Intel宋继强：人类未来要学会与AI共处

收购Mobileye，成立人工智能产品事业部和人工智能应用实验室，英特尔在不断收购的过程中，也加快了结构转型的步伐。

“英特尔看好人工智能在汽车形态上的应用，因为汽车本身就是一个存量的市场，只是需要去改造，价值是显而易见的。”宋继强说到。

作为英特尔中国研究院院长，英特尔在自动驾驶的发展过程中，最关心的还是安全性与可靠性，即在各种数据的支撑下要把安全性调好，还有系统的可靠性。“FounctionalSafety(功能安全)是第一位的，而全盘考虑是提高Reliability(可靠性)的一个很有效的方式。”

人工智能带来的颠覆，不仅仅是自动驾驶在不远的将来取代司机，目前来看一些工作已经开始被机器取代。

根据记者之前的报道，机器替代人类工作，如搬砖砌墙、速记、律师、编辑、翻译等职业的初级工作都面临着被取代的风险。

而与“机器替代人类工作，造成大量失业”的论调相反，宋继强更愿意从正面去看待这件事情，“机器正在替代人去做那些特别繁重，特别需要损耗自己精力的事情，而把人解放出来做更有价值、更有创造力、更美好的事情。”

宋继强认为，从科技发展历史来看，人工智能会造成需要的一些知识结构的变化，这是会发生的，但通常来讲没有看到因此产生的大的社会问题。但是在这个过程中，最为关键的是，人类必须学会灵活转型，学会跟机器、跟人工智能共处。

在人工智能的加持下，手机之后的产品形态是什么?对于这个问题，宋继强用“贝尔定律”进行了回答。根据贝尔定律，每10年主流计算机的尺寸缩小一个量级，也就是10倍，同时用户数扩大10倍。宋继强认为，计算模式的演变是必然在逐渐转向非接触、非直接控制的方式。

从大型机(1978年左右)到小型机(1988年左右)，到PC(1998年左右兴起)，到智能手机(2008年iPhone火热)都是这么一步步过来的。那么即将到来的2018会是什么呢?宋继强称，“现在的共识是，以后的交互模式是不需要人专门去学习，专门限制在一个小屏幕上，就是那种泛在的，用自然的方式跟它交互。”

“我觉得这是今年AI最需要突破的地方，是怎么在之前的语音和视觉监控领域之外，找到更多的落地应用，甚至直接面向消费者提供价值，铺开应用面，产生社会价值，进而真正要把支持人工智能全方位应用的硬件体系构造出来。”宋继强说道。

以下根据宋继强问答实录整理，记者做了不改动原意的删减：

机器让人类失业?人类应该

学会灵活转型

记者：人工智能目前已经在取代很多人的工作，当然也造成了一些人的失业问题，中低阶层的人失业以后造成了贫富差距越来越大。您觉得这会成为未来五年面临的很大的社会问题吗?

宋继强：通常从科技的发展来看，会造成需要的一些知识结构的变化，这是会发生的，但是通常来讲没有看到因此产生的大的社会问题。但人工智能代替的一般来讲是一些工作流程中重复性比较高，需要记忆力比较强的或者是计算要求比较强的，因为计算和存储是计算机的两大特色，这是它的特长。如果你想跟计算机比计算或者比存更多的单词，你永远是比不过计算机的，它真的发展很快。而且现在又有这么多数据，基于数据去挖掘、整理、归类的东西也是计算机现在会干的事情，所以这些领域逐渐都是会由计算机替代。

但是人所独有的这些推理能力，这种基于跨领域去综合判断的能力，这个是目前的人工智能并不具备的。因为我们知道人工智能目前都是针对特定的一个问题去设计的一个算法或者训练出来的网络，你让它一下子迁移到另外一个，它没有这个本事;你让它跨不同的领域发现其中的一些结合点或者创新点，它没有这个能力;你让它突然灵感一现，它也不具备这个可能性。所以，人应该逐渐去发挥人自己的特长，而不是跟机器比记忆、比计算的速度，或者比我们能工作24个小时，这都不是人应该比的，或者是比力量，力量早已经不能比了。

现在主流的观点是，机器正在替代人去做那些特别繁重，特别需要损耗自己精力的事情，而把人解放出来做更有价值、更有创造力、更美好的事情。这个造成中间的一些短暂的技能的转换，这是必然的。但是对整个人类来讲，这是更美好的事情，你不用整天记很多单词，整天跟着这些新的网络词语还要赶紧跟上，要不然你就翻译不出来了。这个事情可以把你解放出来，你可以做更好的事情。现在一些人也在讨论是不是可以让AI跟人结合学点灵感能够做什么，作曲、文学、书法创作，我觉得这都是很好的一些灵感。

记者：但是总的来说，做这些工作的人需要开始考虑转型了?

宋继强：人一定是灵活的，就像以前做的很多搬运工作，慢慢的你要去换成做新的事情，人如果也一成不变，只能干一样事情，那就不是一个特别灵活的人。人的特点就是能够快速学习新的东西，然后能够去关联好多种不同领域的知识。学会跟机器、跟人工智能共处，因为人工智能最终替代的是其中的一些环节，而不是整个端到端的流程。

人工智能刚起步，做定制化芯片要寻求规模化

记者：从人工智能的角度来说，包括目前我们看到的一些创业公司，都在做专门用于人工智能领域的芯片，包括把语音或者麦克风整合到芯片中，做成一些专门针对于某个领域例如智能家居的芯片，您觉得这个东西英特尔会去做吗?会去针对不同的领域做定制化的吗?

宋继强：目前没有这方面的信息，因为人工智能是一个大概念，是宽泛的概念，具体落到每一个应用领域都有它自己的需求，这个应用领域会选择自己需要的算法和它的一些指标，这个指标有时候就需要你去做出专门的芯片才能满足它的体积、功耗和成本的指标。所以为一些特殊的应用场景做芯片，这是完全可以理解的，这是很正常的。只要创业公司确定这方面需要一个专门定义的芯片，并且它知道这个芯片在这个领域能够规模化，它做是完全合理的，因为我们知道芯片必须规模化才有用。

未来的芯片按照不同的需求定制，这个是正常的。因为芯片实际上就是把一些软件的功能给固化，让它可以批量的生产，体积最小、速度运行得最快、功耗也低、成本也低。举个例子，我们看电视里面的视频编解码芯片就是这么一代代来的。

这个市场是广泛的，做芯片的厂商自然会将来专门为它做定制芯片。而且未来像这种人工智能领域一定要细分到各个垂直领域，才能够把人工智能的很多算法，把它的性能提到最高。就像你现在看深度学习的训练，也不是一个通用的模型。一旦这个模型被训练识别人脸，就不能拿去做语音识别，也不能拿去做基因测序，就是这个道理。所以一旦为这个应用确定好它的工作指标以后，就可以往芯片的方面发展。至于它能不能做成一个专用芯片，还是做成FPGA加速的方式或者GPU加速的方式，这要取决于它对算法还能不能改变、微调，和能够应用的量有多大，才能做出准确的判断。因为做ASIC要花的时间比FPGA要长，做FPGA又比在GPU上试验又长，周期是不一样的，成本也是不一样的。

记者：英特尔会在人工智能芯片这个领域做一些什么布局?还是说会提供更宽泛的定制化的东西，让用户去选择?

宋继强：我们的布局是比较全面的，从移动终端这个级别的芯片支持到后面云端的都有，首先是端到端你都可以找到可以加速的英特尔硬件方案，同时在每一个垂直领域都还是有可能有不同的软件层面的支持，所以是一个端到端的硬件支持加上全堆栈的软件支持。

端到端的例子，比如我们在最前端，最小的设备，像手环这个级别里面，我们有像Curie(居里)这样的，这样小的东西里面都有108个神经元做简单的分类机的训练，这也是人工智能的一个最小的体现。再往上走一级，像Movidius这种，已经可以支持像无人机的视觉功能、智能摄像头，做监控用的智能摄像头功能。再往上走一级可以选择无人驾驶、Mobileye的IQ4、IQ5芯片的支持。再往上走一级，到了边缘计算的级别，是非常适合采用至强加FPGA的方式。再走到云端就是至强融核，或者Nervana，或者至强融核加Nervana，还可以加FPGA，多种组合。客户可以根据他的需要选择用什么样的方式，通常来讲，如果你的工作负载比较确定;如果他的工作负载还经常有可能变，还在试验阶段，就可以用FPGA，甚至用至强融核。

英特尔给用户提供的是多种选择，因为AI现在还是在早期，给客户提供定制版的芯片为时尚早。整个社会不是技术驱动的，是靠商业应用去驱动的，首先要把这个价值理清楚了，而不是技术本身可以推动这个世界。从AI发展的60年过程中，那两次冬天来看，其实商业价值并没有充分得到体现，自然这个技术还就要没法往后发展。

买下Mobileye深耕无人驾驶，看好未来千亿级市场

记者：英特尔是最擅长在芯片领域进行整合的公司，为什么这次收购Mobileye之后让它做独立运营，然后把英特尔内部无人驾驶的部门合并到Mobileye?

宋继强：这个要从Mobileye在这个行业的地位来看。因为无人驾驶这个行业，目前来讲是一个非常高成长性的行业，一些领先的巨头公司都想进入。但是要在这个领域里面最终占据优势，一定是要做多传感融合，并且有算法、软硬件综合去做优化。Mobileye已经成立了十二年，而且在前面这些年一直专门深耕，把它的计算机视觉的算法应用在车载领域，做驾驶辅助和未来自动驾驶，并且做了专门优化。并且这个优化落地到了硬件的芯片上，也就是说他们是找了芯片厂商一起合作，把他们的软件算法的一部分和硬件紧密结合，提高性能，降低功耗，把它做成了一个很完整的系统。

Mobileye给大家提供的是一个完整的模块，完整的方案，但是对于未来整个无人驾驶来讲又不是全部，因为它必须和英特尔的其他技术，包括其他传感器数据拿进来融合。以后的模式肯定不会就是一个单路摄像头，而是同时还要与通讯整合，还要和存储的很多Storage整合。也就是说，英特尔的Go平台以后会和Mobileye有更深的整合。Mobileye是在它那块已经奠定了很好的基础，而且这么多年来它已经跟全球很多车厂建立了很好的关系，这意味着它对这个市场的认知度很好，它知道该怎么进入这个市场，跟哪些车厂做合作。

另一方面，它还有很多的数据，它在这个行业里面已经收集了不同的国家、不同的天气、不同路况下的数据。收购以后，英特尔在数据包括软硬件、多传感融合方面一下子占据了领先的地位。再配合英特尔自己本身也在重点发展5G，5G端到端通讯的架构，可以让基础设施跟车之间、车和车之间都构成一个完整的解决方案。这是非常重要的一步，这一步迈出去以后，等于我们向未来的大市场占据了更好的有利地位，并且也给其他行业里面一起成长的伙伴们奠定了一个信心，大家都知道这个领域是一定会发展得很快的。未来这个市场估计至少都是700亿以上的市场，甚至可以达到一千亿以上的市场。

记者：英特尔收购Mobileye以后，网上有一些言论是说无人驾驶这个领域未来会有三个巨头，英特尔，高通和英伟达，您怎么看这种说法?

宋继强：我觉得不能估计到底有几个巨头，因为现在来看，无人驾驶这个领域还是属于发展的早期，中期阶段还没到，到底最优的方案是什么，其实需要靠实际运营去检验。现在来看，整个系统架构，英特尔提的是最完整的。我们应用在汽车方面的芯片给出了很多种不同的选择，往内部看，英特尔有Atom级别的;往外部看，针对辅助驾驶或者以后的智能驾驶，有SQL、FPGA的方案，甚至至强融核也可以加进去做处理。到底这里面的工作负载是怎么分工合作，这块我们现在觉得应该没有个定论。但是不是就是现存的这几家芯片厂商?比如你刚才讲的高通、英伟达，是不是就是以后的三大巨头呢?我觉得这个事情不能估计，太早了，说不定中国还有一家厂商突然崛起，以后成为巨头之一，这也是我们很欢迎的。

做无人驾驶要全盘考虑，最关键的还是“安全”

记者：AI尚处于早期，为何看好无人驾驶这个市场和产品形态?

宋继强：英特尔看好汽车+人工智能形态，因为汽车本身就是一个存量的市场，只是需要去改造，价值是显而易见的。对于整个社会来讲，交通是可以靠它去疏解的，一个完全控制好的车队和一个到处乱挤乱塞也是完全不一样的，一些无畏的伤亡可以减少，比如一些司机误踩了油门当刹车造成的惨剧就不会发生了。

记者：在您看来，无人驾驶最关键的技术会是什么?

宋继强：非常关键的是，在各种数据的支撑下要把安全性调好，还有系统的可靠性一定要调整好。Founctional Safety(功能安全)是第一位的，因为这是让人去乘坐的车，所有都要以功能安全为主。这个系统里不光要加入能够实时完成功能的一些软硬件的技术、设施，同时要为可能发生的某些部件的失败做备份。这里面很多东西是跟传统的在可靠环境里部署的系统是不一样的，因为车是在各种路况下都要去工作的。

传统的情况下，我们很多时候是知道这种工作负载和它的工作环境是什么样子的，但是无人驾驶不知道，而且它要为很多边界情况去做优化、做完善，它的可靠性一定要高。不能说把80%、90%的情况都搞定了这个车就OK了，你还要去搞剩下10%的Case，因为每一个0.1%，甚至0.01%都可能造成人的死亡，所以要为各种边界情况去做优化。

在无人驾驶领域，一个是各大厂商要以功能安全和可靠性为优先去做它的系统，并进行实际的测试。二是我们做整个系统的时候也要考虑到怎么样把端到端的布局做好，因为要做成这样的可靠性系统，肯定不能光依靠自己车本身，要考虑到基础设施怎么帮你，别人的车怎么帮你，云端怎么帮你，各种组合起来把这件事情可靠性做好。一定要有全盘观念才能做好这件事情，千万不能只是聚焦在一部分，例如我只负责视觉这块，我加速就行了，绝对不是这样的。

全盘考虑，这是提高Reliability(可靠性)的一个很有效的方式。比如说一个车，我可能再怎么做，能做到99.9%的可靠性，但是如果我有了环境里的信息，我可以再给它提升，如果再有了别人的车给我的一些信息，我可以再提升。原来非智能车发展过程也是这样，不断利用新的技术增加进来去提升它的可靠性。

记者：目前，无人驾驶落地还有什么样的困难?

宋继强：无人驾驶应用的落地，一个是在技术层面上，真的要把多传感融合，实时在车这端能够搞定一些实际情况的快速反应，这件事情要做好。第二，要把车和基础设施之间的信息交换做好。第三，针对不同的国家，他们的路况要能够边界情况处理掉。举个很直观的例子，做无人驾驶的人说，在美国、欧洲跑的车到中国肯定跑不好，在中国能跑得好的车到印度又跑不好，最后还说在印度跑得好的车到哪个国家又跑不好。从这几个级别就知道，实际上是否跑得好跟整个环境，还有你面对的这些可以移动的智能体是很有关系的，所以只能是一步一步的来。中国的车厂首先可以解决怎么在中国开好车的问题。

贝尔定律影响下，手机之后的产品会是更自然的交互

记者：你看好这些实体硬件与人工智能的结合吗?比如亚马逊的Echo。

宋继强：他们把商业模式做好了就可以了，为什么不看好呢?亚马逊的Echo模式已经很成功了，其实它并没有用太高深的人工智能，只是用语音做了一个入口，把远距离收音做得特别好，别人很方便用它，不要走到它跟前跟它讲。关键是它很好的接入了亚马逊很多的服务，又开放出了简单的平台让别人在上面开发需求，它就做好了。所以你不太需要什么特别高深的技术，只要把这个商业模式运转起来就很好。

记者：但是智能音箱受环境制约很大，而且现在不是刚需，比如我用它叫一个外卖，手机也可以。今年很多人认为用对话式的交互替代之前的一些交互方式，在您看来，它会成为未来的确实吗?

宋继强：应该是未来的趋势。至于是不是刚需，取决于目标人群。对于习惯了整天用手机的人，这不是刚需。对于那些经常手上拿着东西，不方便用手机的人，就会变成刚需。所以你看Alex，针对的很多并不是我们整天拿着手机的人，所以能否成为刚需是对不同人群来讲的，没有一个东西对普遍所有人是刚需的，只有空气、水对所有人是刚需。针对目标人群定下来以后，你就会找到他们的刚需。

另外，计算模式的演变是必然在逐渐转向非接触、非直接控制的方式。根据贝尔定律，每十年主流计算机的尺寸缩小一个量级，也就是10倍，同时用户数扩大10倍。所以你看到从大型机到小型机，到PC，到智能手机都是这么一步步过来的，用户数现在是爆发了。

下一代是什么?他的年份刚好是从1978(大型机)、1988(小型机)、1998(PC)、2008(iPhone)，那么即将到来的2018会是什么呢?这种弥漫在各处的计算能力和通讯能力，一定不需要你去用手指指点点的去操作。就像你在1998年的时候想不到iPhone这种设备一样，同样也想不到后续是什么样的交互模式。但是现在的共识是，以后的交互模式是不需要人专门去学习，专门限制在一个小屏幕上，就是那种泛在的，用自然的方式跟它交互。只不过现在还没有做到那么好，但是这个趋势是一定的。越往后难度越高，而且有一个初期和后来逐渐能够起量的过程。

不想冷却，AI需要更多落地应用和直接面向消费者提供价值

记者：在您个人看来，对于人工智能这几年的发展有什么样的期待吗?

宋继强：这一波人工智能的兴起是靠深度学习催生起来的，而深度学习真正发挥作用的领域目前只有两个，一个是图像，一个是语音，而这两个领域目前来讲已经被深耕了，一个是安防监控领域，一个是智能语音的识别、语音助手这些。

首先，我觉得这是今年AI最需要突破的地方，是怎么在之前的语音和视觉监控领域之外，找到更多的落地应用，甚至直接面向消费者提供价值，铺开应用面，产生社会价值。80年代那波人工智能是靠知识工程专家系统起来的，也做了一些2B的应用，但是最后还是没做起来。这波我们希望真的能够在这种针对广大消费者、大众的领域里找到很多的应用点。

这波人工智能的特点还有一个，就是很多是结合了硬件实体的，像机器人、无人机、智能音响，或者其他的智能体，智能空调等等，这也是跟前面的两波人工智能的热潮完全不一样的。我们不希望这一波人工智能是靠技术推动起来的热潮，再陷入应用落地不够多，又冷下去。

第二，真正要把支持人工智能全方位应用的硬件体系构造出来，不是说只是其中一点，而是各种应用都有能够支持出来的硬件。就像英特尔，我们画出来这个路线图，我们希望能够正常的把它实现出来。

第三，希望大家都能够认识到AI是一个中立的技术，你可以把它用好，你也可以把它用坏，大家都努力用在好的地方。另外，结合实体经济里的一些东西，，就像之前的互联网+，“AI+”什么，是不是让传统的互联网产业多想想，让他们知道AI能干什么?

记者：您现在最担心的是什么?

宋继强：最近我发现，很多人对AI是一种很虚无缥渺的认识，好像它无所不能，这个认识就很麻烦。甚至还有很多AI从业者要多给原来的实体产业或者其它的非IT行业的人普及人工智能到底是什么，目前它能提供什么水平，让它们去指导这个产业如何加入人工智能，能做到什么样的升级。把技术门槛降低了以后，我们也希望客户知道这个东西能为他做什么，而不是对他存在一个过高或者过低的预期，这是蛮重要的一件事情。这块你们媒体也发挥着非常重要的作用。