Intel认为人工智能学习运算将能带来全新应用改革，例如借由电脑视觉推动搜寻内容推荐，或是避免不良内容出现在搜寻结果，甚至应用在Facebook可让动态墙显示内容更符合个人阅读需求，此外也能应用在影像内容及时标示、显示注解，或是在赛事转播过程即时标示画面中出现选手名称、单场得分或助攻等数值等。
在此次于旧金山举办的AI DEVCON活动中，前Nervana共同创办人暨首席执行官，现任Intel人工智能解决方案部门总经理Naveen Rao强调人工智能仍处于相当早期发展阶段，同时并非仅能由单一机构独立推行，必须借由众人力量持续推动人工智能技术发展，并且使其成为改变传统电脑运算的全新方式。
就Intel目前对于人工智能发展看法，认为将从软件、硬件与互动交流三大面向投入发展，而这也是目前Intel在人工智能技术着重发展部分。
其中，在软件应用部分除了加入支援市面主流常见的TensorFlow、Caffe、Caffe 2、MXNet、pytorch、ONNX、CNTK，并且可借由Intel旗下深度学习编译器nGraph持续相容未来更多学习框架，同时透过开放架构达成内容相容效果，借此强化人工智能学习应用效果。
就目前Intel对于人工智能技术发展，主要还是基于FPGA架构整合CPU、GPU等算子件，借此针对不同需求建构各类学习运算模式，同时也能快速依据临时变更需求调整学习模式，因此Intel强调在部分情况下，透过FPGA架构布署的学习模式将比借由GPU加速方式更为省电。
不过，持续强调FPGA架构所带动优势，并非代表Intel认为GPU加速效益不佳，最主要还是看人工智能技术应用方向，以及实际学习模式，例如应用项目面临大幅度变更学习运算模式，而非锁定巨量学习运算规模，必须借由GPU加速缩短学习时间的情况下，FPGA架构自然有其弹性应用优势。以着重发展GPU的NVIDIA立场而言，同样也认为FPGA架构有其优势所在，而GPU则是在学习加速有明显效率表现，进而以更具效率方式推动人工智能技术成长。
而针对TensorFlow学习框架应用，Google持续借由更新TPU设计让学习效率具体提升的情况，Intel日前也宣布与微软携手合作名为Project Brainwave服务项目，透过FPGA架构与Azure云端服务平台结合应用，让开发者能依据不同需求即时调整学习运算资源配置，强调相比Google以TPU推动运算模式可缩减5倍运算延迟效果。另一方面，Intel在与亚马逊旗下AWS云端平台合作部分，同样也是借由FPFGA运算架构提供弹性配置效果，借此对应最佳运算效益。
因此在结合开放学习运算数据库、借由深度学习编译器达成不同学习框架运算相容，并且配合旗下XEON处理器借由FPGA架构弹性配置推动更具效率的学习效果，更进一步与合作伙伴、开发者等交流互动、建立深度合作，进而扩大人工智能技术应用范畴。在未来逐渐成为主流发展的物联网应用方面，Intel除日前宣布推出OpenVINO开发工具，更与C3 IOT平台合作打造各类微型服务等物联网应用项目。
借由人工智能学习运算，Intel认为将能带来全新应用改革，例如借由电脑视觉推动搜寻内容推荐，或是避免不良内容出现在搜寻结果，甚至应用在Facebook可让动态墙显示内容更符合个人阅读需求，此外也能应用在影像内容及时标示、显示注解，或是在赛事转播过程即时标示画面中出现选手名称、单场得分或助攻等数值等。更多应用则包含监视系统物件识别、动画人物肢体或嘴部动作模拟真实表现，以及医疗分析、自动驾驶、内容创作等领域，因此让不少市场看法认为人工智能将可带动下一波工业革命。
