英特尔首席技术官兼高级副总裁Greg Lavender负责两大领域。作为首席技术官，他负责推动公司未来的技术创新和研究计划。作为软件和先进技术集团的总经理，他负责定义单一的人工智能软件堆栈，以支持英特尔的一系列业务和硬件产品。
Lavender的职业生涯始于德克萨斯大学奥斯汀分校的计算机科学教授。在担任该职位的14年间，他还参与创办了多家公司，这意味着他要在抽象世界和具体世界之间来回穿梭。
他目前的工作并不是英特尔第一次在他的生活中扮演重要角色。这始于20世纪70年代，当时他还只有十几岁。现在，在从事软件和硬件产品工程以及高级研发工作超过35年之后，Lavender认为自己的使命是“让英特尔重新焕发活力”。
整个行业都希望能有除英伟达以外的选择，Greg Lavender表示。
Lavender：这要追溯到我开始工作的时候。我的父亲从50年代开始就是一名计算机科学家。我14岁时，他就教我用FORTRAN编程。我是在自己制作的一台运行8085处理器的Heathkit电脑的陪伴下长大的。因此，我从高中开始就一直在对Intel处理器编程了，从8085开始，一直到后来的各代处理器。
不过，对我来说，最大的转折点是我毕业后的第一份工作。我当时还是一名廉价工程师，因为曾编写过8085和8086的程序，因此对x86汇编程序了如指掌。我在美国国防承包商TRW找到了一份工作，被困在一个高级研究项目中。这个项目就是机密的阿帕网(ARPANET)。
因此，1983年，我毕业后的第一份工作就是执行TCP/IP、X.25、FTP和TELNET等网络协议。这不算是真正的计算。它被认为是一个研究项目，我是一个小团队的成员。不用说，这段经历对我影响很大。
我上了研究生院，并为是做人工智能(AI)还是做计算机网络而争论不休。如果你还记得的话，当时每个人都在考虑日本的第五代人工智能项目和星球大战(Ronald Reagan提出的导弹防御计划，该计划依赖于一系列未来主义武器概念)。
我选修了一些关于自然语言处理的课程。当时，我对人工智能充满了好奇，但我看不到它的职业前景。所以我选择了计算机网络——这是明智之举，因为在我过去40年的职业生涯中，计算机网络是必不可少的。从那时起，一切都建立在计算机网络的基础之上——从互联网本身开始，到电子商务，再到网络浏览器，然后是云。我可以说我的基因就是网络。但我一直对人工智能保持着浓厚的兴趣，即使在我还是教授的时候也是如此。
但真正的变化是什么呢？我认为，显而易见的是过去40年在计算、网络和存储等方面的所有投资。由于需要大量的计算、大量的带宽、大量的存储和高质量的数据来完成所有的训练和推理，规模化使得一种新的人工智能得以实现。我认为这是过去40年投资的自然结果。
Lavender：我在书上看到，半导体行业的需求未来十年将增长到一万亿美元。这是什么原因造成的？一些学者认为，有四大力量在起作用。
第一个推动力是汽车领域。整个行业向电动汽车的转型是其中的一部分。然后是智能汽车、高级的车载信息娱乐系统和自动驾驶。你需要传感器网络和高级的图形。需要借助云来分析地图和自动驾驶的所有数据。一些分析师表示，汽车将是硅片最大的需求者。
第二个推动力是无线——移动Wi-Fi以及5G和6G。无线网络建设仍在继续，不断增加的带宽可以让你的应用做更多的事情。通信芯片需要硅片，移动设备上更高级的应用也需要硅片。
第三个推动力是云和数据。即使在生成式人工智能出现之前，人们也越来越需要扩展云计算和云上存储的数据。现在，存储和处理数据量不断增加的更大更快的云计算架构需求量很大。
第四个推动力是边缘计算服务。物联网和汽车是需要边缘计算服务的两大应用，在边缘计算服务中，处理是在更靠近用户的设备或微型数据中心进行的。
需求肯定会大幅增长，但我们认为我们有能力满足这种需求。以我们正在推动的18A工艺技术为例，到2030年，我们将在芯片上实现一万亿个晶体管。这就相当于把一个完整机架的计算能力压缩到一个芯片上。
我们还拥有芯粒架构，为客户提供了极大的灵活性。我们倾向于将它们视为小型CPU。但在未来，这些芯粒将比现在强大得多。如果能提高晶体管密度并获得合适的功率包络线，芯粒将从根本上改变你在任何设备上所做的事情。从市场角度来看，这是一个根本性的驱动因素。它将实现边缘人工智能等功能。
现在的问题是：如何管理所有这些东西？答案是通过软件。我们可以卖很多芯片，但你需要用软件将它们整合到集成系统中。一切都与系统架构有关，而不仅仅是销售芯片。这是一个根本性的变化——我们英特尔正在实现这一变化。人工智能正在推动这一变革。
推动这一变革的主要因素是Kubernetes和横向分布式计算，而这正是云计算所带来的。这是基础运行时软件。AI工作负载无法在单个CPU或单个GPU上运行。必须将一堆CPU和GPU组合在一起，才能在不到一年的时间内处理数据并训练AI模型，有时甚至只需几个小时，具体取决于模型的大小。
在训练这些模型时，需要消耗大量的计算能力和能源，然后在边缘进行广泛部署，以加速边缘推理，从而在更接近应用的地方做出决策。我认为，未来五年，而不仅仅是十年，医疗、保健、交通、通信、工业和汽车等一切领域都将发生巨大变化。而英特尔完全有能力引领这十年的发展。
在过去的两年多里，我们一直在努力克服挑战，找回我们的活力。我们重新找回了执行纪律。现在，我们公司的态度和战略都是软件定义的。我们认识到，我们不能只卖芯片，我们必须了解如何帮助客户大规模地构建芯片系统和软件平台，这些系统和平台通常是横向分布的。
Lavender：边缘人工智能是安全人工智能的行动重点。人们花费一百万美元来训练一个模型并将其部署在边缘，到头来却发现他们的代码和数据参数被盗，然后在黑市上出售。边缘是一个完全不受保护的区域，很容易受到想要入侵人工智能的人的攻击。
通过在一个机密的计算环境(即英特尔的硬件可信执行技术环境)中运行，我们认为我们的硬件和软件都能在市场上推动独特的功能。英特尔正在创造下一个拐点，那就是机密计算。这是基于我们的蓝宝石锐龙(Sapphire Rapids)——第四代至强(Xeon)可扩展——CPU，目前该CPU的销量和发货量已超过100万片。我们拥有的另一项重要技术是我们的可信域扩展能力。
整个机密计算的概念仍处于萌芽阶段，但正在不断发展壮大。随着人们将机密计算、确保代码在内存中运行的安全以及人工智能融合在一起，我们有望将所有软件和硬件货币化。
Lavender：当然。这就是为什么我认为对人类是否会被最新的人工智能发明所取代保持一定程度的怀疑是健康的。
上世纪80年代中期，作为一名研究生，我阅读了大量有关人工智能的最新研究成果。我读了麻省理工学院Marvin Minsky和诺贝尔经济学奖获得者Herb Simon所做的所有研究，还有耶鲁大学以及斯坦福大学Terry Winograd在自然语言处理方面进行的大量工作。Terry Winograd确实是自然语言处理领域的关键人物。
对我来说，人工智能将取代大量人类活动，这一直是个巨大的承诺。机器人流程自动化是这一概念的最新版本。虽然它获得了采用，但并没有从根本上改变企业的运营方式。我在花旗集团担任首席技术官时就深有体会。
我们利用这些大型语言模型取得了一些令人印象深刻的成果。但我认为没有人真的认为它能取代人类。人类的深层认知功能是否被模仿得恰到好处？没有。
生成式人工智能令人印象深刻，但它不同于通用人工智能。我认为我们还没到那一步。
Lavender：整个行业都希望能有除英伟达以外的选择。因此，我们要给市场一个选择，我们要让人工智能大众化。
我们遵循的策略与创建英特尔开发者云时一样，目的是将我们最新、最好的芯片放到云上，让初创公司、独立软件开发商(ISV)和其他任何想在蓝宝石锐龙出货前试用它的人都能使用。我们对GPU做了同样的事情，现在我们又在对我们通过收购Habana获得的人工智能芯片Gaudi2做同样的事情。
我们有一个非常积极的路线图，今年将向市场提供加速器。我们的Gaudi3处理器将很快用于AI加速，然后我们将在Ponte Vecchio(也称为GPU Max)之后推出一款新的GPU，代号为Falcon Shores。我们的客户渠道和客户兴趣都在不断增长。
我们将利用丰富的软件堆栈在边缘支持人工智能和云计算，该软件堆栈已经可用于至强，现在也可用于我们的加速器。我们的软件/硬件产品将为业界提供一种新型的培训平台。至强也是一个非常好的推理平台。
归根结底，你必须放手去干。这就是我们正在做的事情。
查看专题文章——与英特尔、英伟达和AMD三位CTO的独家对话
（原文刊登于EDN姊妹网站EE Times欧洲版，参考链接：Intel's Greg Lavender: "We're Going to Democratize AI"，由Franklin Zhao编译。）
本文为《电子技术设计》2024年2月刊杂志文章，版权所有，禁止转载。免费杂志订阅申请点击这里。
最前沿的电子设计资讯
