此前，在2017年英特尔已经停止之前举办了20年的IDF（Intel Developer Forum,英特尔开发者峰会）。有趣的是，近期Intel在旧金山艺术宫举办了第一届人工智能开发者大会（AI DevCon 2018），这一进一退，可见英特尔已经把AI提高到了无与伦比的战略地位。

英特尔对AI的投入可谓姗姗来迟，在英伟达已经几乎成为AI硬件的代名词以后，英特尔才开启了他的买买买之路，拿金钱换时间。英特尔先后收购了Altera、Nervana、Movidius、Mobileye等一系列公司。

这届AI大会英特尔展示自己对收购企业的整合情况，英特尔推出了自己的的“豪华AI全家桶”。英特尔称之“人工智能全栈解决方案”，也就是提供从底层硬件、到各类函数库、以及支持和优化的开源深度学习框架、软件SDK平台一直到上层具体应用的整体解决方案。

这一系列的AI产品让人看得眼花缭乱，英特尔副总裁暨AI产品事业群总经理Naveen Rao为此解释道：“AI晶片并非一体适用的解决方案，你确实需要特殊应用方案，这需要不同架构的组合。”

相对于英特尔之前X86一种构架打遍天下的做法，英特尔的如今在AI上的做法基本上是要把市面上所有可能的构架都做了,一个也不能少。

在服务器端，英特尔推出了Intel Nervana NNP-L1000神经网络处理器以及Stratix系列FPGA，另外英特尔表示将优化至强处理器的AI能力。

Intel Nervana NNP-L1000源自于Intel收购的Nervana。Nervana的联合创始人和 CEO Naveen Rao是原来高通Zeroth 神经网络芯片的项目负责人，因为项目无法产品化而离职创业。被英特尔收购后，Naveen Rao成为英特尔AI产品事业群总经理，统领整个AI战略。

NNP-L1000（ Nervana Neural Processor ）处理器架构和谷歌的TPU非常接近，也就是一般认为的ASIC(一种为专门目的而设计的集成电路)芯片，是针对特定应用的专用处理器，其应用范围会更窄，但在加速特定深度学习算法方面效率会远高于应用领域更加通用的GPU。

用FPGA(现场可编程门阵列)来加速深度学习算法是业内很热门的方向，由于FPGA芯片本身极高的技术壁垒，此前全球市场被四大FPGA厂商垄断，Intel为了进入这个市场不惜以167亿美金的代价收购了FPGA巨头Altera，Stratix系列FPGA就是这场收购的产物。英特尔的FPGA已经用在微软的Azure AI中了。

英特尔的NNP要到2019年才发布，还有一年的空挡，而英特尔的至强处理器在数据中心的占有率在90%以上，所以英特尔承诺要优化至强处理器的AI能力，以便通过拖延战术减少数据中心业务被侵蚀的速度。

另外大会上没有单独提GPU，英特尔之前就有Xeon Phi加速卡，其实就基于自家胎死腹中的Larrabee GPU。Intel近期已经重启自己的独立GPU产品线，挖走了AMD的GPU首席架构师 Raja Kodouri，表明Intel对GPU仍旧不死心。而GPU作为目前最主流的AI加速芯片，如果推出，相信不久也会加入到英特尔的AI全家桶中。

而在边缘计算端（指在靠近物或数据源头的一侧），英特尔也没有闲着。英特尔收购的Movidius此前就是这个领域的佼佼者，它之前是谷歌Project Tango背后的视觉处理器供应商，这家公司十年前就成立了。

Movidius的CEO是原来德州仪器OMAP部门的总经理，它的技术指导委员会也是实力强大：被苹果收购的P.A.Semi 创始人丹尼尔·多伯普尔（Daniel Dobberpuhl），卡内基梅隆大学计算机科学/计算机视觉专家金出武雄，以及前苹果 iPhone 和 iPod 部门工程副总裁、资深工程师大卫·图普曼。

Movidius目前推出的是一款以DSP为基础的视觉处理器，在视觉相关的应用领域有极高的能耗比，可以将视觉和深度学习计算普及到几乎所有的嵌入式系统中。

此前英特尔花153亿美元收购的Mobileye还有自己的芯片——EyeQ 芯片。这是一颗更加全面的SoC，主要面向汽车辅助驾驶或自动驾驶。不过此次AI大会并没有提到EyeQ芯片，不知道英特尔对此芯片将作何打算。

除了上面这些以及确定面世的产品， 英特尔还在研究更加前沿的类脑神经元处理器。Naveen Rao之前在高通的时候，便是原来高通Zeroth 神经网络芯片的项目负责人，从现有公布的信息来看很有可能是类似IBM的TrueNorth这样的类脑神经元处理器。Intel此前公布过一款拥有13万个神经元及1.3亿个突触连接的类脑神经元测试处理器Loihi，没有缺席这个前沿领域。

这么多芯片，相信各位看官已经云里雾里了吧，没关系，英特尔说了，我有统一的软件平台，包你们的程序都跑的起来。英特尔推出了nGRAPH来支持这些硬件。

nGRAPH是面向开发者的深度神经网络模型开源编译器，可以直接支持TensorFlow/MXNet以及Neon，还可以通过ONNX支持CNTK、PyTorch、Caffe2。编译器直接决定了处理器运行软件的效率。大力优化编译器是和Nvidia CUDA生态竞争的关键。

除此之外，英特尔还推出了OpenVINOA、BigDL、面向 Python的自然语言处理库等一系列软件产品，丰富自己产品的软件环境。

我们看到，英特尔这次对AI的赌注不可谓不大，光收购就花了几百亿巨头，而且将市面上存在的AI处理器构架几乎全部开发成了产品。包括：CPU、GPU、NNP、FPGA、DSP、SOC以及类脑神经元处理器。

从最后这张图看，英特尔的AI产品线可谓已经集齐了七龙珠了，就不知道最后能不能召唤神龙了。