从融合现实（MR）到无人驾驶，从5G到人工智能，以及首次亮相的 SoC FPGA 开发者论坛……在美国旧金山举行的2016英特尔信息技术峰会（IDF16）上，智能互联新时代的身影愈发清晰，并带来更大的想象和创新空间。英特尔推出一系列令人兴奋的技术和产品，英特尔更加坚定地迈出转型的步伐，致力于成为一家驱动云计算和数以亿计的智能、互联计算设备的公司。 　　在这个过程中，英特尔主动寻求变化：提供整合平台，拓展计算疆界，把握智能互联时代的新机遇，与产业生态系统一起探寻新的增长点。但始终不变的是英特尔对技术创新满满的信心和执着的追求，以及不断加强与中国结成创新共同体的承诺。 　　提供整合平台，驱动开发者创新 　　过去，许多人在英特尔和芯片之间划上等号。这是几十年来大家熟悉的模式、固有的思维，但同时也是英特尔面临的挑战。到2020年，将有500亿台智能互联的设备，诸如联网汽车每天将产生4 TB数据，一个联网工厂每天将创造超过1 PB的数据……云和数据中心、物联网、存储、FPGA 以及5G由此形成不断增长的良性循环，这一过程蕴藏着巨大机会，驱动着英特尔的转型发展，揭示了一个强大而充满活力的未来。 　　传统的PC业务之外，英特尔正借力不断增长的良性循环，带来更多的技术创新，带给大家完全不同的精彩体验。英特尔注意到，目前的一些技术发展存在碎片化的特点，所以公司要把相关的技术整合起来形成平台：比如英特尔在 IDF16 上推出的交尔（Joule）模块，整合了英特尔的计算、实感技术等；此外还有 Euclid、Edison、Curie 等平台，它们帮助开发者和合作伙伴将创新的概念迅速变为现实，更好地推动物联网等领域的创新发展。英特尔与 ARM 开始合作，也正是基于整合技术、提供更好创新平台的目的。 　　拓展计算疆界，拥抱更广泛创新机遇 　　加入英特尔30余年，英特尔公司全球副总裁兼中国区总裁杨旭的一个深刻感受是：英特尔对未来发展、产业方向、技术走势以及人们的使用习惯及需求，有非常独特的看法和眼光。当下，智能互联正在催生更广泛的创新，计算的疆界不断拓展，激发出更多的想象力与创造力。正如英特尔在 IDF16 上所展示的，借助一整套下一代传感和数字化技术，融合现实带来体验物理和虚拟环境交互的全新方式；下一代英特尔至强融核处理器产品家族，为人工智能快速学习和反应提供了更为强大的计算能力；英特尔不断扩展的处理器产品线，再加上 FPGA 技术，能够更好地促进云与物联网之间的良性循环。 　　英特尔目前的转型在大环境上与以往有很大不同。产业大融合要求公司扩大合作，与合作伙伴和开发者分享技术，然后一起开发出具体的应用，这包括硬件、软件还有服务。比如英特尔将在美国洛杉矶设立的科技体验实验室，通过开发和创建一系列虚拟现实和融合现实技术，不断探索音乐、体育、电影等领域内容生产和制作方面的全新可能。而在此前，公司为 NBA 提供 FreeD 视频360度回放技术，呈现了更为精彩绝伦的赛事；携手 Lady Gaga 将音乐与科技完美结合，在格莱美颁奖典礼上带来前所未有的视听盛宴……英特尔不断突破产业界限，与合作伙伴一起拥抱更多创新机遇。 　　夯实增值土壤，与中国结成创新共同体 　　根植中国30多年，英特尔持续践行与中国结成创新共同体的承诺。英特尔公司全球副总裁兼中国区总裁杨旭也一直在思考，如何更好地将英特尔的未来目标，与中国的长远创新发展结合在一起。在“大众创业，万众创新”的氛围中，杨旭想特别强调增值，因为经济结构转型升级，其关键就在于如何通过智能化技术实现增值。“互联网+”、“中国制造2025”等战略规划的提出，便是以创新实现传统产业增值的路线图。英特尔也将以自己的技术优势，不断推动相关战略规划的实施，满足中国长远发展的需要。 　　中国已是全球智能创新的中心，创新的速度、力度以及政策环境都是空前的，对全球产业有着巨大的推动、引导和验证作用。英特尔致力于与中国产业界协同创新，引领智能互联发展浪潮，带来全球性的独特创新，比如在机器人、精准医疗等领域。英特尔将为中国的合作伙伴和开发者提供技术以及开发平台和工具，与政府、企业、教育机构共建“众创空间”，举办创客大赛与创业峰会等活动，激发更大的创新活力。 　　创新一定是有风险的，甚至会失败。但是不创新肯定走向失败，因为不动就是等死 — 这是杨旭特别认同的一句话。危机感是英特尔文化的重要组成部分，即使在英特尔处于同业领先的地位时，危机意识也从未离英特尔而去，而是一直驱使英特尔创新前行。 　　从技术着手，通过创新改变世界，英特尔努力成为跨越无数创新领域的技术创新驱动者。路在脚下，英特尔已经出发。

　　据报道，由武汉导航与位置服务工业技术研究院牵头，和武汉大学及国内其他相关研究团队合作，正联手制定北斗智能手机高精度定位导航芯片的相关标准，最快有望在今年底问世。该标准经有关国际行业组织认证通过后，将成北斗在智能手机高精度定位导航芯片领域走向市场进而走向世界的“通行证”，其定位精度可高达亚米级。北斗导航手机芯片标准的问世，将使北斗导航成为智能手机新的定位方式。 　　 　　5种手机定位方式综合比较 　我们知道手机定位的方式主要有5种：GPS定位、LBS基站定位、WiFi定位技术、A-GPS定位、GPS-one定位。为了让大家对现有5种手机定位方式优缺点有更直观的认识，下面将对它们进行综合比较： 　　1、混合定位技术A-GPS和GPS-One的比较 　　A-GPS：全称是网络辅助的GPS定位，手机可以接收GPS信号，但要借助基站的辅助才能更快、更准确地定位。理论上说，A-GPS可以用于各种网络，就是说移动、联通、电信的网络都可以。 　　GPS-One：是美国高通公司开发的基于CDMA标准的定位技术，通过在手机芯片上加载支持GPS-One协议的模块实现对手机的定位。目前只有中国电信的手机支持。 　　比较：A-GPS定位的优势主要在其定位精度上。在室外等空旷地区，其精度可达10米左右；其的缺点是在室内的时候，定位精度急剧下降。GPS-One定位技术在室外的时候，其实就是采用A-GPS的技术来定位，而在室内的时候卫星信号弱，则主要靠基站定位或无线网络定位。因此，综合来说，GPS-One比A-GPS要强。 　　2 、几类定位技术的性能对照表 　　 　　3、定位精度比较实例 　　下面是笔者用同一部手机运行百度地图后，先后分别单独打开WLAN、移动网络、GPS设置所得到的不同定位精度结果，包括WiFi定位在街道上和建筑物中的差别： 　　 　　 　　从上面的四个手机截图中不难看出，在城市街道上进行手机定位，定位精度从低到高依次是WiFi定位、基站定位、GPS定位。而在无线AP热点密集的建筑物内，由于手机处于多个无线热点信号的有效辐射距离内，WiFi定位的精度就比在户外街道上高很多，与街道上GPS定位精度不分上下。 　　小结：本文中对GPS定位、LBS基站定位、WiFi定位技术、A-GPS定位、GPS-one定位5大手机定位方式的优缺点进行了综合的比较。

　　8号是 iPhone 7 发布的日子，无论你是不是果粉，无论是主动关注还是被动接受，所有人的信息焦点只有一个，那就是苹果。作为技术创新的长期领导者，苹果已经一次又一次给我们带来各种意想不到的新体验，今天的 iPhone 7 更是如此。那么，就让我们从小小的智能手机开始聊一聊机器学习将如何改变个人终端的未来。 　　尽管新的产品、新的功能层出不穷，但人们不禁好奇，究竟是什么因素在将不可能变为可能。 　　答案大概可以归结为四个字：“机器学习”。 　　 　　iPhone 7 发布会 　　无论我们是否真的意识到，机器学习已经在我们的日常生活中应用很长时间了。事实上，我们没有注意到它的存在反而意味着这个技术非常有效，因为每天当着用户面处理学习如此大量的实时数据却不被察觉，显然这种方式是可以令人接受的。然而，最近这个词频频出现在各种商业和大众媒体上，在人工智能的专业技术人员和消费者中间引发了大量深入的讨论。 　　苹果公司早就在人工智能领域奠定了坚实的基础。在史蒂文·李维（Steven Levi）发表在 iBrain 上的文章中，其深入剖析了苹果错综复杂的机器学习技术。尽管很大程度上 Siri 只是苹果在机器学习方面的“门面”，但毋庸置疑的是，苹果在这方面的研发并不止于此，机器学习技术已经被应用到苹果的各类设备和应用中。例如，滑动屏幕会出现你想要打开的应用名单，或是指出你预订的酒店在地图的位置。这个直接面向消费者的人工智能应用，在科技行业树立了一个标杆，不仅成功提升了品牌价值，也让消费者对数字体验有了更高的期待。 　　 　　Siri 　　尽管 Siri 是一个非常受欢迎的人工智能应用，但她也不是没有竞争对手。虚拟助手 Cortana（微软小娜）的出现加剧了科技公司之间的竞争，现在鹿死谁手还未可知。这给苹果带来了巨大的压力，苹果很快意识到了问题，并开始不断采取措施加强他们的机器学习部门，目的就是为了在这一领域保持一个领先地位，尤其是要赶在新产品发布之前。最近的例子就是苹果收购了专注于机器学习的人工智能公司 Turi 。此外，苹果公司还宣布，除了已经搭载了 Siri 功能的苹果手机，他们还准备将 Siri 背后的深度学习技术集成到苹果的笔记本电脑、手表和电视上。 　　 　　iWatch 　　更深远的影响在于，这些努力是为了把机器学习运用到苹果的整个产品链中，此举标志着苹果的品牌和零售将开始一种全方位的个性化体验服务。 　　用户已经开始期待基于深度学习其实时行为反应的高级定制化内容。苹果公司已经意识了只有机器学习才能满足如此大规模的用户需求。苹果通过增强型机器学习算法提高内容准确性和时效性，为用户提供了一对一的个性化体验服务，这些最终将转化为公司的品牌忠诚度，并为公司增加营收。

　　机器人既是高端制造业的基础装备，也是人类社会的生活服务设施，随着人工智能等技术的发展，机器人正在从工业应用向生活服务应用蔓延，产业变革之际，正是后来者的机会之窗。 　　2010年，中国成为世界第一制造业大国。2013年，中国成为世界工业机器人的最大市场。2015年，中国市场共售出6.6万台工业机器人，连续三年位居全球市场首位。 　　国际机器人联合会（IFR）预测，2018年中国工业机器人的销量将达到15万台，占全球销量超过三分之一，规模是第二大市场日本（4万台）的近四倍。中国机器人产业联盟预测，未来十年，中国工业机器人市场的总规模将达6000亿元。 　　2012年之前，中国工业机器人市场由外资品牌统治。之后，在政策和市场的双重刺激下，国产品牌爆发，到2015年，已经占据了32.5％的国内市场。 　　2015年5月，国务院发布《中国制造2025行动纲领》，高档数控机床和机器人被列为十大重点之一。2016年4月，工信部、发改委、财政部三部委联合发布了《机器人产业发展规划（2016-2020年）》，提出“到2020年，自主品牌工业机器人年产量达到10万台”。 　　不仅中央政府，各级地方政府也将机器人产业作为重点扶持对象。提出产业发展目标，给出从财政补贴到用地、立项等各方面的支持政策。 　　天时地利之下，中国机器人公司能否抓住机遇更上层楼？ 　　当前，中国工业机器人应用市场正快速从汽车行业向一般工业拓展，这意味着新兴公司可以避开巨头公司在汽车行业难以撼动的优势，在新兴市场获得自己的一席之地。 　　随着人工智能技术和以物联网、大数据、云计算为代表的新一代信息技术与机器人的深度融合，机器人产业正在进入技术爆发期。机器人未来将越来越智能化，应用范围也将拓展到工业之外的服务领域，将给机器人产业带来更大的想象空间。而那些拥有独特技术的公司，无疑也将站在浪潮之巅。 　　据工信部统计，中国已有大大小小的机器人公司800余家。按照工信部的规划，到2020年，中国要形成较为完善的工业机器人产业体系，培育3家以上具有国际竞争力的龙头企业，打造5个以上机器人配套产业集群，在高端市场的产品占有率达到50％以上。 　　谁能脱颖而出成为龙头企业？笔者接触的业界多数意见认为，结合市场表现和创新潜力，新松机器人自动化有限公司、广州数控设备有限公司、安徽埃夫特智能装备有限公司、南京埃斯顿自动化股份有限公司、上海新时达机器人有限公司（002527.SZ）等公司是强有力的候选者。但与此同时，随着竞争加剧，将有数以百计的机器人公司被淘汰出局。 　　中国市场爆发 　　市场规模已是世界最大并仍在高速增长，市场格局正在从汽车行业应用为主快速向量大面广的一般制造业应用拓展。 　　中国工业机器人市场的增长与汽车行业相关。不论在世界还是在中国，汽车行业始终是工业机器人最大的应用市场。上世纪70年代，日本川崎重工从美国引进工业机器人技术，并将其产业化，首先应用在自家的摩托车生产线上，后来大规模在汽车行业推广应用。 　　中国工业机器人市场2008年后增速开始加快，2010年迎来了首个爆发式增长，该年中国市场销售工业机器人14978台，销量同比增加171％。 　　这一年中国工业机器人增长主要得益于汽车行业投资的增加。2009年中国汽车销量跃居世界第一，同时政策鼓励提高市场集中度的刺激下，2009年－2010年，中国合资品牌和自主品牌汽车厂商都大规模扩张了汽车产能。 　　IFR数据显示，2010年的工业机器人应用市场中，用于焊接、喷涂及各种装配操作的机器人所占比例约为55％，主要用于汽车行业。从增速来看，增长最快的是用于汽车整车制造焊接工艺中的弧焊机器人，同比增长了186％，占当年工业机器人总安装量的39％。 　　中国工业机器人市场另一个增长动力，来自一般工业的升级换代需求，并替代成本日益增长的劳动力。 　　 　　据中智人力资本调研与数据服务中心发布的《2016年一线用工管理调研报告》，2015年一二线城市制造型企业普通一线员工普通年收入约5.8万元。这一收入水平相比2000年制造业平均工资，增长了约6倍。同时，2009年往后，长三角、珠三角等制造业密集地区，开始大规模出现“用工荒”现象。 　　中国当下的产业转型，类似日本在上世纪七八十年代的情景。彼时日本产业结构从重化工业向半导体、汽车等资金、技术密集型行业倾斜，这导致制造业占GDP比例降低，但对工业机器人的需求却持续增长。 　　2008年，中国第一经济大省广东率先推动产业转型，转移和限制劳动密集型企业，推动产业向先进制造业、战略新兴产业等转型。到2012年，产业转型风潮波及浙江等地。2015年，国务院印发了《中国制造2025》，中国制造业转型升级成为国策。 　　反映到工业机器人应用市场，是一般工业市场需求的快速增长。中国机器人产业联盟的数据显示，2013年，中国市场销售工业机器人约3.7万台，成为世界第一大工业机器人市场。2015年，中国销售工业机器人约6.6万台，占全球工业机器人市场比例超过四分之一。 　　从应用行业看，中国工业机器人市场正在快速从汽车行业向一般工业拓展。2015年，汽车行业占工业机器人市场的比例已经降到了36.8％，工业机器人应用拓展到更多行业。从应用领域看，2015年销售比例最高的是搬运及上下料机器人，占总销量的43.8％，这类机器人可广泛运用于各门类的一般工业。 　　中国工业机器人仍有巨大增长空间。业内常用机器人密度来衡量一国制造业自动化水平，根据工信部的数据，2015年，中国制造业每万名工人使用工业机器人数量为36台，而同期全球平均水平为66台，发达国家平均水平超过200台。日本、韩国、德国的机器人密度均在中国10倍以上。 　　2013年12月，工信部制定《关于推进工业机器人产业发展的指导意见》，首次提出到2020年“机器人密度（每万名员工使用机器人台数）达到100以上”的目标。 　　2016年4月，工信部副部长怀进鹏在第四届中国电子信息博览会上表示，2020年中国工业机器人年销量将达到15万台，中国机器人产业产值将突破1000亿元人民币，到2025年工业机器人年销产量将达到26万台。

　　北京时间 9 月 8 日凌晨 1 点，苹果将在美国旧金山 Bill Graham Civic Auditorium 举办了今年的秋季发布会。全世界果粉翘首以盼的 iPhone 7/iPhone 7 Plus 正式发布。 　　而除了这些备受期待的硬件产品，苹果在人工智能上的布局似乎更容易让人忽略。事实上，除了众所周知的 Siri，人工智能正在苹果的产品和服务中扮演着无处不在的“大脑”角色。 　　无处不在的“苹果大脑” 　　在去年的谷歌年度媒体会议上，谷歌前 CEO Eric Schmidt 曾表示，谷歌在机器学习上的应用已经在邮件、图片及语音识别上为用户体验带来了极大的提升，其中，Gmail 甚至已经能识别出 99% 的垃圾邮件。但绝大多数用户却感觉不到这种体验提升的存在： 　　“即便有，也只是在搜索服务中能够明显感觉到。” 　　苹果也面临着同样的问题。虽然 iPhone 的用户能明显感觉到手机性能上用户体验的提升，但与绝大多数人认知相反的是，苹果的机器学习远不止应用在 Siri 上。 　　 　　识别陌生来电、在解锁后列出你最常使用的应用，或者在提醒事项中标记了一个约会，以及自动显示附近标记的酒店，这些在苹果全面应用机器学习及神经网络后，都能处理得游刃有余。 　　在某些层面，苹果人工智能有关的发布，很大程度借鉴了微软的Cortana。苹果高管表示，Siri 正走向桌面：不久，用户就可以和苹果电脑对话，就像和手机对话一样。 　　和 Cortana 类似，Siri 也能扫描用户的通讯情况并给出建议。假如系统发现两位用户正在通过文本信息讨论约会事宜，系统会自动弹出一个台历图示，这样，用户就可以在文本线程中实现会面安排。苹果也会推荐相关的对话 emoji，在新的操作系统中，这一功能会变得更加有趣。 　　 　　而和谷歌类似的是，苹果现在可以用面部识别技术扫描你的照片，给相册中的人物分类。假如祖父照片散落在相册各处，面部识别技术可以帮你找出祖父照片，并将它们分组集中起来，如此以来，整理回忆，你无需亲自动手。而脸书的自动面部识别技术已经面世好几年了。 　　值得一提的是，通过让用户在单一应用中尽可能完成更多的任务，苹果也在尽力减轻用户的应用程序疲劳症——无需离开文本信息对话就叫 Uber，在 iMessage 中就可以完成这一任务。想从电脑给某人发文本信息？ 　　现在，你可以告诉 Siri 这么做。公司也试着减轻用户的密码疲劳症，你可以用苹果手表登陆电脑，这样就不用再输入一次密码。而且，苹果支付市场也会进一步得到扩展，现在可以在桌面上使用 Apple Pay，而且对象涉及很多商业网站。这也意味着，那些偏爱使用苹果的用户在面对一大串商户时，不用再费力地进入并保存信息用卡信息。 　　而除了在 Mac 的桌面系统上加入 Siri 外，苹果还允许开发者在自己的 App 中接入 Siri 的语音功能。苹果用户不久后就能通过直接与 Siri 对话，使用 Slack、Uber 或者 Skype 了。 　　此外，苹果也在其新的战略产品 Apple Watch 上深度应用了机器学习，包括在 iPhone 上早已应用的用户行为检测和相机人脸识别功能。 　　总体而言，越来越多的用户正在与技术对话：谷歌最近说，大约 20% 的谷歌询问来自语音，而不是键盘输入。虽然一年多以前，Cortana 已经赋予用户与台式电脑对话的能力，但是，苹果的优势是能够将这一流行移动工具整合到桌面，实现不同设备间的无缝对接。而这些的最终目标是实现用智能助手连接一切服务，这也是谷歌和 Facebook 纷纷开源 bots 平台的原因。 　　在未来，以 Siri 为代表的苹果人工智能技术和可能会成为帮用户连接服务的“大脑”。

　　英特尔IDF大会刚结束不久的9月6日，英特尔就在北京召开了机器学习策略的媒体沟通会。在频繁的收购AI公司背后，英特尔销售与市场事业部副总裁夏乐蓓与英特尔中国研究院院长宋继强共同阐述了英特尔在人工智能领域的战略规划与产品布局。错失了移动时代机遇的英特尔，在人工智能时代能否扳回一局？全力押注人工智能，英特尔在产品技术上有哪些优势和不足？ 　　频繁收购AI公司 补齐人工智能技术短板 　　从去年12月开始，英特尔开启了大举收购人工智能相关技术公司的洪流。据不完全统计，在一年多的时间里，英特尔至少收购了六家AI公司。其在人工智能领域的布局也逐渐显露出来。 　　2015年12月，英特尔完成了167亿美元收购Altera的交易，这成为英特尔历史上最大金额的收购案。Altera是一家可编程芯片厂商，最大的价值是FPGA技术。这是技术专门为了解决深度学习对计算能力的要求而出现的，可同时进行数据并行和任务并行计算。收购Altera，使得英特尔能够推出CPU+FPGA的异构方案，更好的适应人工智能时代的定制化计算。 　　今年4月，英特尔收购了意大利半导体制造商Yogitech，这家公司制造了专为机器人和无人驾驶汽车开发的芯片。Yogitech芯片能够通过感应器和摄像头收集和处理无人驾驶汽车周围的环境信息，并用以指导无人驾驶汽车的行驶。而在随后的5月，英特尔又收购了专门从事计算机视觉算法的俄罗斯计算机视觉公司Itseez。这套计算机视觉算法可以帮助汽车“看见”并躲开路面上的障碍物。英特尔计划利用Itseez创建汽车安全系统的物联网，如自动驾驶，数字安全监控和工业检测等等。通过这两次收购，英特尔就具备了研发无人驾驶汽车芯片的能力。在随后的7月，英特尔宣布与宝马、Mobileye联合开发无人驾驶汽车。 　　今年8月，英特尔刚刚以4亿美元的价格收购了一家AI初创企业Nervana。这家公司研究了深度学习芯片（Engine芯片），性价比很高，而且处理速度是GPU的10倍。未来，英特尔可以把Engine芯片整合到英特尔的CPU中，这样可以以一个低成本的方法来实现人工智能处理的高性能，打造适合深度神经网络的处理器。而在不就后的9月6日，英特尔突然宣布收购硅谷计算机视觉技术公司Movidius。据悉，Movidius自主研发了全新架构的低功耗视觉处理器VPU，可以为智能设备增加视觉功能，包括无人机、安全摄像头、VR和AR头盔。分析认为，英特尔收购了这家企业，主要是为了利用计算机视觉、感知运算来增强RealSense 3D深度摄像头技术。通过收购Nervana与Movidius，英特尔不仅能够补全在嵌入式端与云端的CPU方案的不足，而且能够更加游刃有余的整合深度学习芯片和VPU等芯片。 　　总之，上述一系列的收购，不仅补齐了英特尔在机器学习领域的短板，同时也延伸了英特尔处理器的业务体系，为以后推出适合未来人工智能时代整合型的超级处理器打下了基础。 　　整合技术资源 建立人工智能产品矩阵 　　 　　英特尔销售与市场事业部副总裁夏乐蓓 　　夏乐蓓称，云计算的大规模扩散，计算本身的成本下降以及万物互联产生的海量数据，让人工智能迎来新一轮的大爆发。而英特尔作为芯片领域的厂商，是未来人工智能产业链条上的重要一环。由于这种变化，英特尔目前正在经历着一个非常重大的转型，在过去英特尔公司主要是一个和PC或者融入PC来开展业务运营的公司，而现在更多的转向进一步充分发挥云的能力以及全世界几十亿台互联设备的能力的公司。

　　打开手机摄像头，相机自动识别人脸，并把对焦点所在锁定人脸之上，然后按下快门，“咔嚓”一声一张合焦精准的照片留在相册当中。识别人物是高通（Qualcomm）Zeroth最常见的应用，但Zeroth研发过程，远没有拍照留念那么简单，高通在其中付诸了巨大努力，今天Zeroth应用更不局限于此，Zeroth还欲借骁龙处理器助你安全上路。 　　 　　Zeroth生从何来 　　Zeroth，我们很难用一个中文词语将意义清晰表达出来，它是高通“脑启发计算”研究项目的代号，其核心是深度学习（Deep Learning）。深度学习是机器学习的一个分支，机器学习是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测，简而言之就是从反复的规律中学习并进行自己的判断。深度学习则要建立在模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，这就包含了更多方面，例如图像、声音和文本。 　　深度学习对计算机运算能力依赖非常高，往往采用大规模并行计算，与人脑特性相符。可人脑的并行运算能力比传统计算机高出5个数量级，因此深度学习依附在云计算或是高性能的CPU/GPU计算集群之上。在Zeroth项目初期高通曾使用GPU与FPGA（Field－Programmable Gate Array，现场可编程门阵列）进行计算，后来采用专门的NPU（Neural Processing Unit，神经处理单元）执行。 　　 　　到了今天Zeroth已经可以在移动处理器上实现，也就是我们熟悉的骁龙820处理器。Kryo CPU、Adreno 530 GPU与Hexagon 680 DSP是骁龙820执行Zeroth计算主力军，尤其是Adreno 530 GPU，它负责大量并行运算。 　　

　　在一个月前刚刚以 4 亿美元收购了一家 AI 深度学习初创企业 Nervana Systems 后，英特尔在本周一又宣布将收购视觉处理芯片厂商 Movidius。 　　作为一家视觉芯片处理初创公司，这家公司的名气肯定不及英特尔、高通以及 NVIDIA，但 Movidius 的技术已经植入在耳熟能详的 Google Tango，大疆精灵 4 无人机等。 　　Movidius 在计算机视觉方面有很强的技术积累，这家从 2006 年就成立的视觉计算芯片公司花费了 9 年的时间开发出了低价低功耗高性能的视觉处理器芯片——Myriad 系列 VPU（Vision Processing Unit）。 　　 　　这种芯片针对单一需求（视觉）研发，拥有低功耗，低价格，小体积但性能强等特点。 　　这一年我们听到的 NPU、VPU、HPU 等等，这大概都是为了突出单一功能性需求所命名的半导体芯片。 　　但往大了说，计算机视觉才是这个所谓的核心领域。从用于测绘地图的 3D 摄像头，到机器人对于人类世界的环境感知，自动驾驶汽车传感器的应用，或是在智慧交通、智慧城市环境里的摄像头。我们确实会进入一个需要计算机视觉的场景，而且从物联网的角度看，VPU 的出现合情合理。 　　当然大家对于这家公司早有耳闻。在去年它就有曝出过大新闻——2015 年 4 月，Movidius 宣布完成 4000 万美元 E 轮融资，这里也有来自中国的资本领投；一些媒体还将 Movidius 评为 2016 年“50 大创新公司”之一。 　　尽管被英特尔收购，但 Movidius 的使命仍然是“为机器赋予视觉能力”，反而英特尔的目的更简单——配合英特尔的 RealSense 3D 深度摄像头技术。 　　从双方覆盖的产品来看，Movidius 技术可以应用在机器人、VR 以及无人机等这些新技术产品上，英特尔 RealSense 3D 深度摄像头近年也出现在了无人机、机器人甚至 VR 头盔 Alloy 上。 　　在新技术以及物联网领域，英特尔正在加大投资。 　　 　　此前曾一度传说英特尔有意收购 Movidius 的消息后来又被搁置，但现在也算最终敲定了这笔交易——我们并不知道这笔交易的具体金额，但我们看到英特尔正在发力人工智能市场，且并购一系列的技术公司。 　　除去上个月收购的那家 AI 深度学习初创企业 Nervana Systems。在今年的 5 月份，英特尔也收购计算机视觉公司 itseez，这家公司主要开发供驾驶辅助系统使用的软件和服务，英特尔有意将其用于安全领域。 　　我们相信会继续看到英特尔将整合的技术应用持续作用在自身的云、计算领域，这同样可以看出英特尔转型的决心——当然这样做也可以降低此前单一 PC 业务模式所承担的压力。

　　在一片绿色的海洋，点缀着“夜空中最亮的那颗星”。 　　自带明星光环的黄仁勋，每一次的亮相，总会带着“n饭”们自发的欢呼声。这一次的GTC CHINA 2016，北京，光环依旧，皮装依旧，但黄仁勋和他的NVIDIA已经迫不及待地去拥抱新时代了。 　　 　　在今年美国的GTC大会上，黄仁勋说， “这8年来，GTC的影响力越来越大，未来会在全球范围内做更多小一些规模的GTC，以扩大影响力，并帮助到更多的人。” 这是GTC CHINA 2016落户北京的大背景。 　　在9月13日的北京，NVIDIA不仅全球首发了两款深度学习和自动驾驶最新产品，还宣布了与京东等中国创新企业的合作项目。人工智能的新时代，就是NVIDIA的一次浴火重生。 　　做时代的巨人 　　近两年，人工智能获得了业界最关注的目光，这是为什么呢？ 　　是AlphaGo吗？美国谷歌开发的人工智能机器人AlphaGo与世界顶级围棋职业选手李世石，进行了一场举世瞩目的人机对决，引起棋界内外、横跨体育科技界的全球关注。进而形成了对人工智能广泛的探讨。 　　其实，AlphaGo带来的只是一个对采用人工智能技术的机器人，超越了人类巅峰带来的意识觉醒。而真正的人工智能带来的改变，应在生活层面。 　　正如黄仁勋所说，” 我们生活在移动互联网的世界，手机上有很多应用程序APP，比如推荐餐厅、推荐电影、提供运营服务的APP都需要背后的推荐引擎来提供支持，这些推荐引擎都是需要通过训练的，需要有AI的网络经过训练才能提供这些推荐的服务，很多都是由GPU在背后提供支持。” 　　可见，人工智能的技术正在提供改变生活的技术和能力。这才是人工智能对我们的真正价值。而在其中，NVIDIA的GPU已经成为了不可获缺的核心。这让NVIDIA成为人工智能的时代巨人。 　　数据显示，到2025年，人工智能市场将达到360亿美元的规模，人工智能将成为 IT 领域中发展最快的部分，或将引领继蒸汽机，电力，计算机之后的第四次工业革命。而这些领域的发展与突破，都离不开GPU计算的帮助。 　　那么GPU对人工智能的关键价值要如何理解？简单的讲：GPU创造的视觉计算与我们大脑思考时产生的精神图像非常类似。与大脑相同的是，GPU在处理问题时会调动数千个小型处理单元，从而共享数据和提供解决方案。如果要训练一个神经网络来识别图像和语音，需要在数十亿乃至数万亿的操作中处理数百万个数据。没有GPU的话，这一过程需要耗时几个月，有了GPU则只需要几天。这个对比，清晰可见。 　　所以，黄仁勋说，“人工智能计算将让我们创造出可以像人类一样学习和行动的智能机器，所以我们相信这是人工智能时代的开端。”同时，作为全球GPU行业的领导者，NVIDIA无疑站在了行业的最前端。 　　黄仁勋的中国情节 　　尽管，黄仁勋的中文一直不好，但他始终对中国市场报以最高的期待值。比如，NVIDIA已经在上海开设研发中心很多年，NVIDIA一直与中国的合作伙伴保持长期稳定的合作关系。包括GTC CHINA 2016的召开，都表明NVIDIA对中国市场的聚焦和看好。 　　 　　黄仁勋表示，“在美国以外的第一次GTC大会，就选择在中国举行。因为，整个中国的互联网产业，尤其是AI产业增速确实非常迅猛，在中国有几十万数量的开发者，中国的软件行业是世界上第二大的。所以我相信GTC应该到中国来。” 　　事实上，在中国，NVIDIA与很多中国互联网公司开展了战略合作，比如与阿里巴巴的在加速优化商品推荐上的合作，帮助阿里云构建中国首个基于GPU的云上高性能计算平台；与百度联合启动从云端到汽车的自动驾驶平台开发；与科大讯飞进一步提升语音识别的速度和精准度等等。 　　在本届大会上，NVIDIA与京东宣布达成战略合作并共建联合实验室，双方将在人工智能领域展开紧密合作，共同加速智能电商时代的到来。

　　AI人工智慧夯，自动驾驶车辆更是电子业供应链最上游晶片厂的兵家必争之地，除辉达以外，英特尔、高通等晶片大厂也积极投入，国内晶片厂联发科则在鸭子划水阶段。 　　随着PC、手机步入高原期，各家晶片大厂这两年苦寻下一个高速成长的机会。 　　辉达已与百度开发自驾车平台，同时与汽车大厂BENZ、Volvo等进行合作；英特尔今年7月也曾宣布将与BMW和自动驾驶平台开发商Mobileye携手，共同打造全自动驾驶汽车INext和自动驾驶通用平台。 　　高通今年也宣布，针对骁龙（Snapdragon）820处理器的Snapdragon神经处理引擎SDK将在下半年推出。 　　国内IC设计业也积极卡位，联发科年初在新事业群新设车用电子小组。