《變形金剛》作為兒時最經典的動畫片之一，自上世紀八十年代末引進國內，時機正好趕上中國開啟工業化大發展的重要關口。片中的機器人不僅有著龐大的身軀以及操控自如強大力量，還擁有思維和善惡標準。簡直就是機械工業與智慧生物的完美結合體，而這也成為我們那一代人對機器人的最初認識和啟蒙記憶。
即便放在今天，這種既能與人類無障礙溝通又擁有強大力量的機器人依然是一個科幻般的存在。然而值得期待的是，隨著新一代信息技術與傳統工業的深度融合，以及企業不斷深化的智能製造轉型，人類正在拉近與科幻世界的距離，通過工業與智能的融合構建智慧工業體系，將人從危險、繁重的工作中解脫出來，進而實現人與機器的社會角色分工，為經濟發展創造價值。
正如當下工業智能化領域最熱門的那句話："如果AI不能在工業落地，那麼人工智能賦能生產力就只會是個夢想。"
工業與智能融合加速智能製造轉型
2019年，埃森哲在《人工智能：助力中國經濟增長》報告中將資本、勞動力以及全要素生產率作為傳統經濟增長模型的三要素。
報告認為，就當前經濟而言，單純擴大資本投入和勞動隊伍規模的效果一直在減弱，而僅憑兩種傳統生產驅動因素，已無力維持過去數十年來穩定發展的繁榮狀態。中國情形也是如此，主要表現在經濟增幅放緩、勞動力短缺和資本收縮顛覆了舊有增長模式，生產率改善也後勁不足。
報告建議，要克服資本和勞動力等實體限制並重新實現經濟增長，必須將人工智能作為新的生產要素納入其中。
首先，它可以創造一種新的虛擬勞動力，我們稱這種效應為"智能自動化"。第二，人工智能可以補充和提高現有勞動力和實物資本的技術能力。第三，像以往的其他技術一樣，人工智能還能推動應用創新。
在新一輪工業革新浪潮帶動下，已經有不少製造企業通過與領先技術廠商合作，將雲計算、物聯網、大數據以及人工智能等新一代信息技術融入到工業的設計、生產、物流、運維以及銷售全流程，逐步探索出一套成熟的應用模式，並極大的提升運營管理和生產效率。
例如，作為國內家電產業巨頭，美的集團就通過與英特爾人工智能團隊合作打造了工業視覺檢測雲平臺。
美的工業視覺檢測雲平臺採用了這樣一種架構：前端設備收集的圖像數據通過4G或Wi-Fi傳輸到雲端，通過深度學習框架，經由訓練獲得非標準化視覺檢測特徵，最終打造出通用化、智能化的瑕疵檢測能力。這一過程實現的基礎就是英特爾Analytics Zoo和至強可擴展處理器。
英特爾Analytics Zoo提供統一的數據分析 + AI平臺，可將Spark、BigDL和TensorFlow程序無縫集成到一個數據分析流水線中，從而構建和生產化部署基於大數據的深度學習，包括分佈式訓練和推理，以及低延遲在線服務在內的應用程序。
檢測期間，擁有相機的工業機器人可以自動拍攝產品照片，並通過HTTP將圖像發送到網絡服務以檢測各種缺陷。在運行過程中，Analytics-Zoo使用PySpark從磁盤中讀取輸入數據並進行預處理，並構造一個Tensorflow Tensor的RDD。然後，基於BigDL和Spark 對Tensorflow 模型進行分佈式訓練。無需修改代碼或手動配置， 整個訓練流程就可以自動從單個節點擴展到基於至強服務器的大型Hadoop / Spark集群。
依靠英特爾Analytics Zoo平臺和至強服務器提供的強大算力，美的工業視覺檢測雲平臺實現在50毫秒之內完成對圖片的讀取和處理，124毫秒完成模型推理。不僅大幅提高產品檢測效率和準確度，還有效的降低了人工成本。
除了與行業領先企業聯合合作打造面向具體應用的工業智能解決方案，在面對行業需求時，英特爾也通過與業界友商合作構建工業智能解決方案。
面對工廠產品質量低、檢測率低的困境，英特爾聯合雲服務商推出"邊雲協同"計算平臺，將深度學習技術應用於汽車、紡織、電子等行業的成品質量檢測，產品缺陷類型的檢測率達到100%，較人工操作效率提高5倍；面對中小型製造業企業互聯網普及率低、生產管理缺乏監督的困境，英特爾還推出非侵入式基於視覺AI的工業物聯網方案，實現對工廠成品率的實時預測及管理，促進工廠生產效率的提高。
隨著企業智能化轉型的深入，工業智能化的邊界正在不斷延伸，雲平臺雖然能解決一些實時性不高的海量計算需求，但面對低延時、高實時性的工業場景時，只有靠近物或數據源頭的網絡邊緣側才能實現業務快速響應。因此，邊緣計算作為雲平臺的重要能力補充，其價值正在得到越來越多的企業認可。未來如何實現雲邊高效協同，將AI從雲下沉到邊緣，直接決定工業智能化的深度和廣度。
雲到邊緣，全棧式AI融入讓智者更強
當前企業數字化和智能化轉型已呈現出兩個比較清晰的趨勢：
其一，研發管理系統上雲。包括CAD、CAE等研發系統以及ERP、OA、CRM等運營管理系統上雲，企業通常選擇以私有云架構部署核心業務，而非核心業務遷移到公有云，這種混合雲模式能兼顧性能、安全和成本，基於標準數據庫進行業務運算，對實時性要求不高。
其二，以工業互聯網為基礎的工業智能化。通過物聯網、5G、邊緣計算實現全生產要素互聯，經邊緣計算進行數據採集，再由邊緣計算與雲平臺實現協同運算處理，由於工業數據大多是非標準化的，無法存儲在標準數據庫，對實時性處理要求高。
企業智能化轉型的一個重要目的就是打通兩個方向的數據流，實現研發業務與生產管理業務在雲端對接，並在從邊緣到雲端實現人工智能等能力要素的注入，以此構建智能化的業務場景，達成提質、增效和降本目標。
如果將人工智能比作"火箭"，那麼大數據是"燃料"，雲計算是"引擎"。要讓"火箭"升空，必須將人工智能融入其中。對任何一家廠商來說，這都是一個極具難度的挑戰。
2016年，針對當前企業的智能化轉型需求，英特爾開啟了"以數據為中心"的轉型，歷時四年耗資350億美元佈局AI芯片，已成為全球唯一一家擁有CPU、GPU、FPGA、ASIC全場景芯片的公司。
針對大型數據中心，英特爾提供Nervana NNP-T 和 Nervana NNP-I，前者用於深度學習訓練，後者用於推理；面向邊緣端，Movidius VPU可在不同目標應用中提供低功耗、高性能的視覺處理，包括嵌入式深度神經網絡、位姿估計、3D深度感應、視覺慣性測距，以及手勢/眼部跟蹤；面向雲端，英特爾第二代至強可擴展處理器內置了機器學習加速（Intel DL Boost）功能，推理性能提升1.4倍。針對不同領域的智能化計算需求，英特爾第二代至強可擴展處理器產品家族包含了面向不同場景需求的產品。
如帶字母"V"產品系列的處理器表示對虛擬化環境做了優化，支持創建更多虛擬機，提高單個物理機上虛擬機的密度值，特別適合私有云部署；帶字母"S"的系列針對的場景更為細緻，是對搜索算法和業務特點做了優化，提供了搜索優化，特別適合高密度數據庫計算；帶字母"T"產品系列適合各種網絡、IOT 用途和專業操作環境，支持多種應用場合包括網絡、工業自動化，特別適合邊緣計算場景；帶字母"N"產品系列，提供更高的VM/VNF容量和密度，也就意味著同樣的設備上處理更多的用戶容量和服務，特別適合作為電信運營及雲平臺提供算力。
目前，華為FusionServer Pro智能服務器全部採用英特爾第二代至強可擴展處理器，利用處理器內置的AI加速提升計算性能。
2019年，英特爾還推出oneAPI統一編程平臺以及端到端大數據處理分析平臺，實現跨CPU、GPU、FPGA、ASIC的異構算力整合，並且提供跨架構、跨平臺的簡化應用開發編程支持，解決了開發者在不同架構開發需要使用不同的語言、庫和軟件工具進行編程的侷限，真正意義上放大了AI開發的價值。這使得英特爾處理器覆蓋了從訓練到推理、雲端到終端的全業務場景。
從技術角度講，雲、邊緣以及終端所依託的計算需求是不同的，如果無法針對不同場景提供專業化的算力支撐，不僅嚴重影響計算效率，還會極大拉高成本。無論對企業還是廠商，這都無法接受。
因此，推動異構算力整合以及在此基礎上實現雲、邊緣到終端的全棧式AI融入，已成為衡量廠商技術實力的一個重要標準。在智能計算領域，英特爾不僅面向不同場景提供AI加速的差異化計算，還通過異構算力整合實現計算效能的最佳匹配。
近年，為應對多元化的算力需求，華為面向不同應用需求的開發處理器產品。然而在服務器領域，華為卻始終保持著與英特爾的合作關係。主要原因有兩點：一是服務器處理器生態依賴完善的硬件、軟件、行業應用、產業政策、開發者社區以及標準體系，而英特爾在這方面擁有巨大的產業優勢。二是企業盲目進行服務器處理器替代的成本會遠高於帶來的收益。
競爭不是非此即彼，而是找到一種合作共贏的方案。華為依託英特爾完善的服務器產業生態體系以及領先的智能計算技術，能更好的支撐不斷深化的企業數字化和智能化轉型，讓智能化的土地更加肥沃。
