北京2018年8月3日電 /美通社/ -- 在科技創新的發展路途中，開源扮演了重要的角色，積極地影響著技術、產品、產業和市場。如果能基于開源基礎設施充分發揮開源軟件的功能，那么便能專注于人工智能業務的開發，激發更多的創新活力。英特爾認為，開源基礎設施的優勢就是它的開放性，這并不僅包括開源本身，開放的設計、開放的開發以及開放的社區都是必要的環節，讓基礎設施真正發揮效用。英特爾持續支持開源社區的發展，通過與軟硬件廠商的深入合作不斷突破開源技術的創新，大大降低人工智能開發與部署的門檻，加快應用落地與突破。

開源 nGraph，化繁為簡

2018年3月，英特爾宣布開源面向各種設備和框架的深度神經網絡模型編譯器 nGraph，擴展了深度學習模型的適用性和可移植性。nGraph 編譯器是用于神經網絡的英特爾計算圖編譯器，能夠將深度學習模型轉換為可執行的優化函數，該函數可在各種硬件上高效運行，包括英特爾^® 架構處理器 (CPU)、英特爾^® Ner-vana? 神經網絡處理器 (Intel^® Nervana? NNP)、顯卡 (GPU) 和其他后端，大大降低了開發者在把深度學習模型部署到不同的框架和硬件設備中的復雜度。

英特爾人工智能事業部副總裁、人工智能實驗室和軟件總經理 Arjun Bansal 曾表示：“對于企業來說，為人工智能解決方案找到合適的技術是一項艱巨的工作，我們的目標是盡可能簡化這項工作。通過 nGraph 編譯器，數據科學家可以創建深度學習模型，而無需考慮如何針對不同的框架調整模型。開源，意味著快速方便地獲得所需要的工具”。

同時，英特爾的開源 nGraph 庫和編譯器套件是較早支持 ONNX 的工具。2017年9月，微軟和 Facebook 聯手推出了開放神經網絡交換 Open Neural Net-work Exchange (ONNX) 格式，英特爾也隨即宣布支持 ONNX， 攜手產業伙伴共同打造 ONNX 開放生態系統，為開發者在人工智能項目開發的過程中提供更靈活、更適合的工具組合。Open Neural Network Exchange (ONNX) 格式允許開發者在不同的框架上轉移深度學習模型，提高了框架之間的互操作性。借助 Open Neural Network Exchange（ONNX，開放神經網絡交換）格式， 開發人員可以在不同的工具之間進行轉換，選擇最優的工具組合，從而提升創建人工智能和深度學習模型的效率和速度。

開源 BigDL，為開發者賦能

英特爾為機器學習和人工智能開發人員提供靈活程度較高的軟件集成，讓開發者借助各種框架自由創建、使用優化或可擴展的端到端系統。同時，在2016年末，英特爾也開源了基于 Apache Spark 的分布式深度學習框架 BigDL，大大降低了普通大數據用戶和數據科學家在使用深度學習進行數據分析和構建人工智能應用時的門檻。

BigDL 是一個建立在大數據平臺 (Hadoop/Spark) 之上原生的分布式深度學習庫，它提供了在 Apache Spark 上豐富的深度學習功能，以幫助 Hadoop/Spark 成為一個統一的數據分析平臺，為整個數據分析和機器學習過程提供比現有框架更加統一和集成化的支持。同時，英特爾在 Apache Spark 和 BigDL 的基礎上又構建了一個大數據分析 +AI 的平臺 Analytics Zoo，方便用戶開發基于大數據、端到端的深度學習應用。在基于英特爾至強服務器的大規模集群上，利用現有的數據架構基礎設施，完全可以使用英特爾開發并開源的 BigDL、Analytics Zoo 技術，在現有的大數據平臺上構建新的大數據分析和人工智能應用，提高資源利用率和端到端的開發和部署效率，同時在端到端的性能上也會有非常大的優勢。正如英特爾高級首席工程師、大數據技術全球 CTO 戴金權所說：“英特爾希望做的是能夠更好地提供框架、工具、平臺，讓大多數的普通工程師、普通用戶也能將深度學習、人工智能技術非常方便地應用到他們的生產環境當中。”

借助人工智能的力量，我們能夠以前所未有的方式探索自然和宇宙、改變生命和健康、驅動產業的智能升級。英特爾致力于引領人工智能革命，在提供最廣泛的人工智能產品組合的同時積極賦能開發者，通過技術開源降低人工智能開發與部署的門檻，方便更多開發者和企業實現人工智能。