芯东西（公众号：aichip001）
作者 |  高歌
编辑 |  Panken

芯东西4月12日报道，今天，英特尔中国研究院举办了2022年探索创新日活动，展示了在人工智能、边缘计算等方向的研究，包括机器视觉、神经网络、三维人体追踪技术、智能交通、虚拟场景下的真实道路测试等技术成果。

活动期间，英特尔研究院首席研究员、英特尔中国研究院视觉与人工智能实验室总监陈玉荣分享了有关英特尔中国研究院在视觉智能方面的技术；英特尔研究院首席研究员、英特尔中国研究院智能边缘系统实验室总监吴向斌分享了英特尔中国研究院在车路协同、边缘计算等领域的研究成果；英特尔中国研究院政府和企业合作总监王鹏则分享了英特尔中国研究院政产学研的合作模式及最新案例。

此外，英特尔研究院副总裁、英特尔中国研究院院长宋继强还和芯东西等媒体，深入交流了英特尔中国研究院在数字化时代的定位、研究方向及其创新策略。他强调，英特尔中国研究院正在将前金字塔型的学术合作，变为“政、产、学、研”多方合作的创新网络，专注于人工智能、边缘计算、敏捷设计三个方向。

一、“政产学研”模式推动创新，跨界组合类脑芯片和机器人计算平台

英特尔中国研究院院长宋继强首先分享了英特尔中国研究院的研究网络和发展策略。

他提到随着数字化技术发展，虚拟世界正在和真实世界融合，每个人都将拥有很多数据和算力。英特尔也在提供计算、从云到边缘的基础设施、各种连接以及人工智能。

英特尔中国研究院在5G标准、人工智能算法、智能设备、自动驾驶等方面都已做了相关的研究和贡献。目前，英特尔中国研究院有一个3S策略，即“Seek（发现）、Solve（解决）和Scale（推广）”。

▲英特尔的3S策略

在发现阶段，英特尔中国研究院会和学术、政府和产业等多方进行合作；在解决阶段，英特尔中国研究院会研发智能边缘、视觉智能与视觉合成、雷达感知等领域的技术；最后，英特尔中国研究院通过英特尔的平台和制造能力，将这些技术推广到全球。

宋继强称，英特尔中国研究院已经实现了多项成果的转换，比如和中国电信运营商的研究人员合作，实现了全球首个虚拟化无线接入网络验证平台，帮助英特尔网络平台事业部FlexRAN提供相应的解决方案。

原本英特尔中国研究院主要和不同层级的科学家进行学术合作，合作模式呈金字塔型；如今英特尔中国研究院将和学术界的合作作为底座，加强了和政府、产业界的合作，实现了政产学研的研究网络。

▲英特尔中国研究院政产学研合作模式

宋继强强调，英特尔中国研究院的“双轮驱动”，一个是探索创新领域的动力；另一个是规模化、商业化的导向。他们将通过这种方式不断进行创新。

在创新中，英特尔中国研究院还需要进行很多深度的跨界融合。宋继强以英特尔第二代类脑神经拟态芯片Loihi 2为例，英特尔中国研究院将Loihi 2和原本用于机器人的HERO异构计算平台结合，打造了类脑实验感知平台，以加速类脑应用落地。

▲英特尔中国研究院院长宋继强介绍将类脑芯片和HERO平台融合

在活动中，英特尔中国研究院宣布与首都医科大学附属北京朝阳医院达成战略合作协议。

首都医科大学附属北京朝阳医院副院长，首都医科大学附属急诊医学系主任郭树彬称：“此次的跨界合作，将整合双方在医疗科研实践与智能感知计算研究上的优势，共同探索急诊医学数字化转型所涉及的前沿技术，将智能技术深入融合到急诊的院前、院中、院后多个阶段，并提供智能化诊疗策略，突破急诊医疗发展的瓶颈。”

▲英特尔中国研究院宣布与首都医科大学附属北京朝阳医院达成战略合作协议

同时，英特尔中国研究院宣布与南京市麒麟科技创新园合作，联合成立英特尔智能边缘计算联合研究院。

据悉，英特尔智能边缘联合研究院聚焦三个前沿领域，分别是智能边缘计算平台软件/硬件系统；应用领域的数据搜集和分析、工作负载分析；以及未来智能网络与工作负载的软硬件加速。

二、新神经网络加速器提升3倍推理速度，新设计提升模型识别准确率

英特尔研究院首席研究员、英特尔中国研究院视觉与人工智能实验室总监陈玉荣分享了英特尔中国研究院在人工智能和视觉智能领域的研究成果。

陈玉荣称，主流DNN模型都是计算和存储密集模型，很难部署到边缘、终端及嵌入式设备上。英特尔中国研究院首先提出了亚比特神经网络这一技术。

该技术能够从统计意义上实现<1bit DNN量化，显著地进行压缩/加速比。在FPGA的实际部署中，亚比特神经网络加速器具有更快的推理速度。因为亚比特神经网络架构的硬件友好特性，其在FPGA上较BNN模型（二值神经网络）提升了3倍的推理速度。

▲亚比特神经网络

英特尔中国研究院还研发了全尺度深度视觉学习技术，其部分研究成果已发布在NeruIPS、ICLR等AI顶级会议。近期，英特尔中国研究院提出一种新的动态卷积设计ODConv。

这种设计能够以“即插即用”的方式替代常规卷积，显著地提升大型及轻量型主流CNN模型的识别准确率，在ImageNet和MS-COCO等负载上分别提升了5.8%和3.9%的绝对识别准确率。ODConv系列模型将于今年下半年，在英特尔研究院开源项目Omni-Scalable Vision AI Model Zoo中发布。

▲动态卷积设计ODConv提升推理准确率

在2022年冬奥会开幕式上跟随小朋友而动的雪花就采用了英特尔的三维人体运动追踪技术（3DAT）。相比一般的人体追踪、捕捉，该技术不用在专业的摄影棚内，也不需要运动捕捉对象佩戴任何标记、设备，提供了简单易用的高质量实时人体动作捕捉解决方案。

▲英特尔的三维人体运动追踪技术（3DAT）

此外，陈玉荣还回顾了英特尔中国研究院的AI原生视频压缩技术和基于参数共享的神经视频传输技术。

前者结合视频超分辨和传统视频压缩技术，已实现更高的压缩率，并较传统的H.264\H.265格式有着更高的清晰度；后者则利用超分辨网络对数据的强大过拟合能力，可用一个超分辨网络，达到多个超分辨网络的性能，减少视频传输带宽，实现更高的视频画质。

三、给汽车带上VR，边缘计算实现全天候道路风险监测

英特尔研究院首席研究员、英特尔中国研究院智能边缘系统实验室总监吴向斌则分享了英特尔中国研究院在车路协同、边缘计算等领域的研究成果。

自2019年至今，英特尔中国研究院与造车新势力、传统车企、互联网企业、Tier 1供应商、大学等多方合作，在中国智能交通产业联盟发布、实施了《自动驾驶车辆决策的安全保障技术要求》和《自动驾驶车辆决策安全保障系统测试规范》。

▲自动驾驶车辆决策安全技术及测试标准

吴向斌称，目前全球大多数自动驾驶采用真实道路测试和计算机仿真两种方法。但是，在真实道路上进行测试的问题在于其场景较为简单、很难重复、成本比较高，且随着技术的成熟，真实路测中遇到问题的概率会越来越少，这会不断加大发现、解决问题的成本。

计算及仿真则可以低成本地进行重复测试，但是关键在于不真实，难以模拟真实的车路情况。

为此，英特尔中国研究院提出虚拟场景下的真车实路测试（RTAS）。这类似于给汽车带上VR头显，让真车在实路上进行虚拟的场景测试。这可以重复生成关键场景，且成本较低。

▲虚拟场景下的真车实路测试（RTAS）

不过，这个应用除了需要云和车上的训练和测试，更需要大量的边缘数据收集、分析和处理能力。

吴向斌认为边缘计算是一个融合了虚拟世界和现实世界的节点。在传统的云计算场景中，时延较长，数据搬移需要付出较大的代价。在端上的计算有着极高的复杂性，这种不同系统、不同网络、不同设备的复杂性会带来严重的安全隐患。相比之下，边缘计算则可以集中管理，结合数字世界和物理世界的优点。

通过边缘计算，英特尔中国研究院实现了对来自摄像头、雷达、激光雷达等传感器的数据进行全天候、实时的数据融合分析能力，能够在100毫秒内完成复杂场景下的交通风险预判，消除交通事故风险。

▲通过新型传感器实现的全天候监测网络

在机器人方面，英特尔中国研究院通过将边缘计算引入机器人系统，让其具备低功耗、小尺寸和高智能的能力。

▲英特尔采用边缘计算的智能服务机器人

结语：芯片巨头加速AI、边缘计算研究落地，话语权竞争已拉开帷幕

随着自动驾驶、机器视觉、机器人等技术逐渐发展，不断有新的技术和方案推出，企业如何与学术界合作，将技术转变为落地的成果十分重要。英特尔中国研究院改变了此前的合作模式，引入政府和产业等多方面合作，取得了一定的成绩。

活动期间，英特尔中国研究院重点展示了在人工智能、边缘计算等大领域中，视觉智能、自动驾驶、5G、雷达感知、机器人等研究成果。如今，这些新兴技术已成为驱动芯片市场发展的重要因素，英伟达、英特尔等芯片巨头都在加紧布局，掌握未来市场的主动权。