而产业界有很强的工程化资源和计算能力，比如英特尔可以提供一些新的软硬件，给学术界去做相应的学术算法的验证，我们的技术团队还可以配合他们做性能的优化。这样可以达到强强联合，把新理论真正推动到市场应用的级别。

另一方面，英特尔在AI这个领域想做三件事：

第一件事是Fuel AI，赋能AI。让它不只局限于现在大家看到的几个领域，让它能够更广泛的应用在各种新的行业里，这是增强AI的能力。

第二件事是Democratize AI，民主化。让AI更多的为一般的工程开发人员所用。我们觉得像周老师这种开源是非常好的，开源以后有很多的学生、团队、老师可以去试用，试用以后用上英特尔这样商业化的平台。比如他们现在是在不同的PC上做，这样的成本就相对来说低很多。如果愿意使用英特尔的KNL去做实验的话，我们在国内也会去发布基于云或者是基于实际计算设备的计划，来辅助学术界去用KNL做实验，把成本降低下来。

第三个事就是英特尔保证AI做正确的事，引导AI去做非常有益于社会的事情。

现在我们主要关注前两块。

在业界，英特尔是具有领导力的公司。在学术界，周老师团队是具有号召力、影响力的学术团队。我们联合起来，会把AI的生态环境推动的更好，这就是现在合作的情况。

今年英特尔成立了AIPG，在公司的层面上，研究院在推进AI方面，和他们有什么样的协作和分工？

宋继强：AIPG是个产品部门，它是英特尔对外提供人工智能所驱动的产品领域的直接对外出口。这个出口实际上会整合英特尔内部软件、硬件的甚至算法的很多的技术资源，把它形成解决方案往外推。

研究院相对来说是对内的，不直接对外提供产品。我们所做的一些AI方面的研究可能会更前瞻，也更有一些变数，我们会去看外边学术界会发生什么，并相应的做一些学术方面的研究。

除了跟随外部的研究热点外，甚至我们会找一些新的热点做。我们在一些相应的CV（计算机视觉）的比赛，比如情感识别，我们都能拿到世界冠军。这些技术是在研究院里面去做的，达到一定程度，对产品部门的某些产品可以产生直接应用的时候，产品部门就会把这些技术转化到他们的产品里面去。

我觉得研究院和AIPG是一个很好的合作关系，大家在时间线上是不重叠的，并且是一个技术研究和输出的关系。

下半年研究院有没有什么新的打算？尤其是在AI方面。

宋继强：主要会在深度学习训练这块，包括和美国的研究院一起，看如何去提升深度神经网络的训练，并且把这个网络压缩。然后在新的硬件，就是KNL，Knight Mills、Knight Landing这些上面做一些新的实验，这是一种，可能会用到更多的节点去做训练。

另外，在神经网络训练好了以后，我们会做相应的裁减，裁减以后往Lake Crest，FPGA, Movidius这样的硬件上去落地。这样的话，能把AI做深度学习的能力放到更小型设备上去。

所以这是两个方向：在云端要做更大规模的训练，同时把训练时间缩短；最后训练的模型争取能够把它变小。