重視計算力的價值
前面Jason Waxman之前也提到了，到2020年，AI計算量就會增長到12倍，我們對硬件也作出了投資，這是從行業(yè)來說更加重要的投資原因，到2020年的時候，我們數(shù)據(jù)中大部分都是由AI驅動的，我們說到很多數(shù)據(jù)的價值，現(xiàn)在全世界有海量的數(shù)據(jù)，全世界每天都會產(chǎn)生巨大的數(shù)據(jù)，每一個星球上生活的孩子，不管是成人，他們?nèi)绻米约旱娜四X進行計算的話，要用30多年的時候才會產(chǎn)生這樣的數(shù)據(jù)。但是在未來，我們AI的計算量將增加到12倍，我們不再需要人工幫我們進行這樣數(shù)據(jù)的計算，我們都會變成自動的計算。
關于英特爾人工智能咨詢委員會
我非常開心的宣布，我們成立了非常了不起的英特爾人工智能咨詢委員會，這些都是業(yè)界的領袖，可以幫助我們進一步制定AI的戰(zhàn)略，并且?guī)椭覀冞M一步研究神經(jīng)網(wǎng)絡。
Bruno Olshausen來自加州伯克利的，他是第一位咨詢員，從我們公司建立的開始就跟他建立了很好的合作關系。
之后是Ron Dror，他來自于斯坦福大學，他致力于研究超級計算機，他所研究的超級計算機模型可以用作藥物計算的發(fā)展。
還有一位是Jan Rabaey，加州大學伯克利分校的，他也是專注于研究我們整個神經(jīng)網(wǎng)絡架構的，并且和我們整個行業(yè)有很好的練習。
Yoshua BenGio是我們深度學習的三大創(chuàng)始人之一，他們也是我們最后20幾年間所作出創(chuàng)新的先鋒者。幫助我們能夠把深度神經(jīng)元打造得更加有用，在一開始的時候深度神經(jīng)系統(tǒng)被人們認為并沒有那么有用，但是現(xiàn)在讓人們相信這是非常有效的技術。
所以我們說AI可以從各種方向來被我們進行應用，現(xiàn)在AI是一個非常熱門的話題，但我們有不同的使用AI的方式，有一些是可以把它用到機器學習中去，有一些用到推理系統(tǒng)中，比如我們的Saffron系統(tǒng)。另外我們兩邊，也就是機器學習和推理系統(tǒng)可以進行互動，另外我們可以有四種不同的實施方法，可以為用戶提供滿足他需求的方法。不管是深度學習、經(jīng)典機器的學習，還是基于記憶或者是基于邏輯的學習，我們?yōu)橛脩籼峁┑氖亲钸m合他們的最好的解決方案。
關于英特爾Nervana
XEON
在這邊我列出了英特爾Nervana一部分產(chǎn)品組合，首先是我們的XEON，這是我們比較通用的解決方案和處理器。另外，我們的軟件解決方案也可以在所有這些處理器上進行工作，之后就是至強融核，它非常適合高性能和通用機器學習。
Skylake
另外，我們還有FPGA，來自Nervana的一個技術。我們剛剛也發(fā)布了Skylake，是我們最新版本的至強，這一個版本也已經(jīng)進行了進一步的優(yōu)化，它可以幫我們將性能提高到的8倍，并且也是針對能效進行的優(yōu)化。
至強融核
至強融核也是令大家非常興奮的一個部分，它也和我們深度學習有著非常深的融匯，它的主要目的就是能夠處理多重的工作負荷，所以在軟件部分我們也發(fā)現(xiàn)了有各種各樣不同的創(chuàng)新，通過應用至強融核，可以將深度學習性能提高到四倍，與此同時性能也非常卓越。