观察者网：在深耕中国市场的过程中，英特尔中国研究院有没有一些研究经验可供国内公司参考？

宋继强：其实大家发展得都很好。但可以分享一下我们在中国的整个过程。早期英特尔作为一家在IT领域很先进的技术厂商进入中国，我们研究院接触的学术伙伴会更多一些，别人会希望更多地从英特尔学到先进的技术、架构，以及软件和系统里的一些窍门。所以那个时候主要是从英特尔输出技术，帮助提高整个IT包括PC的系统、服务器系统技术方案的积累。

像中国很多PC和处理器领域的课程，都是离不开X86这个体系的。整个服务器里的架构、生态的建立，也跟英特尔在早期提供非常多的咨询、顾问、培训有很多关系。到了后来，假如说用2010年做一个分水岭，我们就会看到很多国内的企业、学术机构随着行业、市场的成熟，用10年左右的时间培养出来了很多人才。很多外企在中国设立研发机构就有这个好处，它可以培养出很多和国际的技术接轨，或至少研究和研发方式和国际接轨的人才，尤其是在开放开源的环境下。

这时候就会逐渐看到中国本地能够提出很多好想法，我们就开始去做一些技术合作了。比如说在研究院里边，从2004、2005年就开始跟清华大学的信息学院及下设的计算机系、电子系、软件学院等做长期的科研项目合作，每年我们会跟他们联合做五六个项目，这样也让他们在研究上能获得一些英特尔技术和资金的支持，同时我们也会看有些研究成果是不是可以应用，这是细水长流的合作。

还有一些是重点领域的合作，包括我们在5G、通讯的合作。5G、通讯的合作我们做了五年，跟清华、中科大、北邮和东南大学这些国内通讯方面的顶尖学校一起做，大家强强联合，还有在自动驾驶、车联网这块也从2017年开始做了将近五年的合作。现在我们继续会在新领域去探索合作点，针对特定的领域，会选择国内比较顶尖的一些学校去做合作。

观察者网：也就是说，早期英特尔进入中国市场时是一个技术的引领者，而现在国内的科技产业相比之前出现了明显的进步，也能和英特尔在创新层面进行协作了。那么想请您谈一谈，这么多年来中国科技产业有哪些明显的、令人印象深刻的进步？

宋继强：首先从IT这个领域来讲，计算和通信是两个很大的事情。一个是算，一个是互相怎么连接起来。通信这块，我觉得中国5G的发展肯定是走得很靠前的，首先是技术标准的制定已经完全和国际接轨，此外，中国也开始去做6G，其中也会有很多先进的技术提案。还有基础设施建设，现在中国部署5G基站的数量，在国际上遥遥领先。

路修好了，就要开始要找应用了。找应用的时候，中国一些视频类的应用也是全球领先的。同时，我们还是希望自动驾驶、车路协同这块能真的发展起来，变成中国引领的方向。这个概念上来讲也很容易理解，既然整个5G基础设施搞得这么好，覆盖面这么好，中国就有比美国和欧洲更便利的条件，让车路协同这个事情做得更好。因为中国能做到大面积统一标准的互相连通，国内有这个优势。同时，国内还有很多从互联网领域切换过来的自动驾驶、智能汽车的从业者。此外，中国政府在这块也鼓励创新，会更灵活地让大家做试验，相比国外，我觉得这都是优势。

所以，我们觉得从领先的5G基础设施推进到大面积使用的创新应用，包括自动驾驶、车路协同等，能够真的带动未来一波新的基础设施建设。一旦形成，它会产生将车、手机等完全连起来的颠覆性变化，就等着新的应用浮现了。此外，未来智能汽车里会使用越来越多的先进的IT技术，所以芯片的使用量、存储的使用量、对无线带宽的要求、屏的使用量等都比以前翻了很多倍。我们觉得这是未来很大的一个机会，英特尔中国现在也把这个方向作为未来的一个主要抓手，因为它在中国会走得比国际上快一些。

另外，在开源软件这块，中国的很多大企业的参与度、贡献度都挺高的，对Linux、安卓、RISC-V的参与度、贡献度都不错。

观察者网：随着ChatGPT等AI大模型对算力的需求剧增，GPU巨头英伟达的市值也持续在创新高。而英特尔作为传统半导体巨头，也一直是算力市场的主要参与者，您能不能讲讲英特尔目前在AI领域都做了哪些方面的工作？

宋继强：AI一直是英特尔所说的“五大超级技术力量”之一。因为英特尔核心是做通用处理器，所以走XPU的战略。我们有很多种处理器，GPU是其中的一类。原来英特尔的GPU更多支持图形部分的工作，而专门针对AI算力的GPU差不多四五年前才开始专门去做，现在新的独立显卡也是三年前才正式有产品规划。

从目前来看，我们也有不同种类可以让AI技术广泛使用的产品组合。AI除了训练，要最终实现产业化，需要很多地方能把它用起来。如果都靠非常昂贵的GPU，那它就变成一个小众的、只有大公司才能去玩的游戏了，而且从能效比上来讲，也需要有其他不同的选项可以用。

所以英特尔除了CPU本身，至强CPU自己也有内置AI的加速器英特尔高级矩阵扩展（AMX），它本身就可以完成一部分的推理，能力也很可以，这样对很多客户来说系统里就不需要增加一块独立的GPU卡，也是一种非常好的使用方式。如果说想去兼顾训练和推理，现在英特尔有Habana Gaudi2 AI加速器。

英特尔于中国市场推出Gaudi2深度学习加速器

观察者网：我们也看到了国外机构对Gaudi2的评测，说它可以对标英伟达的H100，是这样吗？

宋继强：是的，它在一些使用场景中给客户提供了新选项，假如要考虑每瓦性能，它的性能是不错的。未来的AI或者大模型的使用一定是分成很多级别的。现在我们已经看到很多不同的客户，希望用10亿参数以下模型的也有，几十亿参数的也有，100亿以上参数的可能更多是在云端做训练，真要部署到具体领域，通常要做一个更垂直领域的模型，而这个模型通常会在100亿参数以下，甚至更小。在这种情况下，用户就要去想是用通用的GPU，还是用一些专门的加速卡。Habana Gaudi2实际上是一个可做一定编程的AI加速器，可以做推理，也可以做训练。我们还提供其他选择，像数据中心GPU Max系列，可以在服务器级别做AI训练。

总体而言，我们认为如果未来要让AI应用真的发挥非常多的能力，一定要降低使用的门槛，要提供更多的选项让大家能够比较。有些需求单独用CPU就可以全部搞定，或者CPU加上AMX扩展，加上独立显卡，加上Gaudi2这样的加速卡，或者加上FPGA也是可以的。在XPU战略下，我们会提供比较多的种类。像独立显卡这一块，英特尔也逐渐会提供更多迭代的产品性能。我们的制程也在发展，GPU的很多能力也和制程相关。

观察者网：Gaudi可以被定义为一种什么芯片？

宋继强：其实它并不是一个通用GPU，英伟达会说它的显卡叫GPGPU，GPGPU里面通常会放两种东西，一种是为了3D图形渲染的，一种是专门针对矩阵加速AI计算工作的。它会在不同的型号里放一些不同的东西，这取决于它未来的使用场景是更偏向于做3D渲染还是其他，比如说它要去支持元宇宙那种高级别的3D渲染，真实感的计算，把物理特效都做好，它就一定得把图形部分放得比较多，但是如果用户想要的那一款，更多是做AI大模型、深度学习这种并行的运算，它就需要内存很大，三维管线就可以少一点，这都是可以配的，配出来以后就是不同的规格了。英特尔也是一样的，我们也可以去进行不同的搭配。对于Gaudi而言，基本上是不管3D渲染那一块，还是做AI加速计算，有点像是以前谷歌说的TPU那种路线，但是TPU的路线更多是和TensorFlow密切挂钩，而Gaudi的设计相对来说和很多开源框架都可以适配，会更通用一些。

本文系观察者网独家稿件，未经授权，不得转载。