常廣泛的技術(shù)，無論在國內(nèi)還是國外，各行各業(yè)都有非常廣泛的應(yīng)用。從某種意義來說，大數(shù)據(jù)分析也是今天數(shù)字經(jīng)濟(jì)的一個基石。

《科創(chuàng)板日報(bào)》：您剛剛講到，大數(shù)據(jù)和AI技術(shù)都是數(shù)字經(jīng)濟(jì)的基石。現(xiàn)在大家都很關(guān)注數(shù)字經(jīng)濟(jì)領(lǐng)域的機(jī)會。不知道您如何看待數(shù)字經(jīng)濟(jì)所涵蓋的上下游產(chǎn)業(yè)鏈，以及哪些技術(shù)應(yīng)用更為核心關(guān)鍵？

戴金權(quán)：首先，無論是資產(chǎn)、運(yùn)作、還是生產(chǎn)活動，都在越來越多地進(jìn)行數(shù)字化。而數(shù)字化之后必然會產(chǎn)生大量的數(shù)據(jù)。比如一個大城市，會擁有幾十萬、上百萬的基站，這些基站中的設(shè)備每隔幾秒鐘就會產(chǎn)生大量的數(shù)據(jù)。首當(dāng)其沖的便是如何對這些數(shù)據(jù)進(jìn)行管理，包括存儲、處理等。

第二，在擁有數(shù)據(jù)資產(chǎn)之后，利用大數(shù)據(jù)技術(shù)，結(jié)合機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的技術(shù)進(jìn)行挖掘，得到所謂的“洞見”，即我們說的“有什么趨勢、模型是什么樣的”。在此基礎(chǔ)上我們便可以做預(yù)測，甚至幫助人們做一些決策。

像在電信行業(yè)，隨著5G網(wǎng)絡(luò)的發(fā)展，對網(wǎng)絡(luò)運(yùn)維的要求越來越高，如何更好地分配帶寬和頻譜？對于5G網(wǎng)絡(luò)的功耗問題，如何通過智能調(diào)整來進(jìn)行節(jié)能省電？這些都是在網(wǎng)絡(luò)數(shù)字化的基礎(chǔ)上可以做的事。

《科創(chuàng)板日報(bào)》：當(dāng)下，人工智能算力需求的增長速度大大超過了芯片算力的進(jìn)步，算力不足成為普遍現(xiàn)象，驅(qū)動計(jì)算架構(gòu)從單一通用架構(gòu)（CPU+GPU）到混合異構(gòu)架構(gòu)（CPU+GPU+FPGA+XPU），您對此的看法是？

戴金權(quán)：英特爾的策略是XPU。這是一個超異構(gòu)的架構(gòu)，包括像CPU的標(biāo)量計(jì)算、GPU的矢量計(jì)算、FPGA這樣的空間計(jì)算以及各種各樣的加速器。英特爾已經(jīng)做了相應(yīng)的技術(shù)規(guī)劃，在XPU超異構(gòu)的架構(gòu)上提供不同的計(jì)算架構(gòu)來支撐不同的計(jì)算應(yīng)用。

但是，當(dāng)存在很多不同的異構(gòu)架構(gòu)時(shí)，對軟件開發(fā)人員來說是一個非常大的挑戰(zhàn)。所以，我們提出了oneAPI策略，希望從軟件層幫助用戶在跨不同架構(gòu)時(shí)，都能進(jìn)行同樣的編程。通過oneAPI這樣的工具加上底層的計(jì)算庫等，提供一個非常無縫的編程體驗(yàn)。然后在上層，能夠在XPU硬件架構(gòu)以及oneAPI的軟件支持下，構(gòu)建一個可擴(kuò)展的“數(shù)據(jù)+AI”的平臺，給用戶帶來計(jì)算效率、開發(fā)體驗(yàn)、開發(fā)效率的多維度提升。