“现在对于计算能力的要求每3.5个月就会翻一番。这是为什么呢？答案就是我们现在正处于人工智能（AI）发展的转折点上。” 11月22日，在北京举行的英特尔实践AI媒体分享会上，英特尔人工智能事业部副总裁兼英特尔人工智能平台与市场研究总经理辛周妍（Julie Shin Choi）表示，“下一波人工智能大潮已经到来，我们正加速迈向以数据为中心的新时代。”

此前，英特尔公司副总裁兼人工智能产品事业部总经理Naveen Rao在美国旧金山­举行的2019英特尔人工智能峰会上透露：“随着人工智能的进一步发展，计算硬件和内存都将到达临界点。如果要在该领域继续取得巨大进展，专用型硬件必不可少，如英特尔 Nervana NNP 和 Movidius Myriad VPU。采用更先进的系统级人工智能，我们将从‘数据到信息的转换’阶段发展到‘信息到知识的转换’阶段。”

分享会当天，英特尔首次面向中国媒体介绍了最新推出的面向训练 (NNP-T1000) 和面向推理 (NNP-I1000) 的英特尔 Nervana神经网络处理器 (NNP)，以及下一代英特尔 Movidius Myriad视觉处理单元（VPU）。此外，在前不久召开的2019年超级计算大会上，英特尔还宣布了一类专为高性能计算和人工智能融合优化的全新独立通用GPU，以进一步扩展现有的技术产品组合。

辛周妍展示英特尔Nervana神经网络训练处理器NNP-T。

对于上述种种举措，辛周妍表示，“由于人工智能模型的复杂度正在不断增加，因此我们必须持续强化产品组合的广度和深度，创造全新的硬件架构和软件工具，以不断提高数据的处理、传输和存储能力。”

截至目前，在硬件方面，英特尔已可以提供包括CPU、GPU、FPGA、NNP、VPU等在内的灵活的硬件产品组合与计算平台，满足从云到边缘到设备的不同工作负载需求；在软件方面，英特尔提供全面优化过的软件，用以加速并简化人工智能技术的开发与部署，涵盖库、框架以及工具与解决方案等多个层面。?

其中，作为英特尔为云端和数据中心客户提供的首个针对复杂深度学习的专用 ASIC芯片，英特尔 Nervana NNP具备超高扩展性和超高效率。英特尔 Nervana神经网络训练处理器（NNP-T）在计算、通信和内存之间取得了平衡，不管是对于小规模群集，还是最大规模的 pod 超级计算机，都可进行近乎线性且极具能效的扩展；英特尔 Nervana神经网络推理处理器（NNP-I）具备高能效和低成本，且其外形规格灵活，适合在实际规模下运行高强度的多模式推理。

百度AI系统架构师丁瑞全在分享会上透露，百度的超级AI计算平台X-Man和深度学习框架PaddlePaddle （飞桨）都已与英特尔就NNP-T展开合作，以优化提升日益复杂的模型训练效率。

谈及独立GPU的推出对业界的影响，辛周妍表示，GPU未来一定是英特尔AI产品组合中的重要一员，其上市时间预计将在2020年以后，很大可能是2021年。但是，它不会是英特尔AI战略的核心部分，“因为英特尔的人工智能战略更广、更深，其核心在于给客户提供更多的选择。而在人工智能的硬件方面，没有哪一个产品可以包打天下。”

当天，英特尔还发布了《英特尔中国金融行业AI实战手册》和《英特尔中国医疗健康行业AI实战手册》。辛周妍告诉《中国科学报》，英特尔2019年AI的收入有望超过35亿美元。“我们将更好地聆听客户需求，与产业及合作伙伴携手，共同加速人工智能在各行各业的应用落地。”