長城修繕不比其它可放在室內完成的文物修繕，其修繕過程從勘察到施工都存在著極大的挑戰。傳統的勘察手段十分原始，大部分工作需要工作人員親歷親為，如進行田野調查、整合地理信息成果、整理圖像數據等。修繕施工需遵循著“修舊如舊”的文物修繕原則，而傳統勘察手段極難滿足修繕施工所需要的數據。

2014年，國家文物局印發了《長城保護維修工作指導意見》。《意見》強調了長城保護的這一原則，稱“長城保護維修必須保持長城的原形制、原結構，優先使用原材料、原工藝”。

在勘察階段，傳統的勘測數據來源以田野調查為參考，以整合處理的基礎地理信息成果為基礎，并結合了彩色數字正射影像。2006年，中央政府發布了《長城測量內容與方式》一文，文中介紹了更先進的測量工作主要由“飛機遙感實測長城”結合人工完成的遺址土壤鑒定、通過地理信息系統技術還原長城全貌、以及通過全球衛星定位技術定位地理坐標這三類途徑完成。

傳統的勘察手段完全不能保證還原精度，而由人工完成對大量圖片的處理讓勘察過程就耗時驚人，為后續的修繕施工帶來了諸多不便，也并不能完全滿足施工需求。而傳統的勘察手段只能局限于人可以踏足的部分，那些人類難以涉足的處于險峻之地的長城，我們能做的曾非常少。

英特爾與文保基金會合作的首個項目就是利用英特爾人工智能技術修繕幾百年來從未用技術手段系統修繕過的箭扣長城。英特爾的解決方案將是一個全新的探索，先進的無人機航拍和人工智能技術將被投入勘測、3D建模及數字化修復、及修繕工程人力物力成本估算等多個步驟，英特爾的計算技術將深度參與其中。 修繕長城需要幾步？傳統手段 VS． 英特爾人工智能英特爾的方案是，基于Xeon至強可擴展處理器，英特爾固態盤，同時結合OpenMP／MPI并行優化技術，采用針對英特爾CPU優化的英特爾？深度神經網絡數學核心函數庫（MKL－DNN），以及面向英特爾架構優化的深度學習框架Tensorflow等工具，高效地實現長城3D建模和數字化修復，并達到厘米級精度的效果。

英特爾至強服務器，為人工智能的開發者提供了全套的開發工具鏈，允許開發者根據深度學習的數據復雜度對內存的需求按需配置。在此基礎上，英特爾中國研究院和武漢大學將開發出長城缺損／裂縫識別與定位，數字化修復的深度學習算法，包括長城缺損／裂縫識別與定位，及長城數字化模型虛擬修復。

針對損毀及裂縫類型，研究人員在正常的和損毀的長城3D模型上進行樣本采集和標定，獲取足夠多的樣本數據，用于訓練深度學習網絡，并針對3D模型的不同視角的2D視圖和剖面圖，進行大量數據樣本的訓練分析，形成對典型損毀模式的識別能力。

當一段長城的損毀部位識別出來之后，AI就會進行數字化的虛擬修復，在損毀的模型上生成3D的修復效果和磚墻紋理，并獲得物理修繕所需的工程量的數據，作為對物理修繕的參考建議。在數字化修復中，大運算量的2D／3D模型生成技術將得到應用。無論是2D還是3D模型的生成網絡訓練，其數據輸入量和運算量都是驚人的，只有英特爾至強服務器能夠提供完整的支持。

英特爾AI的數字化修復會遵循“修舊如舊”的文物修繕原則，為長城修繕工程提供詳細的位置、效果和所需工程量的估計，作為實際工程有效的參考和對照。

有了英特爾人工智能技術的參與，勘測過程中不再需要工人飛檐走壁冒生命危險實地查看長城的損毀情況。依靠英特爾人工智能技術達到厘米級精度的3D建模和數字化修復手段將是長城保護的新出路。本次合作為未來人工智能技術在文物保護方面的應用的拓展提供了良好的技術思路啟發。