如果没有2005年的爆红，这些数以万计的陌生人或许就不会站在雨里，为台上的偶像李宇春“打 call”，而李宇春也不会在走红12年后，为台下的这些人创作一首给他们的歌——《今天雨，可是我们在一起》。
2005年，除了李宇春夺冠，其实还有两件事在被庆祝着：一件是英特尔正在庆祝自己入华20周年，还专门成立了一支投资基金，规划了一系列投资计划；另一件是中国计算机界正在筹备人工智能诞生50周年的纪念活动，彼时的人工智能还坐在冷板凳上。
12年后，这几条线有了一个交点：李宇春为自己的粉丝写了一首歌，歌曲的 MV 由英特尔提供技术，而这个技术就是现今掀起巨浪的人工智能。
雷锋网了解到，在这支 MV 中，为了表达歌曲传达的情绪，有很多雨水贴在面部、鲤鱼游过面部的画面场景，这些图案特效需要经过影视后期的设计和加工，更需要在英特尔3D人脸面部表情捕捉技术基础上，与面部进行贴合。在英特尔于成都举办的品牌之夜活动上，雷锋网编辑也体验了该技术，通过面部表情的变化，该技术可以即时在脸上贴合一些“奇怪的东西”，比如恶魔、蜘蛛、雨水等。
英特尔3D人脸面部表情捕捉技术，能够实现人脸的自动检测与识别，定位人脸的78个关键点，快速重建3D人脸，并且实时跟踪面部表情变化，从而将预先设计好的特效素材附着在3D人脸上，重新渲染到MV视频中。
有一点不同的是，以往的表情捕捉技术需要在人脸做标记点，需要较为复杂的传感器，而应用了深度学习算法后的技术，则不需要上述两点，更为智能。
做到这一点其实依靠的还是机器学习，英特尔中国研究院王山东表示，基于大数据，通过数十万张人脸的数据库，实现了一个低精度的视频、摄像头捕捉到的照片或视频都能够精准的识别人脸，随着人脸数据库，精度会上升。这项技术能够应用于任何3D特效公司。
除此之外，我们还和英特尔中国研究院院长宋继强，就英特尔在人工智能领域的研究与布局聊了聊。以下为采访的Q&A 部分，雷锋网在不更改原意的基础上，做了调整：
记 者：英特尔在 AI 方面的布局依据什么思路？
宋继强：人工智能本身范围非常广，看你怎么去定义，如果只是深度学习，就很窄了。如果说把其他经验借鉴进去，比如规则、推理、机器人等，这些都算在广义的人工智能领域。
英特尔的布局首先是解决训练的问题。训练现在是依赖云端的，像英特尔®至强®处理器、英特尔®至强融合™处理器，还有收购的 Nervana，刚才我讲到灵活的多任务处理的结构，英特尔®至强®处理器、英特尔®至强融合™处理器便能给予的，如果针对于某些密集的训练需要的专业加速，比如深度学习相关的，那就是 Nervana 的 Lake Crest 可以给出来。目前来讲，训练比较流行的是深度学习算法，它能把一个模型训练到解决某类问题。比如，训练好之后就可以做语音识别、人脸识别、或者物体检测，有不同的功能。
训练好之后，会面临一个问题就是部署，部署实际上不涉及训练，它就是要快、成本低，功耗低。英特尔收购的另外一些公司，比如说 Altera，它的 FPGA 实际上是一种低成本、低功耗的硬件加速单元，它是用来覆盖哪些市场容量不是很大的情况，市场容量大的时候 FPGA 的性价比就没那么强，这种情况下开始有 ASIC 的方案出来，像 Movidius，就是我们收购的在前端非常小的功耗要求下，能够把带深度学习能力的计算视觉算法加速。
记 者：英特尔中国研究院主要负责什么？
宋继强：英特尔中国研究院主要做视觉相关的人工智能的核心算法，包括人脸识别技术、情绪识别、场景理解。今天的体验英特尔3D人脸面部表情捕捉技术是人脸技术的延伸，人脸技术已经做了10年多了，现在也做物体的识别检测和深度神经网络的压缩，压缩主要是在一些部署的时候前端的硬件资源是有限的，内存有限，计算能力有限，所以我们把训练出来很大一个模型压缩到原来的1%，但是保持工作时候（例如推理的时候）的精度，这是很重要的技术。
情绪的识别，就是表情的识别，目前也是学术界比较流行的叫情感计算主要的基础。不光是看到这里有人，这是谁？要开始去理解人的情感。
还有一个技术是做场景的理解，让计算机去看一个视频的场景，能产生文字，等于说加标注或者是加解说词，这个是非常有用的技术，对无人驾驶、机器人、智能家居都非常有用，可以把场景的情况语义化，因为我们知道其实文字具有很多种技术，可以接着开始往后做，更多一些怎么去理解，怎么去做意图分析，怎么给人提供相应的服务，怎么去给场景进行一些意外的检测，这个是学术界很热的。叫做 Visual Understanding。这三块是基于视觉的人工智能技术。
另外一块，是我们研究院最重要的跟人工智能相关的研究，就是机器人——家用机器人，我们的目标是推出一套基于异构计算平台的家用机器人开发平台，这种平台可以帮助很多研究的团队（不具备完整的平台搭建能力），推出这个以后他们可以基于这上面做他们想做的，我们把基础的运动能力、感知能力和加速放在上面，这个平台基于酷睿级别的CPU加 FPGA，也可以选择性加上 Movidius 神经计算棒推出去。
记 者：中国研究院的研究人员有多少？
宋继强：大概全职有60几位，实习生有20几个，加上 supporting，不到100吧。
记 者：英特尔中国研究院是除了美国以外最大的？
宋继强：对，英特尔研究院一共800人左右，有600人是美国本土的，分成四大块研究方向，是英特尔关注的：
第一块是电路和架构
第二块是系统和软件研究
第三块是5G，甚至更前沿的无线通信研究
第四块是安全技术和隐私管理技术
这是美国的四大function lab。
在海外有两个是称为地区性的研究院，一个在中国，另一个在欧洲。欧洲是组合的，一部分在爱尔兰，一部分在德国，目前有40多人，那边可以调用欧洲的大学资源，研发很先进，有很多研发投入。英特尔中国研究院，也利用中国的人才和中国的一些产业政策，我们做的结果是希望能够辐射到全球的。
记 者：阿里成立了达摩院，英伟达宣称攫取了人工智能行业80%以上的利润，听上去这些公司都是显得更前沿，对此您怎么看？
宋继强：英特尔研究一直是前沿的，我们没有讲太多，比如最近我们将神经元芯片、神经拟态芯片、量子计算方面的东西，我们在前沿的领域已经有不错的工作，有一些是在世界领先的。
目前人工智能市场不大，在英特尔看来目前的投入都比较及时，并且能在未来产生商业价值的时候我们的产品已经存在。目前整个数据中心中，跑人工智能占比较小。但是其未来三年增速可能是12倍。面对这样的增速，我们就有应对方案。此外，海量数据不光是在服务器做训练，做存储（英特尔有3D XPoint），做通讯有很好的方案。在前端，很多客户遇到的问题，部署时，如果使用GPU是不可取的，功耗高；在前端需要价格低、功耗低，在部署层面上如何更好的做推理，同样需要多样化方案。这一块英特尔已经看到市场上的产品，例如收购的 Movidius，在市场上推动其快速迭代，FGPA 也在推动在这些领域的进入。英特尔接收到全球的动态，在多种方案上进行推动。
记 者：人工智能芯片市场怎么样？
宋继强：人工智能目前是属于婴儿期，是英特尔的普遍认知，未来10-20年都是产业向上发展的，现在判断什么是最后的芯片方案为时过早。芯片需要靠应用去确定，在应用落实前无法判断什么是最终的芯片方案。
目前人工智能热在于深度学习在学术界的突破产生的。深度学习在学术界使用的GPU方案去做，当算法都迭代完毕，主要看谁的芯片最厉害的时候。但是无法判断未来演进方向，包括一些指标仍然在不断引进。这个指标里面，离谁是最后的赢家，还有一段距离。
记 者：收购和投资小厂的时候有什么标准？怎么判断？
宋继强：和英特尔有战略相关性的才会去投，其次技术必须是领先的。
记 者：英特尔与 Facebook 合作开发人工智能芯片将在年底推出，该芯片会有哪一些突破？
宋继强：去年我们有讲 Lake Crest 芯片架构，目前应该是一脉相承，既提供了很多的并行张量计算单元，都是用块去计算的，提高了很多高密度计算，而且计算扩展性也很好。一个芯片一代可能只是一个PFlops的运算，如果需要多的话，可以通过几个芯片去组成阵列，继续增加你的运算资源。
芯片和芯片之间的运算必须保持高带宽，低延迟，专门设计了 cell 通路，保证芯片之间通讯足够快，带宽足够高。在扩展芯片支持尺寸的时候不会带来额外的一些代价，这些是他们设计的要点，而且在计算能力方面领先。而且上面有一套软件，这个软件帮助用户拆分数据流里面放在不同应用领域加速。有一套软硬件集合的方案，基于这些应用优先考量。Facebook有很多种不同的社交数据，这些不同测试应用，看这个芯片到底怎么样才能够优化。今年底出一个测试点，在过一段时间正式点，正式出来是选择很好的合作伙伴，可以让我们通过训练来迭代。
正在生成分享图...
nebula