2019 Intel PRC AICustomer Story 2019英特尔中国AI践行集

Gallery

实践篇

3

前沿研究

深度森林更多是需要并行

地在多棵树上进行决策计

算，在这方面，GPGPU

很难发挥其长处，而这恰

恰是CPU，尤其是拥有多

核、高频能力的英特尔®

架构处理器所擅长的地方。

冯霁博士

LAMDA

南京大学

经海量样本训练对比验证，召回

率、准确率

表现上佳1

成立面向AI领域的英特尔® 并行计

算中心

深化合作至强® 处理器使决策树训练速度

提升

深度学习

非常显著

利用针对英特尔® 架构的优化，提升训练速度和质量

基于英特尔® 架构硬件基础设施，优化算法与模型

英特尔® 编译器

深度森林与其他AI方法的PR曲线对比2 获取白皮书

AI≠深度神经网络南京大学LAMDA* 携手英特尔，推进深度森林的探索与应用

观看视频

4

实践表明，我们工厂非常

欢迎这种务实的工业视觉

检测解决方案，它的部署

速度快，对产线的生产影

响非常低，未来我们会把

它复制到我们所有的产线。

黄姚根

设备负责人

美的微波炉工程部

智能制造深度学习训练+推理

基于 “大数据+AI” 端到端解

决方案，打造工业视觉检测系统，实现敏捷、高性能通用化缺陷检测能力

57%项目部署周期缩短

70%人工成本减少 推理时间从2秒

缩短至

124毫秒

为制造增添 “眼” 和 “脑”美的* 采用英特尔技术构建工业视觉检测云平台

3 4 5

获取白皮书 观看视频

5

智能物流

依托英特尔® AI架构核心

软硬件强大的算力和优化，

韵达发挥数据优势，在三

大关键业务环节构建AI应

用，极大提升全产业链的

效率，降低成本，推动行

业智能化变革。

李培吉

韵达快递首席架构师

韵达股份

深度学习训练+推理

京、沪、广、深等一线城市逐步

展开

大规模部署更多AI 应用开发

与部署

未来合作提升效率、优化资源、降低成本

行业智能化

韵达物流快递三大关键业务环节

加速快递行业智能化变革韵达* 利用英特尔® 架构软硬件提升物流系统运转效率

运用英特尔® 架构软硬件产品组合，助力三大关键业务环节：

• 在分拨中心实现大小件测量的全流程AI处理

• 在资源配置上实施更精准的AI件量预测

• 在数据中心内实现基于AI分析的数据中心异常检测

获取白皮书

6

语音识别、自然语言处理AI云平台

在至强® 可扩展平台上优化算法与应用

第二代英特尔® 至强® 可

扩展处理器集成的深度学

习加速技术，对加速AI计

算很有帮助，同时还有助

于降低AI云的TCO。在讯

飞AI云的真实环境测试中，

它已经能让CPU达到甚至

超过原来GPU的性能6。

张致江

云计算研究院副院长

科大讯飞

均衡提升计算和存储

性能

可替代GPGPU

降低TCO

导入第二代英特尔® 至强® 可扩展处理器、英特尔® 傲腾TM 数据中心级固态盘

优化AI云，从至强开始科大讯飞* 采用英特尔核心计算和存储产品，升级AI云计算平台

观看视频

7

企业级AI核心系统

英特尔® 至强® 处理器、

英特尔® 傲腾™ 固态盘，

以强劲的算力和可观的存

储能力，有力支撑了 “范

式先知” 平台高维深度模

型的广泛应用，加速了人

工智能落地。

涂威威

资深科学家

第四范式*

信用卡交易反欺诈识别准确

率提升达

糖尿病患病率预测准确率，相比

“金标准”

20毫秒内就完成线上数据集成到评分，实现

“事中反欺诈”

完善封装新技术、新算法和可视化界面，降低AI应用门槛

以标准化流程提供便捷、高效的开发工具和运行环境支持

基于英特尔® 架构平台，突破机器学习效果瓶颈

机器学习训练+推理

>7倍 2-3倍

助更多传统企业拥抱AI范式先知* 平台采用英特尔技术，加速AI应用落地

7 8 9

获取白皮书

8

云端PET-CT融合

加速影像分析，提高诊断效率西安盈谷* 基于英特尔® 架构软硬件，打造医疗智能化辅助诊断系统

医学影像分析深度学习推理

原先的系统中，渲染和人

工智能各用一种 GPU ，

业务处理则用通用处理器，

成本很高且维护复杂。我

们正计划将这些任务全部

迁移到英特尔® 架构平台，

将其全部搞定。

黄烨东

创始人

西安盈谷网络科技有限公司

10%95%肺癌智能化辅助诊断定量的监测

敏感度高达

6秒内肺癌筛查时间

由人工的10 多分钟缩短到

采用MKL-DNN，进一步优化系统所用AI模型的性能

利用针对英特尔® 架构优化的AI框架，提升铺助诊断系统功效

导入至强® 平台，推进医真云* 上医学影像相关负载的整合

Intel® MKL-DNN针对英特尔® 架构优化的

单幅胸部Dicom数据执行RFCN模型处理延时比较

可将医技设备链接和聚合起来的医真云，是西安盈谷Cloud IDT智能化辅助诊断服务的基石

相比主流GPGPU，RFCN模型

推理耗时减少

10 11 12

获取白皮书

9

应用英特尔® 架构产品，

帮助我们成功地应对了在

大数据集群上构建大规模

深度学习应用的挑战，与

运行独立的GPU集群比，

提升了性能，降低了成本。

汪振华

京东高级软件工程师

横向扩展更利于

应用开发

深度学习推理

3.83倍

智能零售

Intel® MKL

在Spark* 集群上使用BigDL库运行现有Caffe* 模型

可通过基于至强® 处理器的服务器进行横向扩展

基于英特尔® 架构硬件基础设施，优化算法与模型

基于至强® 平台，技术设施更易扩展

基于GPGPU的加速和生产部署则难

以实现

与GPGPU 相比，性能提升高达

京东的特征提取工作流程，使用BigDL管理用于目标检测的 SSD 模型以及用于特征提取的 DeepBit 模型

用CPU替代GPU，加速图像分析京东* 导入至强® 平台与BigDL组合 实现商品图像数据库高效扩展及分析

13

获取白皮书

10

英特尔为反欺诈模型提供

了高性能处理器，为模型

各层面提供了优化手段，

帮助系统实现了高功效，

为人工智能在该领域的应

用提供了经验，为深度学

习在金融领域场景的落地

铺平了道路。

中国银联电子商务与电子支付国家工程实验室

金融反欺诈机器学习训练

intel® Python

针对英特尔® 架构优化的

GBDT→GRU→RF 三明治结构欺诈侦测模型的架构

GBDT→GRU→RF三明治结构欺诈侦测模型评估效果

用“三明治” 来反欺诈英特尔助力中国银联* 电子商务与电子支付国家工程实验室*

金融反欺诈模型研究与应用

创新的反欺诈模型，树立了

行业标杆

验证英特尔技术在金融行业的正向作用

将引进更多英特尔技术和产品

对模型中的三层方法分别提供针对性的技术和工具优化

构建 GBDT→GRU→RF 三明治结构欺诈侦测模型

获取白皮书

11

智能安防

英特尔为前端推理和后端

深度学习平台提供的高性

能计算引擎，为我们全新

的“深眸”全局摄像机输入

了源源不断的处理能力。

来自于用户的反馈显示，

新系统能够很好地提高破

案效率。

沈林杰

算法总监

海康威视研究院

>90%

深度学习训练+推理

破案效率 创新模式

针对英特尔® 架构优化的

海康威视智能视频监控系统正反馈创新逻辑示意图

对特征信息的识别率

可在机器上以人找人、以人脸找人脸

大大提高

前端：摄像机中集成Movidius™ VPU，捕捉特征信息画面

后端：基于英特尔®至强平台，对算法进行训练和优化

“芯”明 “眼”就亮海康威视* 采用英特尔端到端解决方案，打造“深眸”智能摄像机

获取白皮书

一般提示和法律声明

1 ,2 “经海量样本训练对比验证，召回率、准确率表现上佳”,”深度森林与其他AI方法的PR曲线对比”图表，前述声明援引自南京大学LAMDA案例白皮书：《用“芯”探索人工

智能的另一片“森林”》，链接地址: https://www.intel.cn/content/www/cn/zh/analytics/artificial-intelligence/nanjing-university-advance-deep-forest-exploration-

and-application-case-study.html 3,4,5 “项目部署周期缩短57%”,”人工成本减少 70%”,”推理时间从2秒缩短至124毫秒”，前述声明援引自美的案例白皮书：《为智能制造增添“眼”和“脑”的能力》，链接地

址：https://www.intel.cn/content/www/cn/zh/analytics/artificial-intelligence/midea-case-study.html?wapkw=%E7%BE%8E%E7%9A%846 “第二代英特尔® 至强® 可扩展处理器集成的深度学习加速技术，对加速AI计算很有帮助，同时还有助于降低AI云的TCO。在讯飞AI云的真实环境测试中，它已经能让

CPU达到甚至超过原来GPU的性能”， 前述声明援引自科大讯飞案例视频，链接地址：https://www.intel.cn/content/www/cn/zh/analytics/artificial-

intelligence/intel-helps-ifiytek-improve-ai-cloud-platform-performance.html7,8,9 “信用卡交易反欺诈识别准确率提升达7倍以上” ，“20毫秒内就完成线上数据集成到评分，实现‘事中反欺诈’”，“糖尿病患病率预测准确率，是 ‘金标准’的2-3倍”，前

述声明援引自第四范式案例白皮书：《授人以智，更授人以能》，链接地址：https://www.intel.cn/content/www/cn/zh/analytics/artificial-intelligence/4paradigm-

case-study.html10,11,12 “肺癌筛查时间由人工的10 多分钟缩短到6秒内”，“肺癌智能化辅助诊断定量的监测敏感度高达95%”，“相比主流GPGPU， RFCN模型推理耗时减少10%”，前述

声明援引自西安盈谷案例白皮书《为分析添 “智能” 让诊断提效率》，链接地址：https://www.intel.cn/content/www/cn/zh/analytics/artificial-intelligence/yinggu-

case-study-medical.html13 “与GPGPU 相比，性能提升高达3.83倍”，该声明援引自京东案例白皮书：《京东利用CPU替代GPU加速图像分析》，链接地址：

https://www.intel.cn/content/www/cn/zh/analytics/artificial-intelligence/jd-replacing-gpus-with-cpus-case-study-v2.html

英特尔不控制或审计本文提及的第三方基准测试数据或网址。请访问提及的网站、或联系测试数据的来源方，以确认提及的数据是否准确。

英特尔技术特性和优势取决于系统配置，并可能需要支持的硬件、软件或服务得以激活。产品性能会基于系统配置有所变化。没有计算机系统是绝对安全的。更多信息，

请见 intel.com，或从原始设备制造商或零售商处获得更多信息。

描述的成本降低情景均旨在在特定情况和配置中举例说明特定英特尔产品如何影响未来成本并提供成本节约。情况均不同。英特尔不保证任何成本或成本降低。

性能测试中使用的软件和工作负荷可能仅在英特尔微处理器上进行了性能优化。诸如 SYSmark 和 MobileMark 等测试均系基于特定计算机系统、硬件、软件、操作系

统及功能。上述任何要素的变动都有可能导致测试结果的变化。请参考其他信息及性能测试（包括结合其他产品使用时的运行性能）以对目标产品进行全面评估。关于

性能和基准测试程序结果的更多信息，请访问 www.intel.cn/content/www/cn/zh/benchmarks/benchmark.html

此处提供的所有信息可在不通知的情况下随时发生变更。关于英特尔最新的产品规格和路线图，请联系您的英特尔代表。

© 2019 英特尔公司版权所有。英特尔、Intel、至强、Movidius、傲腾是英特尔公司在美国和或其他国家的商标。英特尔商标或商标及品牌名称资料库的全部名单请

见 intel.com 上的商标。 *其他的名称和品牌可能是其他所有者的资产。