英特尔张宇：提供面向边缘人工智能解决方案 助力企业数字化转型

　　(赵婷婷)9月3日，在2023中国国际服务贸易交易会(简称“服贸会”)期间举办的“中国智能产业论坛”上，英特尔中国区网络与边缘事业部首席技术官、英特尔高级首席 AI 工程师张宇围绕边缘人工智能发展趋势，及英特尔硬件软件的产品如何赋能合作伙伴，快速构建面向智能边缘的应用服务，发表主题演讲。

　　张宇指出，近期，人工智能新技术、新产品、新应用和新生态层出不穷，通用人工智能、大模型等等让人工智能芯片的技术升级再次成为业内热点。人工智能技术在各个行业得到迅速普及和应用，例如交通、医疗、零售、工业等等。随着行业以及连接、智能应用、数据隐私保护等方面诉求增加，推动了边缘计算尤其是边缘智能事业的发展。

　　边缘AutoML阶段：边缘人工智能发展的一个最终的形态

　　张宇指出，人工智能尤其是边缘人工智能的发展应该分为三个阶段：边缘推理阶段、边缘训练阶段和边缘的自主机器学习阶段。

　　当下人工智能在边缘的应用大多数还是停留在边缘的推理阶段，行业还是需要利用数据中心极大的算力或者大量数据训练一个模型，把训练的结果推送到前端进行推理操作，这是目前绝大多数边缘人工智能使用的模式。这种模式是现实，但是同时也有局限性，最大的局限性是对模型的更新频率有限。

　　以自动驾驶为例，它所代表的是边缘人工智能发展的下一个趋势——边缘训练。边缘训练实现人工智能的训练要面临一系列的特定挑战。如资源有限、缺乏专业知识、边缘训练碎片化、难以在运行时保护数据和模型并在多样化硬件平台上部署等。

　　在当下的人工智能里头，不管在边缘应用还是在数据中心的应用，人在人工智能里仍然扮演一个非常重要的角色。

　　张宇认为，今后人工智能发展应该进入边缘AutoML阶段，它是边缘人工智能发展的一个最终的形态。这个阶段网络模型应该感知人的意图，选取适宜的样本集训练这个模型，将训练结果推送到训练阶段进行相应操作。甚至根据训练的结果不断更新、不断重新训练网络模型，进行不断迭代，达到最佳的理想结果。

　　同时，他也指出，现在的大模型和AIGC，也只是说在往AutoML方向上前进的一小步。在大模型里头也有很大的局限性，目前像ChatGPT等等这样的一些应用，它都工作在开放的状态，而不是闭环的状态。而真正到AutoML的状态应该有一个人工智能的闭环。

　　“如果把攀登高峰比喻人工智能不同阶段，实现边缘推理只是意味着我们站到山脚，到我们能实现边缘训练只是站到半山腰，真正站到山顶是真正实现AutoML的时刻，这个还有很长的路要走。”张宇指出。