英特爾在北京召開了主題為“智能端到端，英特爾變革物聯網”的視覺解決方案及策略發布會。在此次發布會上，英特爾面向中國市場推出了基于英特爾硬件平臺的專注于加速深度學習的OpenVINO工具包，可幫助企業在邊緣側快速實現高性能計算機視覺與深度學習的開發。

此前人工智能的很多運算處理都是發生在服務器、數據中心這樣的云端，因為只有在這樣的一個環境里面才能提供強大計算力和便利的支撐。但是，隨著物聯網時代的到來，將會有越來越多的設備和傳感器接入網絡，情況正在發生改變。根據IDC預測，到2020年全球會有超過500億的智能設備，超過2120億個傳感器。這也意味著每天都將會產生海量的數據。

面對如此海量的數據，如果仍然只是依靠云端來做數據處理的化，這將對云端的計算力和網絡帶寬都帶來了極大的挑戰。雖然計算力和通信技術也在不斷發展，但是這個速度還是難以趕上數據增長的速度。所以，邊緣計算，即數據在終端側進行人工智能分析和處理早已是大勢所趨勢。

而且，在終端側部署人工智能，還有著數據處理的實時性更高、低延時，更低的帶寬需求的優勢。比如在自動駕駛領域，對應這方面的要求就非常的高。另外，在終端側部署人工智能也有利于數據隱私的保護。因為很多用戶是不希望把數據上傳到云端的，希望這些數據在本地進行處理，本地處理完以后，上傳的是一些是經過處理完以后的特殊的數據，對隱私保護相對比較高的場景，也需要一些數據放在邊緣進行處理。

可以說，隨著物聯網的發展，正在加速人工智能在邊緣計算中的應用，但是這并不意味著云端人工智能就不需要了、就會走向消亡。云端人工智能它能夠把數據源進行匯總，它能夠做一些更綜合的應用。如果要給用戶提供一個完整的人工智能服務和解決方案，一定是一種邊緣與云端協同的端到端的人工智能解決方案。

目前，包括英特爾在內的一些廠商都能夠提供端到端的架構了，所以現在“分布式計算”的概念已經是一個比較成熟的概念。也就是說，做云端解決方案的人需要把它的架構切到邊緣來，幫助解決邊緣的問題。在英特爾看來，“視頻（攝像頭）是物聯網的終極傳感器”。確實，在邊緣側，視頻所帶來的信息流是最為龐大的。值得注意的是，2016年-2012年網絡視頻監控流量增長了700%。也就是說，在物聯網時代，視頻將是人工智能應用爆發的一個關鍵點。因此，視頻監控領域也成為了英特爾端到端人工智能方案的切入重點。

在終端側，英特爾除了可以利用其現有的針對終端的CPU、集顯、FPGA產品之外，2016年9月，英特爾收購了計算機視覺芯片公司Movidius，開始加碼終端側的人工智能布局。Movidius的Myriad 系列 VPU目前有被大疆Spark無人機、谷歌Clips相機等知名廠商的產品采用。去年，英特爾還推出了針對終端設備進行人工智能加速的Movidius神經計算棒。

我們都知道，同樣一種人工智能算法，應用到不同的硬件平臺上，所得到的效果差異會非常的大。因為一種算法通過是根據某個硬件平臺來優化的。由于不同的網元所能提供的計算量是不一樣的，它能夠支撐的操作系統也各不相同的，因此有各自適用的不同的芯片架構。而不同的芯片往往有各自不同的開發方法，這樣對開發者而言就帶來一定的困擾，也就是說如果我們為某一種芯片所開發的軟件換了一個架構以后，它可能是不適用的，這樣無形中就增加了開發的門檻。

那么如何讓終端廠商能夠輕松的采用同樣一套AI算法，輕松實現從云端到終端側的跨平臺部署，并發揮出各個硬件平臺的能力呢？對此英特爾推出了全新的視覺推理和神經網絡優化工具套件OpenVINO。OpenVINO是英特爾基于自身現有的硬件平臺開發的一種可以加快高性能計算機視覺和深度學習視覺應用開發速度工具套件，支持各種英特爾平臺的硬件加速器上進行深度學習，并且允許直接異構執行。

具體來看，OpenVINO包括英特爾深度學習部署工具包，具有模型優化器和推理引擎，以及面向OpenCV和OpenVx的優化的傳統計算機視覺庫。OpenVINO工具包可通過基于英特爾架構的處理器（CPU）及核顯（Integrated GPU）和深度學習加速器（FPGA、Movidius VPU）的深度學習加速芯片，增強視覺系統功能和性能。

另外在深度學習方面，OpenVINO帶有模型優化器、推理引擎以及超過20個預先訓練的模型，大家可以利用給大家提供的這些工具，快速的實現自己基于深度學習的應用，而且OpenVINO使用了OpenCV、OpeenVX的基礎庫，大家可以利用這些基礎庫去開發自己特定的算法，實現自己的定制和創新。