不久前，这样一则新闻吸引了我们的注意——2019年8月5日，英特尔旗下的投资机构英特尔投资（Intel Capital）领投了医学影像公司EXO Imaging的B轮融资，融资金额为3500万美元。

消息传出后，当天英特尔的股价并没有太大的波动，但当日成交量创造了最近3个月来的新高。没过多久，8月19日，梅卡曼德机器人又宣布获得了英特尔的投资，这家初创企业已经在医院药房部署了“3D＋AI＋工业机器人”的智能解决方案。

在此之前。2019年4月，英特尔投资才领投了两家医疗初创企业的A轮融资，分别是计算机病理学公司Reveal Biosciences和提供远程医疗数据监测及分析软件的Medical Information。

对这两家企业的布局，让一年一度向投资者汇报投资成果的英特尔投资全球峰会上第一次单独划分出医疗的投资目录。更巧的是，国内医疗AI头部企业汇医慧影也以英特尔战略投资合作伙伴和中国医疗影像AI头部企业的双重身份受邀出席了19届英特尔投资全球峰会。

这一切似乎都在向我们说明，作为IT巨头的英特尔正在悄然开始在医疗领域布局。于是，动脉网对英特尔过往在医疗的布局产生了浓厚的兴趣，并翻查了过去英特尔有关医疗领域近20年的新闻，梳理出英特尔的医疗全景图。

作为全球最大的芯片厂商之一，英特尔是X86架构的主要奠基者。绝大部分台式机和笔记本处理器，还有机房里的服务器芯片都基于这一架构。因此，不那么严格地说，英特尔早就和医疗结缘——虽然大部分时候它只是被动扮演设备供应商的角色。

有据可查的信息，英特尔试图主动结缘医疗行业的第一次出现在1998年2月24日。在英特尔官方网站上可以查询到的最早的新闻稿之一中有这样一则新闻稿：“英特尔和CommuniHealth宣布一项计划，帮助患者和医生更好地管理慢性疾病”。CommuniHealth（如今已无处考证）是当时一家专门提供个人化在线健康信息的公司。

通过与英特尔合作提供互联网服务，糖尿病患者可以使用PC来跟踪血糖水平、饮食和活动，并将这些信息分享给CommonHealth的专业保健人员，再由他们在线给出医疗建议。考虑到1998年1月，奔腾Ⅱ处理器才刚刚发布；当时的互联网服务还在通过电话线拨号上网时代，网速最快也仅有可怜的52．6Kb／s（如今的光纤网速可达100Mb／s，而1Mb＝1024Kb），这已经是一个相当超前的举动了。

时任英特尔董事长的Andrew S Grove（安迪·格鲁夫，英特尔的创始人之一）敏锐地注意到互联网对医疗信息化的加成。当年10月，英特尔联合美国医学会和美国儿科学会共同举办了Internet Health Day。Andrew S Grove做了开场演讲，预测医疗保健领域将出现互联网驱动的变革。无论是英特尔本身，还是英特尔旗下的投资业务在当时也一直试图以互联网为切入点联姻医疗。

不过，很显然，世纪交接那场著名的“互联网泡沫”彻底改变了这个方向。

2003年开始，WiFi技术的逐渐成熟让英特尔再一次尝试用技术改变医疗。时任英特尔前瞻性健康研究项目经理的Eric Dishman在当年举办的老龄服务未来会议（Future of Aging Services Conference）上试图探讨英特尔在医疗领域最具前途的领域，着重强调了家庭传感器网络对于医疗健康的加成作用。

在经过了一段时间的摸索后，英特尔在医疗上确定了方向。美国纽约时间2005年1月17日，英特尔宣布对公司结构进行了大刀阔斧的改组，新增数字医疗部门（Digital Health Group，后改名为Health and Life Science Group，即医疗卫生与生命科学部），由副总裁Louis Burns主管，主要任务是探索英特尔处理器在医疗研究和个人卫生保健中新的应用方式。

从数字医疗部门的这一目标中可以清晰地看出，英特尔成立该部门的初衷主要是为了扩大自家芯片的应用范围。毕竟，这是英特尔的核心竞争力所在。

在这种理念的驱使下，英特尔的数字医疗部门先后结合英特尔的芯片研发了MCA平台（Mobile Clinical Assistant），基于该平台的Motion C5医疗平板在当时也是相当超前的产品——直到2010年，苹果才发布我们熟知的iPad。

2008年7月10日成为了英特尔医疗事业的又一个里程碑。集成了一系列医疗管理软件的Intel Health Guide平板通过了FDA的510（k）认证，也是英特尔第一款通过FDA认证的医疗设备。

Intel Health Guide平板

这期间，英特尔还通过合作参与到医疗行业中。比如，与GE医疗结盟并组建新的医疗保健合资公司Care Innovations（这家公司开发了很多医疗解决方案，比如远程病人管理和家庭自我诊断方案等），资助医疗教育及年轻天才的医疗研究项目等。这些都大大提升了英特尔在医疗领域的存在感。

2013年开始，随着技术的发展，英特尔开始以更加广泛的方式来参与医疗领域。包括远程医疗、可穿戴设备、物联网IoT、云计算、大数据和AI等英特尔都有涉足。

2012年，谷歌利用16000颗英特尔多核处理器打造了名为“Google Brain”的AI，并在Youtube视频中识别出猫，成为AI发展的标志性事件。随后，麻省理工学院和哈佛大学Broad研究院利用英特尔处理器的AVX矢量指令集，将基因信息分析和监测速度提升了3～5倍。

以此为契机，英特尔发现了AI在医疗领域的巨大潜力，以及自身产品在AI上的巨大优势，逐渐开始将医疗领域的注意力聚焦到了AI领域。比如，Intel就和诺华合作，利用AI来加速药物研发；和飞利浦合作加快医疗AI深度学习的速度；并和西门子合作尝试挖掘AI实时诊断MRI的潜力。

既生瑜，何生亮。提到AI，就不能不提到英特尔避不开的老对手英伟达（NVIDIA）。英伟达的主打产品GPU原本是为3D图形渲染而生，在PC架构中与英特尔的主打产品CPU属于相生相依的关系，两者并不冲突。

但在AI应用中，尤其在如今计算机视觉和语音处理占据绝对主流的医疗AI应用中，GPU具有先天的优势。

2013年，英伟达与斯坦福大学合作，利用GPU打造了当时性能最强的AI神经网络，用16台GPU服务器就将AI性能提升到了Google Brain的6．5倍——后者使用的16000颗CPU需要多达1000台服务器容纳，GPU在AI中的优势由此可见一斑。

时至今日，绝大部分医疗AI企业都采用了英伟达以GPU为主要算力的方案。国内医疗AI的头部企业，如推想（2017）、商汤（2017）和依图（2018）都悉数在NVIDIA GTC大会上亮相。

尽管如此，GPU在AI应用中也不是一直占有优势的。因为GPU的内存处理能力有限，CPU在某些需要超大容量内存的（数十GB乃至上百GB）场合时要优于GPU的表现。在与专为某个用途定制的ASIC，比如捆绑了AI算法的AI芯片比较时，GPU也没有优势。

正是因为这个原因，2018年还在参加英伟达GTC大会的依图科技在2019年发布了AI芯片求索（QuestCore），专门为依图的AI算法进行优化，大幅提升了特定AI场景的算力。

据称一台基于四核求索芯片的服务器提供的算力与内置8张英伟达P4 GPU的服务器相当，体积仅有后者一半且功耗不到20％，充分说明了专用ASIC的巨大潜力。

英特尔也看到了这一点，在2015年8月收购了Nervana System这家在AI专用芯片领域享有盛誉的企业，并在2016年又收购了高性能视觉处理芯片商Movidius。

随后，英特尔发布了自己的第一款AI芯片——Lake Crest，号称AI性能比GPU强10倍；最新一代Spring Crest（Nervana NNP－L）在AI算力上据称比第一代Lake Crest又提升了3～4倍。

与此同时，英特尔还在桌面酷睿处理器采用的Ice Lake架构基础上，将内部的核显核心替换为AI推理加速器，并在其上添加DSP引擎的方式，研发出Spring Hill AI处理器（Nervana NNP－I）——这款芯片已在8月21日发布，可在现有数据中心无缝部署的AI处理器可以支持所有主流深度学习框架。

AI芯片虽好，但研发和生产都需要耗费巨资。配合专用算法的FPGA因其较为灵活的可配置特性和特定环境不逊于GPU的性能成为了AI公司的另外一个选择。简单来说，在写入软件前FPGA具有胜于CPU的通用性，在写入软件后则有类似ASIC的表现。