最近，不少人用“百模大战”来形容刚刚落幕的2023年世界人工智能大会（WAIC 2023）。从ChatGPT开始的人工智能（AI）应用加速落地，再到上海举行的这场人气爆棚的全球盛会，都从多方面得到了清晰印证。

英特尔中国区网络与边缘事业部首席技术官、英特尔高级首席AI工程师张宇博士在WAIC期间接受媒体采访时表示，最新这一轮人工智能的发展起始于2012年，随后以卷积神经网络为代表的深度学习技术得到了大规模应用。而大模型的发展则始于2017年，从技术积累的角度来看，模型尺寸的增加是一个方面，引入Attention等机制和Transformer等模型则推动了大模型技术或应用场景的不断成熟。但需要看到的是，目前大模型的商业模式仍在摸索当中，仍需进一步观察。

张宇表示，计算、通讯和存储技术的不断提升，是推动本轮人工智能发展最核心的要素。同时，无论是大模型还是融合AI，实际上边缘在整个AI生态系统中扮演着非常重要的角色。边缘是离我们日常生活最近的，所以判断边缘会直接影响用户体验。

目前，传统的人工智能算法和模型已经无法满足日益增长的数字化转型需求，因此在边缘场景中使用人工智能已成为一种重要趋势。边缘人工智能是将人工智能算法和模型部署在边缘设备上，从而提供更高效、更精准的用户体验，并为企业的决策和生产提供更多动力。但是，张宇分析称，边缘人工智能目前绝大部分的应用还处于边缘推理阶段。

具体来说，他认为边缘人工智能的发展可以分为三个阶段：第一个阶段是边缘推理，第二个阶段是边缘训练，第三个阶段是边缘自主机器学习。“如果以攀登高峰来描述整个边缘人工智能的发展，那么实现了边缘推理，仅代表我们站到了山脚；实现了边缘训练，也仅代表我们站到了半山腰；只有真正实现了边缘自主学习，才真正意味着我们站到了高山之巅。”

当然，边缘人工智能的发展也面临着众多的挑战，这其中不仅包括边缘训练的挑战，也包括边缘设备面临的挑战。由于提供的算力所能够承载的功耗往往是有限的，所以如何在有限资源的情况下去实现边缘的推理及训练，这对芯片的性能、功耗比提出了更高的要求。同时，边缘设备的碎片化非常明显，如何利用软件很好地实现在不同平台之间的迁移，实际上也提出了更多要求。再者，还有数据保护方面的问题必须进行思考。

“人工智能未来的发展需要依赖于底层技术的突破，这包括计算、通讯和存储技术。只有这些底层技术不断突破，才能实现对人工智能更高的要求。而这些底层技术正是英特尔在努力发展的方向，包括人工智能、边缘到云的基础架构、无处不在的连接和传感技术等。英特尔的‘五大超级力量’也是在这些底层技术的基础上构建的，这些‘超级力量’是人工智能应用的基石。”张宇谈到，英特尔作为一家数据公司，其产品涵盖了推动人工智能发展所需的计算、通讯和存储的各个方面。