針對目前人工智能技術(shù)發(fā)展，Intel認為目前將GPU運算效能用于超級計算機作為平行運算的普及作法，其實只是人工智能技術(shù)的一部分，重點依然在于如何讓深度學習以更具效率方式完成訓練，藉此建立各類人工智能技術(shù)應用。 而對于近年來ARM架構(gòu)處理器持續(xù)強調(diào)的端點運算 (Edge Computing)，Intel也強調(diào)本身從終端裝置到云端服務器均有完整布局，同時在軟硬件部分也有相當完整的技術(shù)發(fā)展，藉此對應不同人工智能技術(shù)運算需求。

　　根據(jù)Intel數(shù)據(jù)中心事業(yè)群副總裁暨人工智能解決方案技術(shù)長Amir Khosrowshahi說明，強調(diào)目前借助GPU執(zhí)行效能的平行運算架構(gòu)，其實僅只是人工智能技術(shù)的一部分，許多深度學習應用反而更聚焦在如何讓機器以更具效率方式分析不同數(shù)據(jù)，并且從中找出有價信息，進而讓機器能以學習結(jié)果反應在各類互動，例如讓自動駕駛車輛「 看見」前方路人時，即會自動啟動煞車讓車輛停下，或是在諸多記錄找出規(guī)律的行為模式。

　　事實上，以現(xiàn)行的深度學習運算架構(gòu)來看，許多設(shè)計其實多少還是采用GPU加速縮短學習時間，或是用于平行運算架構(gòu)縮短運算所需時間，但確實如Intel說明，應用GPU的運算方式在所有運算架構(gòu)設(shè)計里確實僅為其中一部分，更重要的還是取決人工智能技術(shù)應用模式，以及背后學習框架、學習模型如何設(shè)計。

　　舉例來說，假設(shè)人工智能技術(shù)以反復學習正確應對的模式居多，或是需要短時間內(nèi)完成運算的情況，確實藉由GPU加速會是較好的運算模式，而若涉及更多裝置端的運算，或是必須有更多邏輯演算與判斷的話，借助多組處理器的運算架構(gòu)就顯得更為重要。 因此以Intel的立場而言，導入GPU的演算架構(gòu)固然重要，目前在許多超級計算機、云端運算也均借助NVIDIA、AMD等廠商GPU組件硬件效能進行加速，但在特定運算需求依然少不了處理器的執(zhí)行能力。

　　不過，就目前Intel在人工智能的軟件技術(shù)布局部分，雖然Amir Khosrowshahi強調(diào)Intel人工智能技術(shù)是采跨部門資源整合發(fā)展，除了本身硬件技術(shù)優(yōu)勢之外，軟件方面也從基層韌體、軟件工具到服務器端都有完整布局，同時投入發(fā)展資源比例幾乎與硬件相同，但以目前Intel在人工智能技術(shù)的深度學習使用框架， 除了本身透過收購Nervana取得的Neon學習框架資源，似乎尚未計劃建造針對本身處理器架構(gòu)深度優(yōu)化的學習框架，主要還是與第三方廠商如Google TensorFlow，或是其他開放架構(gòu)設(shè)計學習框家如Torch、Caffe或CNTK等合作，并且提供不同學習模型供開發(fā)者使用、修改。

　　但或許是考慮目前人工智能發(fā)展技術(shù)仍處于初期階段，因此Intel與其他廠商同維持以嘗試、觀望等情況投入技術(shù)研發(fā)，預期在技術(shù)發(fā)展方向更為明確，同時相關(guān)技術(shù)也更為成熟之余，Intel可能會以更俱全的軟硬件整合布局人工智能技術(shù)發(fā)展。

　　從終端裝置到云端服務器均有完整技術(shù)資源

　　而針對目前ARM架構(gòu)處理器經(jīng)常強調(diào)的端點運算模式，Intel表示目前Intel在裝置端其實也有人工智能技術(shù)應用布局，例如在終端裝置學習用戶操作習慣，讓自動駕駛車輛可依據(jù)駕駛操作行為進行學習，同時在通訊連接、云端服務器也都有完整技術(shù)資源，因此認為本身更具市場競爭優(yōu)勢。 不過，Intel方面也坦承ARM架構(gòu)處理器在行動裝置具有相當技術(shù)優(yōu)勢，但本身同時具備裝置到云端的技術(shù)解決方案，甚至也能結(jié)合、對應ARM架構(gòu)處理器使用，在市場更具多元發(fā)展機會。