想要在AI占有一席之地，英特爾單靠處理器的硬件并不足以搶市，透過軟件的優化提供強大效能，以及增進開發應用系統的便利性，將是布局能否成功的關鍵

上篇：英特爾AI策略全解析(1):延伸四大產品線

【英特爾強化AI軟件應用的4大層面】英特爾對于AI應用的支持，首先是處理器內建低階軟件原始指令，例如MKL-DNN；針對深度學習軟件框架，提供優化程序代碼；對于大數據分析應用平臺，投入Hadoop、Spark的版本提供或貢獻程序代碼；而在集成軟件開發工具，他們也推出Deep Learning SDK。

圖片來源：iThome

看好人工智能帶來的運算處理需求與未來的蓬勃發展，英特爾不只是推出多種服務器端處理器來因應，在2016年11月舉行的Intel AI Day活動期間，他們宣布將更積極發展深度學習應用的運算與溝通處理的鏈接庫，并以基本指令（primitives）的形式整合到處理器硬件上。而在AI應用軟件開發的支持上，他們陸續開始提供的部分，包含：鏈接庫、程序語言的支持、平臺、軟件開發工具包、程序開發框架。

無獨有偶，IBM與Nvidia也在11月宣布，雙方將連手開發新的深度學習專用軟件開發工具包PowerAI，可搭配IBM 專為AI應用所特別設計的服務器——OpenPOWER LC（采用Power運算架構與Nvidia NVLink互連技術），藉此提供企業級的深度學習解決方案。

英特爾在Intel AI Day提出人工智能的策略，正巧IBM與Nvidia也在之前宣布了PowerAI，在那一周期間，同時，又適逢全球高效能運算界關注的SuperComputer 2016大會舉行。顯然兩大陣營爭相較勁的意味相當濃厚，而且他們最終競逐的目標，其實都是下一波企業應用。

英特爾AI解決方案總覽

在AI應用的布局上，英特爾不只是單純提供處理器平臺，軟件的支持更是重點——他們發展多種鏈接庫、軟件開發平臺，積極支持多種深度學習應用框架，同時也會推出整合式的解決方案。

積極支持多種深度學習框架，陸續提供IA架構效能優化的程序代碼

以發展AI應用系統所采用的各種程序開發框架為例，英特爾承諾，將針對在Intel Architecture運算架構（IA）的系統環境，提供經過優化的程序代碼，以提升執行效能。

例如，在深度學習技術的應用領域當中，較為風行的幾種開放原始碼軟件框架（Deep Learning Framework），像是Caffe、Theano、Torch、MXNet、Neon，英特爾已經提供Intel Architecture優化程序代碼。至于TensorFlow的部分，英特爾與Google Cloud Platform在11月的Intel AI Day活動上，正式宣布策略合作后，最快于2017年初，才會釋出相關的程序代碼。

Caffe

這是由美國柏克萊視覺與學習中心（BLVC）所開發的框架，英特爾提供了特制版本Intel Optimized Caffe，可適用于Xeon與Xeon Phi處理器平臺，當中整合了英特爾發展的數學核心鏈接庫MKL（Math Kernel Library），并且已針對AVX2和AVX-512指令集，進行軟件效能優化的工程。

而Caffe經過改良的成效如何？英特爾提出的實例，是影音服務業者樂視云（LeTV Cloud）的非法影片偵測應用。他們是在Xeon E5-2680 v3服務器平臺上，搭配Intel Optimized Caffe來進行影片分類的訓練，結果得到了30倍的效能提升（相較于他們先前使用的BLVC Caffe，搭配OpenBlas鏈接庫作為卷積式類神經網絡）。

Theano

它是由加拿大蒙特婁大學LISA實驗室發展的深度學習框架，英特爾也提供了改良的鏈接庫，是針對多核心運算環境予以優化而成的版本，而在京都大學大學院醫學研究科的應用案例當中，當他們以此進行新藥探索模擬運算的測試上，精準度最高可達到98.1%，而另一個深度學習網絡（Deep Belief Networks，DBN）的測試當中，也獲得8倍的效能增長。

Torch

Torch也是許多人很關注的深度學習框架之一，目前主要維護的成員，是來自Facebook、Twitter、Google DeepMind公司的研究科學家和軟件工程師。英特爾對這套框架提供優化支持之余，同時整合了MKL鏈接庫，進而針對服務器硬件端執行的深度神經網絡指令集，提升效率。

而在這樣的環境搭配下，英特爾舉出的例子是他們與Pikazo軟件公司合作，針對他們開發的圖像風格轉換App，協助后端處理效能強化——若以App剛推出的效能作為基準，現在Pizako App在圖形上色（render）的速度，可提升到28倍，而能夠處理的圖檔尺寸也擴充到15倍之大。

Neon

Neon是英特爾并購的Nervana Systems公司所發展出來的鏈接庫，強調易用與高效能，在其現有的技術架構當中，可區分為深度學習功能（算法）、數據模型、解決方案等三層。

在這次的Intel AI Day大會上，英特爾也預告將推出Intel Nervana Graph Compiler，作為AI應用軟件層的共通基礎，以此對于深度學習應用的架構型態，提供更進階的描繪方式，以及調校作法。

針對類神經網?絡，提供高階的圖學運算編譯程序

深度學習框架Neon對于硬件資源的存取，會透過不同平臺的轉換API來介接，因此上層應用無須考慮硬件差異，接下來，英特爾會在Neon原本的架構與硬件轉換層之間，新增一層Nervana Graph Compiler，主要是為了針對類神經網絡應用，提供高階的處理，以便同時橫跨多臺硬設備執行。