英特爾張宇：提供面向邊緣人工智能解決方案 助力企業數字化轉型

　　(趙婷婷)9月3日，在2023中國國際服務貿易交易會(簡稱“服貿會”)期間舉辦的“中國智能產業論壇”上，英特爾中國區網絡與邊緣事業部首席技術官、英特爾高級首席 AI 工程師張宇圍繞邊緣人工智能發展趨勢，及英特爾硬件軟件的產品如何賦能合作伙伴，快速構建面向智能邊緣的應用服務，發表主題演講。

　　張宇指出，近期，人工智能新技術、新產品、新應用和新生態層出不窮，通用人工智能、大模型等等讓人工智能芯片的技術升級再次成為業內熱點。人工智能技術在各個行業得到迅速普及和應用，例如交通、醫療、零售、工業等等。隨著行業以及連接、智能應用、數據隱私保護等方面訴求增加，推動了邊緣計算尤其是邊緣智能事業的發展。

　　邊緣AutoML階段：邊緣人工智能發展的一個最終的形態

　　張宇指出，人工智能尤其是邊緣人工智能的發展應該分為三個階段：邊緣推理階段、邊緣訓練階段和邊緣的自主機器學習階段。

　　當下人工智能在邊緣的應用大多數還是停留在邊緣的推理階段，行業還是需要利用數據中心極大的算力或者大量數據訓練一個模型，把訓練的結果推送到前端進行推理操作，這是目前絕大多數邊緣人工智能使用的模式。這種模式是現實，但是同時也有局限性，最大的局限性是對模型的更新頻率有限。

　　以自動駕駛為例，它所代表的是邊緣人工智能發展的下一個趨勢——邊緣訓練。邊緣訓練實現人工智能的訓練要面臨一系列的特定挑戰。如資源有限、缺乏專業知識、邊緣訓練碎片化、難以在運行時保護數據和模型并在多樣化硬件平臺上部署等。

　　在當下的人工智能里頭，不管在邊緣應用還是在數據中心的應用，人在人工智能里仍然扮演一個非常重要的角色。

　　張宇認為，今后人工智能發展應該進入邊緣AutoML階段，它是邊緣人工智能發展的一個最終的形態。這個階段網絡模型應該感知人的意圖，選取適宜的樣本集訓練這個模型，將訓練結果推送到訓練階段進行相應操作。甚至根據訓練的結果不斷更新、不斷重新訓練網絡模型，進行不斷迭代，達到最佳的理想結果。

　　同時，他也指出，現在的大模型和AIGC，也只是說在往AutoML方向上前進的一小步。在大模型里頭也有很大的局限性，目前像ChatGPT等等這樣的一些應用，它都工作在開放的狀態，而不是閉環的狀態。而真正到AutoML的狀態應該有一個人工智能的閉環。

　　“如果把攀登高峰比喻人工智能不同階段，實現邊緣推理只是意味著我們站到山腳，到我們能實現邊緣訓練只是站到半山腰，真正站到山頂是真正實現AutoML的時刻，這個還有很長的路要走。”張宇指出。