英特尔于1985年进入中国，如今已经发展成为总部之外最全面的覆盖研究、产品开发、制造、产业生态合作、营销和销售、客户服务，包括风险投资和企业公民责任的企业。1993年在上海建立的英特尔架构实验室在2005年9月升格为英特尔亚太研发有限公司，目前拥有2200多名员工，其中博士100多名，由于研发实力出众，成为英特尔的卓越中心，以优秀的创新和执行力以及市场和生态系统赢得声誉。

英特尔亚太研发有限公司总经理卢炬在谈到公司发展的未来方向时说，“实际上我们正在推动计算与通信的未来，创造前所未有的体验。”而这个未来目标市场就是自动驾驶汽车、5G网络、人工智能和物联网，价值3000亿美元。

1968年，英特尔由集成电路发明者之一的罗伯特・诺宜斯和提出摩尔定律的戈登・摩尔共同创立。在过去的50年间，半导体行业始终遵循着这一经验性的规律，这背后是无数半导体行业的从业者的努力，让摩尔定律保持了下去。

卢炬说，英特尔的技术优势体现在三个方面，一是生产世界上最好的半导体，二是全球领先的端到端平台的提供者，三是引领人工智能和智能革命。

目前在云计算、虚拟化技术、大数据、深度学习、基本输入输出系统和固件视频技术等领域，英特尔紫竹园区拥有世界一流的工程研发能力。据介绍，英特尔紫竹园区主要的研发方向有数据平台，客户端平台，物联网，基础和平台方案，存储、架构、图形及软件。

英特尔亚太研发有限公司总经理 卢炬

英特尔亚太研发有限公司的软件实力亦是雄厚，有从固件开始到操作系统、中间件、应用程序的一整套软件的开发能力，累计专利数五年前便已达到2000件。自成立以来，一直通过软硬件协同打造一个开放的技术生态系统，赋能生态伙伴和开发者，加速技术创新和应用突破。

数据富矿与英特尔的数据战略

这是一个以数据为中心的世界，全球超过一半的数据产生于过去两年，其中只有不到２%的数据进行了分析。

英特尔数据平台集团中国总经理 王飞

英特尔数据平台集团中国总经理王飞在谈到数据带来的机会时，认为98%尚未被处理的数据是一个富矿。英特尔以数据为中心，提出三大策略，一是更快的传输；二是更多的存储；三是处理一切。

围绕着数据应用，英特尔聚焦在以下场景的应用。一是云。其中基于云的数字广告市场2022年将达4200亿美元，电子商务达4.8万亿美元的规模，复合年增长率达20%；二是人工智能，到2021年，超过75%的APP将会融入AI功能；三是5G和边缘。到2024年，19亿的5G订阅用户将驱动35%的网络流量。

英特尔在围绕数据应用时有几个策略：一是产品组合；二是与业界的生态伙伴一起合作，把价值转化，从产品到最终用户的价值，关键是培育生态系统，与生态伙伴一起创新；三是培养人才。

5G发展起来后，随着万物智能互联的发展，数据量会越来越大，数据的格式也会更加多样化。像人工智能、机器学习这样的新技术，要从实验室转化到生产线，有很多复杂的问题需要解决。

英特尔高级首席工程师、大数据技术全球CTO、英特尔大数据分析和人工智能创新院院长 戴金权

谈及如何运用AI和大数据，英特尔高级首席工程师、大数据技术全球CTO、英特尔大数据分析和人工智能创新院院长戴金权介绍，一个在真实环境下的AI应用是一个复杂的流水线，涉及成本、可扩展性、专有接口、数据隐私等。除了AI模型，还需要其他模块的配合，比如数据的收集、转换、特征的转换等等。在这样复杂的一个流水线上，要让它运行得更加高效，需要整合异构的软件和资源。“在大型流水线中，AI模型的贡献比隐藏在其他的模型要少得多。在应用AI的过程中，可能80%的时间都用在分析筛选数据上。我们的工作就是解决这些复杂的问题。”

英特尔开源了基于Apache Spark的分布式深度学习框架BigDL和Analytics ZOO。BigDL基于现有的Spark集群来运行深度学习计算，并简化存贮在Hadoop中的大数据集的数据加载。

当英特尔看到，深度学习应用于大数据管道时需要手工“拼接”多款独立组件（如TensorFlow、Apache Spark、Apache HDFS等），又开发出Analytics Zoo，将Spark、TensorFlow、Keras和BigDL程序无缝合并到一个集成管道中，可以透明地扩展到大型Apache Hadoop/Spark集群，用于分布式训练或推理，其用户包括美的/库卡。

在实践中，英特尔发现基于神经网络的AI模型的结果更为准确。传统的数据训练遇到新增数据加入时，需要做全量的重新训练，但是采用神经网络模型的训练，只需对新增数据进行增量式的训练即可，消耗的成本比传统的模型更加少。

有了这些AI开发的基础设施，英特尔帮助电商、金融、制造、科研、电信、互联网等领域的企业进行图片分析、消费行为预测、质量检测、粒子对撞数据筛选等，涉及的技术领域包括计算机视觉、自然语言处理，实时分析，并且取得了不错的成果。

oneAPI为开发者带来简化的统一硬件接口

在这个以数据为中心的时代，数据的形态也发生了巨变：从结构化的文本数据到非结构化的视频、音频数据，来源也从互联网向工业工程数据、车联网数据等不同的应用场景扩展。

英特尔亚太研发有限公司机器学习首席工程师林晓东介绍，英特尔的产品覆盖的广泛计算架构包括标量（Scalar）、矢量（Vector）、矩阵（Matrix）和空间（Spatial），分别主要应用于CPU、GPU、AI加速器和FPGA产品。这种标量、矢量、矩阵和空间架构的组合，英特尔称之为“SVMS架构”。

当数据中心拥有大量的多元化硬件架构时，在不同的架构上编程需要不同的工具和语言，英特尔为此推出oneAPI项目，在AI、深度学习和数据分析上布局，以支持实现横跨 SVMS 架构的数据并行编程。“我们希望把英特尔的硬件变成一个对开发者非常容易的抽象，简化他们的开发工作，只需一次编程，或者只需对英特尔的硬件进行微调便能获得高性能。”

人工智能赋能企业数字化转型

人工智能与商业分析教授、法国里昂商学院全球商业智能中心副主任、工商管理博士DBA导师丁文璿教授在活动中做了《AI赋能数字化转型，如何对企业进行全面重构》的主题演讲。

丁文璿说，“企业在看待人工智能时需要想清楚，实施人工智能的目的是什么？给企业赋的是什么能？如何赋能？”

人工智能与商业分析教授、法国里昂商学院全球商业智能中心副主任、工商管理博士DBA导师 丁文璿

企业数字化转型，要明确三个关键点：什么是转型？什么是数字化转型？如何实施数字化转型。这其中的关键逻辑是，生产力决定转型的方式。转型的本质是用新生长出来的先进生产力去替换正在衰败的生产力，并重新探索和构建出能够同先进生产力相适应的产业生态与生产组织，而这一切又依赖于科学技术的进步和企业全体成员的认知水平与技术能力的提升。人工智能的出现是将人类智慧赋能给机器，使它按某种意志，有意识地自主形成为一种生产力。

企业采用先进的技术，背后的原因是时间与速度在商业里发生了变化。企业成长加快，企业被淘汰的时间也加快；产品生命周期在缩短，争夺用户的时间窗口在变短。由此，企业存在的目标改变了，企业的任务改变了，企业的工作模式改变了，生产设备和装置改变了，生产流程和管理流程改变了，员工的岗位和人员的资质要求改变了。以往技术进步淘汰的是落后的工具，而智能化时代淘汰的将是人。

人工智能将在哪些领域发挥作用呢？

丁文璿认为将发生在以下四个方面：生产力的转型，即生产工具由能量转换型工具到能简化工作或节约时间的智能型工具；生产资料的改进和转型；生产方式和生产组织的转型以及生产者的转型。

产业结构也将发生跃升与进化成强劲生态系统。首先体现在优化赋能。即原有运营不变，但是用AI精准处理各种表征关系状态的数据。比如从北京打电话到深圳，声音包传输中需要多少机站，带宽是多少，可以由AI来计算。

其次是深化赋能，即拓宽、拓深原来的经营领域，用AI分析市场趋势，根据自身优势，创造新产品及其流程。这其中一是增加同类产品，比如格力从空调开始，向其他小家电领域延伸，再延伸到芯片研发；二是增加异类产品，比如腾讯利用IT技术跨界赋能。

头脑风暴 智慧沙龙

第三是流程化赋能。产品不变，但改变经营模式，比如拼多多。

但归根结底人工智能能做什么，还要看其本质。问题本身是否可计算，能达到什么效果？如果再来一次，哪些地方会做得不同？

从上世纪50年代起，科学家们研究人工智能的目的是机器模仿人类的认知能力。包括：

１.智能机器必须具有感知和理解周围环境的能力。

２.它不仅能从训练和自身经验中学习，而且具有通过推理和思维做出决策的能力。

３.在对模糊和不确定的情况，能像我们人类一样，自主产生“直觉”。

如今的强人工智能也在着意模拟人脑的认知和思维过程，具备理解能力，决策过程可解释，具有自我意识。

“当我们看到人工智能越来越精彩的应用时，我们应该了解，英特尔最大的贡献是提高了算力，这是一切应用发展的基础。”丁文璿说。

中国经营者俱乐部高端会员汇聚英特尔亚太研发中心