ai人工智能计算在线 大数据、云计算、人工智能、5G,下一个是什么
大数据、云计算、人工智能、5G,下一个是什么
英特尔与云服务厂商合作也是主动拥抱趋势的战略性一步。
封面来源｜pexels
2020年7月16日，“网易数字+大会”在杭州召开，网易公司旗下企业服务品牌网易云正式升级更名为“网易数帆”，优化和升级业务与战略，聚焦基础软件领域业务，并发布多款新产品。透过这些举措，我们可以窥探到网易在数字经济生态链上的全新布局：携手合作伙伴以“新基建”赋能数字经济的智能化升级和融合创新是接下来的战略主方向。
“新基建”是相对于传统基础设施而言，作为新经济形态发展的重要支撑，曾在政府工作报告中被多次提及。 2020年数字经济发展迎来前所未有的机遇，也同时承担起创造新增长点，带动实体转型的重任。而以5G、云计算、大数据和人工智能为代表的技术产品，在赋能各个行业，提升效率，优化生产方式上发挥着不可或缺的支撑作用，故被称为数字经济时代的新型基础设施，即“新基建”。
随着工业互联网和AI战略的全面实施，数字经济的范围被无限拓宽，数字化也成为各行各业转型升级的方向。在企业的精细化管理、业务精细化运营的需求背景下，数据作为一种新型资产，在整个链条中扮演着越来越重要的角色。如何有效发挥数据价值，建立实时反馈的分析系统，来辅助业务决策成为企业数字化转型的重点。在这个过程中大数据、云计算、人工智能、5G等”新基建”提供了方法和效率上的优化，加速了企业的数字化转型的进程。
在数据层面，优化数据采集和应用，高效分析和管理数据是数字化的重点。即通过实现各个业务环节的数字化，来增加相关流程的数据留存，而后将丰富的流程数据用于分析和监控，最终实现科学决策。但这在实际的数字化过程中并不容易，大量企业仍然面临数据孤岛、烟囱式开发、信息系统功能与实际需求脱节、IT交付效率不能满足数字化需求和系统封闭等方面的挑战。为解决这些痛点，云原生逐渐发挥价值。
云原生承担的作用是承上启下，它能够帮助企业在云上快速搭建新的应用体系、技术体系和业务模式。通过软件化的生产、研发、运维体系，帮助企业提升业务拆解能力，流程重构能力，从而实现企业软件生产全流程的能力和效率的提升，来构建专注业务的企业数字化基础设施。
面临新基建和“数字化”热潮，网易数帆提出SDI²理论：即数字化时代下，企业需要具备强大的软件定义组织的能力Software DefinedInstitute、数据智能的能力Data& Intelligence、强大的软件定义的基础设施Software Defined Infrastructure，才能够在行业中取得成功。
同时，网易数帆旗下网易轻舟在会上全新发布了云原生软件生产力平台，帮助企业提升软件研发效能，作为软件定义组织的关键能力。网易轻舟总经理陈谔表示，该平台由轻舟微服务和新发布的轻舟中间件、轻舟混合云及轻舟低代码等四大产品体系组成，能够帮助企业提升软件全生命周期的端到端能力，使得企业可以更聚焦于业务，应对数字化转型过程中业务的快速变化。
轻舟微服务包含无缝集成Service Mesh（服务网格）的微服务框架NSF、API网关、分布式事务GTXS、全链路应用监控APM等模块。Service Mesh是微服务治理框架，但也是增加复杂性的根源之一。此次升级，轻舟微服务在Service Mesh方面带来了17项能力提升，包括Sidecar管理、Sidecar热升级、动态流量拦截、熔断降级等。陈谔表示，借助这些能力，客户在实践Service Mesh过程中不需要再顾虑引入Sidecar带来的运维问题。API网关同样带来了大量能力的升级，提供适合互联网级应用的API网关管理功能，如提供完善流量管理功能，包括熔断降级、缓存等。此外，轻舟微服务还发布了新的日志服务LogSeer，以及GTXS、APM的一些新特性。这些更新，进一步提升了轻舟微服务的产品成熟度。
轻舟中间件是基于Kubernetes构建的云原生PaaS平台。基于容器的数据库、缓存、消息等分布式中间件，使得客户可以将等同于公有云的PaaS服务能力交付到任何能够安装Kubernetes的环境，具有高SLA、高性能、低成本的特点。此次发布，网易轻舟还推出了MySQL、Redis、Elasticsearch、ZooKeeper、RabbitMQ、RocketMQ和Kafka等7款中间件产品，这意味着轻舟中间件已经具备很高的成熟度。
轻舟中间件支持多云集中部署与管理、运维自动化、故障自愈等云原生特性，可以帮助企业构建容错性好、易于管理、易于观察、易于扩展的中间件PaaS平台，解决企业中间件存在的SLA保障难、运维难、成本高等一系列问题。据了解，轻舟中间件已经在网易严选、网易云音乐、网易传媒等互联网业务生产环境中，经受住了SLA、性能和规模等实战考验。在网易传媒，轻舟中间件带来50%的运维成本下降，网易云音乐则通过轻舟中间件实现了30%以上的资源成本节省。
轻舟混合云基于Kubernetes的抽象层次以及DevOps能力构建，部署、编排能力不同于面向资源的经典混合云方案，可多云部署，或选择灵活的IT架构，这意味着IT架构变更不会影响到业务架构与运维策略。采用开放云原生技术栈研发而成的轻舟混合云和轻舟微服务、轻舟中间件，组成了一个通用的云操作系统，可以屏蔽从物理机到公有云各类IT基础设施等底层资源的差异性，使得复杂的业务部署能够跨基础设施平滑迁移，并获得弹性扩展能力，从而更好地支撑企业数字化应用。
轻舟低代码平台通过可视化与自动代码生成快速构建应用，赋能非专业开发者，提供多层次软件复用机制，可以大幅降低软件开发成本，解决企业数字化过程中IT交付效率无法满足数字化需求的矛盾。此次发布的网易轻舟低代码应用开发平台LCAP，支持微服务架构、匹配云原生技术栈，是符合软件架构现代化理念的低代码平台。
轻舟低代码产品具有基于服务的开发、代码无平台绑定、多层次软件复用机制和支持云原生能力扩展等四大特点。这意味着，采用轻舟低代码平台开发的应用软件具有更好的跨平台能力、更高的复用价值，能够带来更高的开发效率。据悉，借助轻舟低代码平台，特定的场景下Web应用开发效率可以提升3倍以上。
“新基建”是一个生态，需要软硬件结合的能力来解决企业数字化的过程中的各种问题。网易数帆在基础软件服务层面的布局，尽显其软件架构和服务设计上的优势，再将英特尔的硬件产品能力纳入到自己的生态里，二者优势互补，从市场需求出发，充分调动软硬件产品设计能力，提供符合企业数字化实际需求的产品和服务。
英特尔与云服务厂商合作也是主动拥抱趋势的战略性一步，打造软硬件协同的“新基建”生态在当前数字化的洪流中显得异常明智。在产品层面，英特尔提供以数据为中心的产品组合，包括：计算、存储和连接；在计算上，从通用的CPU、GPU，到FPGA等；在生态建设层面，英特尔与包括OEM、ODM、软件服务商、系统集成商等伙伴长期合作，面向不同的工作负载和实际需求，用能够落地的方案，推动各行各业的数字化和智能化。
针对当前，行业对于云基础设施、云服务、云应用可视、可管、可控的需求，英特尔全面集成AI技术的产品组合可帮助企业构建智慧云的基石；针对云原生技术的流行对容器的创新和发展，英特尔在开源软件、开源社区、开源项目方面也有较大的投入。
在与网易数帆的联合实践中，轻舟混合云的核心模块网易轻舟容器平台NCS，基于云原生开源技术栈实现多租户、多集群管理，能够处理更大的并发情况，如几万个应用实例同时在线情况，基于英特尔第二代至强可扩展处理器加速网易轻舟容器平台NCS，提供高性能容器平台、多租户多集群管理、智能化运维，构建高性能、高吞吐、弹性扩展、智能运维的轻舟容器云平台，来帮助企业用户实现信息系统的微服务化。
英特尔与网易数帆的产品方案，在网易的多款产品应用上得到验证。英特尔中国区行业解决方案集团互联网行业负责人在网易数字+大会上表示，网易云音乐引入轻舟中间件Redis内存数据库，将Redis运行在搭载了大容量英特尔傲腾持久内存的服务器上，实现高性能、高密度的混合部署，大幅度提高资源利用率，使得总体用云成本降低30%。网易轻舟容器平台NCS升级到第二代英特尔至强可扩展处理器，整体计算性能提升21%。基于第二代英特尔至强可扩展平台利用英特尔OpenVINO为雷火游戏在强化学习、智能编舞等AI平台进行深度强化，使推理性能提升3倍。目前，网易杭州研究院、网易邮箱在分布式存储以及邮箱索引列表均利用英特尔傲腾固态盘加速性能。
云服务让客户减少在IT基础设施上的劳神，从而把注意力更多集中在构建自己的业务逻辑上，2020年，英特尔推出智慧云图计划，旨在覆盖企业上云、用云的全周期，通过丰富的产品组合构建智慧云基石，这与网易的云原生战略不谋而合。携手网易，共绘云图，构筑数字化时代的“新基建”生态，也成为双方共同的目标。
小白应该了解点儿人工智能
一、基本概念
计算机可以称为硬件和软件组合而来的工具。
1.硬件的构成可以类比三明治。最底层是0和1的二进制，第二层是由机器语言，我们称之为汇编语言构成，第三层称之为操作系统，如Linux等。
2.软件就是利用硬件算法与人类交互的应用程序，比如Word文字处理软件，包括网页页面等。
3.算法则是计算过程，是计算机执行任务需要遵循的一系列步骤或过程，用来越来越多地替代我们做决策。算法也可能是利用有效数据做出决策的计算过程。
4.模型就是这样一种黑盒子——你只需要扔数据进去，它就能吐出答案。在机器学习中，算法与变量相结合才可以创建数学模型。
5.人工智能分为广义和狭义。广义就是您在科幻世界想象出来的，有自主意识的人工智能可以替代人类所有的工作？但目前，人工智能仅仅能够做到的是辅助人类决策，即狭义人工智能。简单讲，狭义人工智能其实就是利用数学进行预测的工具，一种用于预测的数学方法。通过分析一个已知的数据集，在数据集中识别数据模式和事件概率，并把这些数据模式和事件概率编写成计算模型。
二、理解人工智能的应用场景
当前的时代还是属于狭义人工智能时代。也就是说，人工智能只能部分替代某些技术和重复性劳动，实现到协助人的目的。比如，⾃动驾驶属于⼈⼯智能，但是自动驾驶的灵活性其实是不够的，还做不到5级。扫地机器⼈也还做不到边边⻆⻆都扫到。不过。虽然它不够灵活，如果你能够反过来去适应它，不是⾮得让它能完整接管⼈的事，⽽是把⼈的事做拆解，有哪些事它能接管，有哪些事不能接管，你把它能接管的交给它，依然能省你很多事。
归纳起来就是把任务做拆解，连⻢斯克的核⼼都是任务拆解。这⾥最典型的是什么？就是芯⽚的异构计算。原来芯⽚计算，我不管你什么东⻄的，反正都要能计算就好，所有事情都是可计算的，所有事情堆到⼀起，只要有强⼤的算⼒，把所有事情都计算完了就好了。就是这种时候，你更关⼼的就是计算能⼒提升，所以强调叫摩尔定律。第⼀有技术还在突破。第⼆个现在不强调摩尔定律了。为什么不强调？突然发现原来其实⼀个很简单的提升效率办法，就是把想⼲的活分分类，⼀类是很繁重，但是不复杂的活，这事是要重复做n多遍，但是这事本身不复杂。另⼀类是很复杂，但是不繁重的事，就是我涉及到很复杂的操作，要有好多步骤，但是这件事本身很轻松，就是⼀次性做完就没了。把这两件事分开，发现原来我们⼲的⼯作⼤多数都是繁重⽽不复杂，只有极少数是复杂⽽不繁重的，你把这极少数复杂⽽不繁重的交给相对计算能⼒特别强，就是善于处理复杂事情的CPU去改，剩下这些繁重⽽不复杂，专⻔设计⼀个就擅⻓处理这样业务的GPU去处理，它就单处理这件事，不断的训练，经过优化，处理效率就⽐⼀个通⽤计算设备去处理它的效率要⾼很多，这样CPU和GPU一结合，整体效率就提升了。
现在的办公室也是⼀样的，你也要去衡量办公室都有哪些⼯作。⼤多数⼯作其实也是所谓繁重⽽不复杂的，以前⽤⼈来⼲，现在这部分你就⽤机器来⼲，甚⾄让⼈⼲的繁重不复杂的⼯作⾥，这个其实也不能让机器完全替代，你再把它做分类，其中也有80%是机器可以替代，20%机器不能替代。那就很简单了，把这个20%机器不能替代的事还叫⼈⼲，80%⽤机器来⼲，你给⼀个⼈配2台机器，他就能⼲5个⼈的事，甚⾄说能⼲更多⼈的事。这种时候你整体的效率就提升了，你给这个⼈配两台机器叫什么？叫机器⼈流程⾃动化。就把很多原来⼈⼲的事，贴个发票，填个表格，录⼊信息这样的事⽤机器⼈来⼲，⼈最后校验⼀下，因为你录⼊信息，⼈也需要校验的，有些或者碰到悬⽽未决的事情，需要⼈来决策⼀下，到底是东还是⻄，⼈最后来做决策，这样的整体效率就提升了。
所以⼈⼯智能还没有做到万能，但是也已经⾜够好到可以帮我们解决很多问题，进⼊到业务⾥。当然，千万不要等，不要等到⼈⼯智能完美了，能够完全替代⼈了，我再⽤它。完全替代⼈，你都被替代了，你就没机会⽤它。⼀定要找到⼈机的最佳结合点，
三、人工智能的业务趋势
什么样的人工智能业务是好业务，是有发展前途的，什么样的人工智能是忽悠人的？我们要判断清楚。比在生产规模化时代，我更在乎的是效率。举个例子，以前我们家做饭要什么？要⽣炉⼦。后来我们有了煤⽓灶，实际上有很多最早从农村进城市，他不会使⽤，不会打⽕，不敢打⽕，那就⽤不了。所以它要掌握⼀新技能，⽽这新技能和⽼技能相⽐是两个完全不同的⽅法，⽅法虽然不同但⽬的都是做饭，只不过效率是新技能更⾼，但是它也不意味着新技能会把时间彻底省掉，所以包括冰箱，包括洗⾐机都是这样的原理。我并不代表洗⾐机不需要⼈操作，叠⾐服还要你来叠。但是⾄少我省时间了，从整体上来讲省时间，所以上⼀个时代⽣产规模化是⽤⼀个产品、⼀个产业⽅案替代另⼀个⽅案，然后核⼼是省时间。
1.市场要有。从宏观环境上来判断，我们是已经慢慢的进⼊了产品⽣产规模化的晚期，进⼊了开启服务，也就是经验规模化的⼤量运⽤的时期，需要把⼈的⼀些相对复杂，但是可重复的经验能够复制出来，由人工智能来做，这个市场是巨⼤的。也就是说，经验规模化的时期，好业务尤其要和⼈⼯智能结合，就是要把这些规模化做到可操作的经验。也就是说，你要做业务，在这个时代做的好，就要利用人工智能固化⼀个⾼端的服务。都是固化服务，⾼端低端就差很远，都是固化在医⽣的诊断⽔平，那是协和的医⽣还是普通的医⽣。都是固化的⼀个机器⼿煎⽜排，那是三星级厨师还是普通厨师就差很远。所以服务有这样的⼀个特性，你固化的是不是⾼端服务，然后能不能做到普遍性，如果能，就可以做拓展形成巨大的市场。所以，人工智能进入领域应该追求高端服务规模化复制。
2.定位要准。也就是规模化的好坏怎么评价，是不是完整规模化呢？完整规模化要有两个标准，⼀个就是叫职业替代，⼀个叫职业增强。你或者是职业替代，我完整的不需要某个⼈了。另⼀个叫职业增强，我还需要⼈，但是⼀个⼈能⼲三个⼈的活了，这个就是⼀个好故事。如果不是，虽然能够⼲⼈的⼀半的活，但是另⼀半的活还需要⼈来帮我⼲，那就不是好的标准。所以在经验规模化基础上，还要进⼀步去看你的业务设计，是要做到所谓职业替代和职业增强才是好的业务设计。比如，你是替代⼀个护⼠还是替代不了，所以未来如果是职业增强，可能⼀个护⼠原来只能照顾⼀个⽼⼈，现在⼀个护⼠加上⼀个楼⾥的监控设备，我能照顾1 0个⽼⼈，那倒有可能，所以关键是你要定义清晰，我们讲的职业替代不可能，职业加增强才可能。
3.行业要聚焦垂直。①流程自动化，RPA。⼤多数⼈企业管理此如⻨肯锡、埃森哲、波⼠顿咨询集团都是我教你怎么做，我教你怎么做管理，怎么做运营。 IBM consulting把怎么做管理的技能固化到IT系统⾥，我把IT系统给你公司装上去，实际上我不需要培训，你⾃然就掌握了管理技能了，因为违背管理规则的事在IT系统⾥不被许可，我把它固化进去了。所以像流程⾃动化和 IBM consulting很像，其实它是把⼀些思想原则，把⼀些技能固化到⼀个系统⾥，然后交付给你，但是既然是要交付，就是IBM consulting，它也没法超越，这是consulting的路数，所以它就还是这样⼀个问题，就是你还是要⼀单⼀单找⼤客户，然后就变成⼈⼒密集型。②AI医疗。 Ai医疗因为2020年发了10个证，这个正在形成这样⼀个板块，这些公司就会成为⻛⼝，成为头⽺，同时就会有⼀些蹭热度的公司加⼊进来，像百度也来做⼀些 AI医疗的尝试，甚⾄像现在的线上问诊，线上问诊的医⽣理论上讲和A I还⽐较远，但是它依然可以借着AI医疗，声称我在线上也实现了AI医疗，我的问诊⾥⾯也有语⾳的分析，语义的分析，我可以蹭热度，就有头⽺有能蹭热度的。然后有市场开拓的相对容易⼀些的，像Airdoc就能够铺的很⼴的，也有⼀些如果能找到了办法，和⼤医院捆绑，然后让⼩医院，让边远医院也能得到实惠的企业，有机会能够做起来，就有收⼊利润。所以有收⼊利润，有头⽺，有跟随者的这样⼀个领域。③智能应答或者叫智能客服。⼀⽅⾯有很多技术会越来越先进起来，甚⾄有很多机器能够分析⼈类情绪，我听你说话能分析出来你有没有抑郁症，甚⾄有没有⼀些其它的疾病，慢慢的能从语⾳⾥⾯分析出来。另⼀个，辅助的东⻄是⼀个出彩的东⻄，但实际上对本质东⻄就是语⾳语义的理解能⼒，其实把翻译⽔平⽤在这了。当我什么都接就没办法适应了，那就是强⼈⼯智能弱于⼈，就是什么都能⼲的事上，⼈更好；⽽弱⼈⼯智能强于⼈，就是指定范畴的地⽅，这个⼈⼯智能就⽐⼈⼲的好。所以如果是智能应答，它往往是指定范畴，⽐如我是银⾏的智能应答，我肯定不会问游乐园的情况，我就很容易去识别，很容易去互动。所以⾏业的智能互动，智能客服会越来越成熟，你会看到越来越多的电话，甚⾄以后90%的⾏业相关的客服电话都不是⼈来接的，都是机器⼈接的，但是你会觉得不能分辨出来到底是机器⼈还是⼈，除⾮你有敏感度，要不然⼀般来说你是分辨不出来的，这个是会热起来的，再加上这种坐席本身也有转型的需求。比如，淘宝的商家是不是有智能客服，你们这个很容易去监控，淘宝上⼩商家都已经有客服了，你⼀听这客服基本上是语⾳，就意味着市场是⼀定会起⻜的了。如果淘宝⼩商家都⽤不起，因为现在是⼈⼯做起，淘宝⼩商家肯定⽤不起，这个市场就还不⾏，所以这是⼀个很典型的科技的市场，就是科技使得客服的应答的成本显著降低，甚⾄降到以前的1%，因为以前你要养⼈，现在我养的是机器，但是我的市场可能扩⼤100倍，所以就等于机器会把原有客户的市场给接⾛，这是个方向。
关键点：“挑战不仅在于感知环境，而且在于了解环境。
人工智能会使哪些行业受益
作为一家开发微处理器和相关软件的公司，Nvidia业绩连创新高。上个季度，这家公司收入增长55％达到22亿美元。
2016年是人工智能爆发的一年，借着这股东风，在过去12个月里，Nvidia公司股价几乎翻了两番，令人惊叹。
Nvidia的成功很大一部分要归因于他们的芯片产品：图形处理单元（GPU）。GPU也可以理解为显卡，可以让电脑在玩游戏时表现的更出色。然而现在GPU有了一个新的用武之地：为人工智能（AI）程序提供所需的大量计算能力，特别是在数据中心里。
这些芯片销量非飞涨（如图所示），是信息技术长期转型的最明显标志。由于摩尔定律的减慢（目前芯片的计算能力大约每两年翻一番），以及云计算和AI的快速崛起，处理器市场正在重构。这对半导体产业及其霸主英特尔，产生了深远的影响。
过去的日子对英特尔来说，简直顺风顺水。无论个人电脑市场还是服务器领域，英特尔生产的中央处理器（CPU），可以胜任几乎所有的“工作负载”。因为制造了强大的CPU，英特尔掌控了个人电脑市场80％的份额，以及几乎完全垄断服务器市场。
过去一年，英特尔的收入接近600亿美元。
尽管如此，CPU的更新换代速度，已经无法满足需求。机器学习和其他AI应用，需要大量的数据，对数据处理能力的需求比几年前整个数据中心的消耗还多。所以英特尔的客户，例如Google和微软以及其他大数据中心运营商，正在选择来自其他厂商越来越专业的处理器，甚至开始自己设计处理器。
Nvidia的GPU就是一例。这个产品最初被设计用来执行交互式视频游戏所需的大规模复杂计算，也就是给大型游戏加速。GPU有数百个专门用于计算数据的“核心”，所有的核心都是并行工作。而CPU只有几个核心，顺序地处理计算任务。
Nvidia最新的处理器有3584个核心，而因特尔服务器CPU最多有28个。
Nvidia开发了一种称为CUDA的编程架构，帮助客户为不同的任务对处理器进行编程。CUDA能够让GPU解决复杂的计算问题。所以当几年前云计算、大数据和AI开始崛起之后，能够满足需求的Nvidia芯片简直堪称生逢其时。
每一个互联网巨头都在使用Nvidia出品的GPU，驱动他们各自的AI服务在大量数据中进行挖掘，无论是医学图像或是人类语音等等。Nvidia来自数据中心运营商的销售收入，在过去一年增长了三倍，达到296亿美元。
然而在众多的专用处理器中，GPU只是其中的一种。随着云计算公司为了保持领先优势，不断提高运营效率而混合和匹配芯片，处理器的范围正在扩大。
目前看来，Nvidia的技术成长空间还有很多。
因为Nvidia正在转型成为平台公司而不是硬件公司，GPU会是它的核心但是不是全部，它要做的是围绕GPU的一个平台、一个生态。与GPU配套的各种设施，例如开发平台、开发者社区和包络编程语言在内的开发工具也非常重要。举例来说，在笔记本PC市场，其实ARM的处理器性能完全可以和Intel相抗衡，但是为什么基本没有笔记本电脑用ARM的处理器？就是因为ARM在笔记本PC上没有任何生态。一旦平台和生态做起来，即使它的技术发展不像原来那么生猛，我相信Nvidia的商业价值仍然可以得到保证。
Nvidia可能会面临的最大风险在于，它现在的股价完全由人工智能来支撑，但人工智能的应用会不会像投资者想象中发展的那么快是存疑的。其实非常明显现在人工智能的应用有很大的泡沫，大家预期它在一两年之内会起来。但是如果它在一两年之内没有起来或者说某些应用没有能真的落地，那时候投资者可能会有些反冲。现在是一个overshoot，发现没有达到预期之后就会有一个undershoot，几次震荡之后慢慢回到理性估值。
英特尔近年来专注于制造更强大的CPU，而不是生产ASIC或FPGA。
人们普遍认为，传统的处理器不会很快失去地位：每一台服务器都需要它们，无数应用运行在它们之上。英特尔的芯片销售还在增长，不过Gartner的IT咨询师Alan Priestley认为，加速芯片的高速增长对这家公司来说是个坏消息，在这些芯片上完成的计算越多，在CPU上运行的就越少。
英特尔的一个对策，是借助收购来追赶。2015年，英特尔以167亿美元的价格收购了FPGA生产商Altera；8月，又花了4亿美元收购了Nervana，这是一家成立仅3年的创业公司，开发从软件到芯片的专用AI系统。
英特尔说，他们把专用处理器视为机会而非威胁。英特尔数据中心业务主管Diane Bryant说，新的计算工作往往是先在专用处理器上进行，随后被“拉进CPU”，比如说加密，这项计算也曾用单独的半导体组件来处理，但现在只是英特尔CPU上的一个简单指令。英特尔CPU几乎占领了全球所有处理器市场，对于企业来说，在加速芯片上运行AI等新型计算工作意味着额外开销和更高的复杂性。
英特尔已经在为这样的融合而进行投资。今年夏天，它将开始销售代号“Knights Mill”的新处理器，来与Nvidia竞争。同时，英特尔也在开发另一款芯片，名叫“Knights Crest”，这款芯片融合了Nervana的技术。从某种意义上讲，英特尔也希望能将Altera的FPGA融合到自己的CPU之中。
可以预见的是，竞争者们对未来有着不同见解。
Nvidia认为，他们已经有了自己的计算平台，很多公司用他们的芯片来开发、运行AI应用，他们也为其他类型的程序创造了软件基础设施，用于可视化和VR等领域。
计算巨头IBM也在试着抢英特尔的生意。2013年，IBM开源了自己的处理器架构Power，把它变成了半导体行业某种意义上的公共资产。专用芯片的制造商更容易将自己的硬件同强大的CPU结合在一起，而IBM掌握着平台发展方式的话语权。
这很大程度上依赖着AI如何发展，如果AI没能在几年内带来很多人所期待向往的变革，英特尔的机会还不错；但是，如果AI能在接下来的十几年中继续影响各行各业，其他处理器就有着更大的胜算。IDC市场分析师Matthew Eastwood这样表示。（综合整理）
好了，关于ai人工智能计算在线和大数据、云计算、人工智能、5G,下一个是什么的问题到这里结束啦，希望可以解决您的问题哈！