거두 인텔 진화: AI 새 트랙 을 어떻게 추진 합 니까?

데이터 중심의 인텔 로 전력 을 기울 여 인공지능 의 정착 을 가속 화하 고 있다.AI, 5G, 스마트 변두리 의 융합 을 통 해 인텔 은 B 사의 업계 응용 에 들 어가 서 업 무 는 스마트 도시, 산업 인터넷, 스마트 의료, 자동 운전 등 여러 개 분 야 를 포함한다.

최근 인텔 은 AI 통합 AI 가속 화 를 포함 한 3 세대 최고 확장 가능 한 프로세서, 인텔 최초의 인공지능 최적화 FGA Stratix 10 를 출시 했다.NX 등 과 동시에 자회사 모 빌 리 아 는 일본 과 동남아 지역 최대 의 교통 운영 업 체 중 하나 인 윌 리 에 게 전략 적 제휴 를 선언 하고 일본 및 동남아 시장 에서 자동 운전 택시 (Robotaxi) 서 비 스 를 선보 일 계획 이다.

인공지능 이 일과 생활 에 가속 화 될 것 이라는 점 은 분명 하 다.올해 들 어 신 관문 폐염 사태 가 전 세계 적 으로 공 통 된 도전 이 되 고 있다.'위험' 에는 '기계' 가 있다. 의료 구조 와 생명 과학 의 일 선 에서 경제 와 사회의 질서 있 는 운영 까지, 공공 서비스, 정책 제정 등 여러 분야 에서 인공지능 을 비롯 한 스마트 기술 이 더욱 중요 한 역할 을 발휘 한다.

옛 브랜드 의 인텔 은 새로운 전환 에서 사방 으로 출격 하여 AI 기업 을 인수 하고 AI 응용 에 이 르 기 까지 AI 생태 를 재 구축 했다.물론 인텔 은 웨 이 다, 싸 이 즈, 그리고 과학기술 거물 들 과 의 경쟁 을 직시 할 것 이다.

건AI 생태: XPU 에서 양자 로 계산 합 니 다.

PC 트랙 에서 데이터 트랙 으로 확장 하 는 과정 에서 인텔 은 6 대 기술 핵심 능력 을 다시 정리 하여 스마트 화 업무 에 대처 했다.인텔 은 6 대 기술 지주 (프로 세 스 와 패 키 징, XPU 구조, 메모리 와 저장, 연결, 보안, 소프트웨어) 를 엔진 으로 하고 인공지능 을 융합 시 켜 CPU + GPU + FGA + ASIC 의 전면적 인 제품 구 조 를 부 드 럽 게 결합 하여 클 라 우 드 에서 말단 까지 스마트 배 치 를 실현 한다.

이 를 바탕 으로 인텔 은 클 라 우 드, 변두리, 엔 드 스 택 의 장점 과 'XPU' 의 능력 을 강조 했다.인공지능 경기장 에서 도 '풀 스 택' 은 인텔, 화 웨 이 등 대기업 들 의 힘 이 되 어 야심 이 크다.

송기 강 인텔 중국 연구원 장 은 21 세기 경제 보도 기자 에 게 'X 는 여러 가지 처리 구 조 를 대표 한다. 새로운 시장 기회 에 가 져 온 데이터 의 종류 가 매우 다 르 기 때문에 센서 의 종류 가 다 르 고 데이터 획득 경로 도 다르다. 이 로 인해 이런 수 치 는 똑 같은 구 조 를 사용 하지 않 을 것 이다. 예 를 들 어 CPU 나 CPU + GPU 로 처리 하면 안 된다. 반드시 이 구 조 를 사용 해 야 한다."의 방식."

인텔 은 유 니 버 설 칩 을 생산 하지만 이 구 조 를 조합 해 안정 적 인 수 요 를 실현 할 수 있다.송기 강 은 인텔 의 소속 인 Movidius 가 AI 매트릭스 연산 을 전문 적 으로 하고 Habana 를 소개 했다.Labs 는 매트릭스 연산 의 가속 화 와 FGA 의 유연성 있 는 구 조 를 희소 데이터 로 처리 하 는 속도 가 빨 라 지고 앞 라인 에 신경 의태 계산, 양자 계산 도 있다. "양자 계산 을 통 해 더 높 은 등급 과 높 은 병행 도 계산 능력 을 제공 하 는 지 에 따라 AI 에 도 강력 한 가속 작용 을 할 수 있다. 인텔 도 이런 방면 의 연구 개발 을 하고 있다."

이 어 스 택 에 대해 송지 강 은 "AI 회 사 는 알고리즘 을 많이 만 들 고 틀 을 만 들 며 심지어 하드웨어 와 관련 된 맞 춤 형 최적화 도 한다. 어떤 것 은 하드웨어 를 전문 적 으로 하 는 가속 장치 도 있다" 고 말 했다.한편, 인텔 의 특징 은 전체 스 택 뿐만 아니 라 위의 프레임 워 크 도 있 고 저층 의 성능 창고 도 있다 는 것 이다."저 희 는 AI 가 가속 화 하 는 하드웨어 종류 가 매우 많 습 니 다. CPU 에 전문 AI 를 삽입 할 수 있 는 DL Boost 기술 을 가지 고 있 을 뿐만 아니 라 GPU, FGA, 전용 ASIC 에 도 반도체 하드웨어 를 지원 할 수 있 습 니 다."

야 오 쟈 양 컴 파 일 러 는 21 세기 경제 보도 기자 에 게 "데이터 센터 나 구름 업무 에 서 는 인 텔 의 프로세서 업무 가 쉽게 흔 들 리 지 않 는 다. 이 는 인 텔 의 DCG (데이터 중심 업무) 매출 에서 도 단 서 를 엿 볼 수 있다" 고 분석 했다.그러나 AI 연산 가속 칩 에 있어 인 텔 은 아직도 GPU, FPS 업 체 (예 를 들 어 NVI다이 아와 XIINX) 와 같은 강력 한 경쟁 에 직면 하 게 될 것 이다. 이런 점 에서 인 텔 이 자신의 AI 연산 가속 칩 의 경 쟁 력 을 유지 할 수 있 는 지 는 추 후 상황 을 봐 야 한다.

AI 플랫폼 기간: "약 한 AI 는 약 하지 않 고 강 한 AI 는 강하 지 않다"

현재 인텔 은 여러 분야 에서 AI 응용 을 시도 하고 있다.예 를 들 어 인텔 은 난 징 경제 기술 개발 구 와 여러 개의 생태 합작 파트너 를 통 해 난 징 의 '미래 과학 기술 스마트 센터' 를 만 들 고 5G + 스마트 단 지 를 공동 건설 하여 혁신 생태 를 육성 해 야 한다. 공업 인터넷 분야 에서 인텔 대련 공장 은 실시 간 으로 수정원 에 대해 정확 한 검 사 를 함으로써 제품 의 양률 을 확보 하고 인텔 을 바탕 으로 하 는 인공지능 소프트 하드웨어 를 통 해기술 은 순 인력 측정 방식 에 비해 검사 효율 이 100 배 높 아 졌 다.이 밖 에 인텔 의 칩 은 항구 와 선박, 공항, 철도 와 차량, 차량 관리, 도로 인 프 라 등 분야 에 도 활용 된다.

그러나 AI 가 정착 하 는 과정 에서 아직도 많은 문제점 이 존재 한다. 인텔 중국 사물 인터넷 사업 부 수석 기술 자 이자 수석 엔지니어 인 장 우 는 21 세기 경제 보도 기자 에 게 '수직업 은 소매 업, 공업 제조, 그리고 스마트 교통, 의료 등 을 포함한다. 우 리 는 각 업계 가 직면 하 는 문제점 이 다 르 기 때문에 인공지능 으로 서로 다른 계산 을 해 야 한다' 고 말 했다.법 이 특정 문 제 를 해결 하 는 것 은 업 종 별로 파편 화 된 것 이 분명 하 다.이 때문에 우 리 는 인공지능 을 개발 할 때 서로 다른 업계 에 맞 게 맞 춤 형 개발 을 해 야 한다. 이로써 인공지능 응용 개발 의 비용 을 증가 하고 원 가 를 어떻게 낮 추 는 지 하 는 것 은 우리 가 현재 본 각 업계 가 직면 하고 있 는 중요 한 문제 이다.

또 다른 착지 의 난점 은 데이터 에 있다 는 것 이다. 현재 우리 가 비교적 많은 데 이 터 를 가지 고 있 는 것 은 사람, 사물 이 교통 분야 에서 수집 한 데 이 터 를 바탕 으로 하 는 것 이다. 예 를 들 어 Imagenet 에서 우 리 는 거의 4000 여 만 장의 사람과 사물 의 사진 을 수집 했다.그러나 특정한 업 종 에 서 는 채집 또는 처리 한 데 이 터 는 흔히 정 제 된 것 이다.이것 은 우리 에 게 유한 한 데이터 집합 이 있 는 상황 에서 특정한 분야 에 적용 되 고 특정한 응용 에 특 정 된 새로운 모델 을 신속하게 생 성 할 수 있 도록 요구 하 는 것 이다.

결론 적 으로 AI 기능 을 사용 할 때 비용 을 낮 추 는 방법 을 알 아 보 는 동시에 소량의 데이터 모델 로 훈련 결 과 를 얻 는 것 은 실천 에서 어 려 운 문제 이다.이런 문 제 를 해결 하려 면 AI 기술 응용의 업그레이드 가 필요 하 다.

AI 의 전체적인 발전 을 보면 송기 강 은 심도 있 는 학습 이 발전의 곡선 을 보면 지금 은 플랫폼 에 들 어간 것 이 확실 하 다 고 주장 했다.AI 도 이에 따라 플랫폼 에 들 어간 다 는 뜻 이다.

송 대 표 는 "인공지능 은 약 한 인공지능 이라는 분야 에서 약 하지 않다" 며 "인공지능 응용 영역 을 좁 히 면 좋 은 방법 을 찾 을 수 있다" 고 설명 했다.하지만 이 를 통용 시 키 려 면 학계 나 산업 계 에서 흔히 생각 하 는 강인 한 두뇌 라 는 능력 은 강하 지 않다. 영역 간 이전 능력 이 그리 강하 지 않 고 데이터 에 대항 하 는 공격 도 그리 강하 지 않 기 때문이다.전체 학술계 나 산업 계 의 현재 발전 추 세 를 보면 인공지능 은 2.0 단계 에서 3.0 단계 로 이동 하고 있다. 2.0 단 계 는 데이터 로 구동 되 고 대량의 레이 블 링 이 가능 한 데 이 터 를 통 해 심도 있 는 학습 모델 을 훈련 함으로써 우리 가 구체 적 인 분야 의 임 무 를 완성 하 는 데 도움 을 준다.

그 가 보기 에는 3. 0 으로 이전 하고 인공지능 을 전면적으로 발전 시 켜 야 한다. 첫째, 인공지능 이 적은 양의 데 이 터 를 이용 하여 지속 적 으로 학습 하 는 능력 을 향상 시 켜 야 한다.