英特尔专用AI芯片憋了三年半终于要放大招了.doc

《英特尔专用AI芯片憋了三年半终于要放大招了.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、英特尔专用AI芯片憋了三年半终于要放大招了　　英特尔那款专用AI芯片的大招已经憋三年半了。　　准确来说，Nervana——英特尔砸了4.08亿美元（也有报道称3.5亿）买下的那家加州创企——他们那款专用AI芯片的大招已经憋三年半了。　　2014年4月，在Nervana获得首笔60万美元的成立之初，这家公司就宣布要打造一款“深度学习专用硬件”。而在2014年8月，在获得第二笔融资（330万美元）后，其CEONaveenRao就表示，“用户能在大约6个月后尝试到这些深度学习专用硬件。”　　三年多后，在经历了第三轮2050万美

2、元融资并且被英特尔收购后，在今年10月17日，英特尔CEO科再奇在采访中表示，这块芯片在今年年底就会正式和用户见面。与此同时他还说，Facebook正在参与合作打造这款AI专用芯片。　　然而，随着2017年转眼就要余额不足，英特尔这款Nervana专用AI芯片的还是没有正式亮相。尤其是在欧美连珠炮假日季“感恩节-圣诞节-元旦”来临的12月底，我们可以大胆地假设一句——明年见（也许是2018英特尔专用AI芯片憋了三年半终于要放大招了　　英特尔那款专用AI芯片的大招已经憋三年半了。　　准确来说，Nervana——英特尔砸了4

3、.08亿美元（也有报道称3.5亿）买下的那家加州创企——他们那款专用AI芯片的大招已经憋三年半了。　　2014年4月，在Nervana获得首笔60万美元的成立之初，这家公司就宣布要打造一款“深度学习专用硬件”。而在2014年8月，在获得第二笔融资（330万美元）后，其CEONaveenRao就表示，“用户能在大约6个月后尝试到这些深度学习专用硬件。”　　三年多后，在经历了第三轮2050万美元融资并且被英特尔收购后，在今年10月17日，英特尔CEO科再奇在采访中表示，这块芯片在今年年底就会正式和用户见面。与此同时他还说，F

4、acebook正在参与合作打造这款AI专用芯片。　　然而，随着2017年转眼就要余额不足，英特尔这款Nervana专用AI芯片的还是没有正式亮相。尤其是在欧美连珠炮假日季“感恩节-圣诞节-元旦”来临的12月底，我们可以大胆地假设一句——明年见（也许是2018CES？）　　不过，虽然大招一再推迟，但是英特尔集团上下依旧对于Nervana项目十分看重。英特尔CEO科再奇不仅在不同场合内一再为Nervana站台，而且在收购Nervana后短短几个月间，前NervanaCEO就被晋升为英特尔人工智能事业部总负责人，直接向科再奇汇

5、报——在以资历排位著称的英特尔内，晋升速度堪称火箭。　　　　▲前NervanaCEO、英特尔人工智能事业部总负责人NaveenRao　　今天，我们就来扒一扒Nervana与这块英特尔专用AI芯片，同时也来看一看英特尔这三年多的等待和3.5亿美元的资金砸出了多大一个响来？也看看英特尔这个曾经PC时代当之无愧的霸主，如今能不能靠着Nervana在人工智能领域提刀再战？　　比GPU更好、更快、更强大　　深度学习分为训练（Training）和应用（Inference）两个阶段，Nervana芯片瞄准的是训练阶段，这一阶段需要计算

6、机处理大量的数据，现有的CPU难以满足如此强大的计算需求，这也是英伟达靠着GPU崛起的重要原因。　　目前Nervana芯片主要应用在云计算数据机房内。NervanaCEONaveenRao曾经表示，Nervana使用的这种新型芯片设计架构比GPU更快、功耗更低、性能更好。　　　　▲英特尔Nervana深度学习专用芯片设计架构　　根据英特尔在2016年11月的AIDay上，我们第一次了解到了这块Nervana深度学习专用芯片的设计架。这款芯片为2.5D封装，搭载了32GB的HBM2内存，内存带宽为8Tbps。芯片中没有缓存

7、，完全通过软件去管理片上存储。它可以支持各类神经网络算法框架的加速，比如Nervana的Neon、谷歌的TensorFlow、Facebook的Caffe等。　　NervanaCEO表示，之所以这款芯片能够做到比更快CPU、比GPU更快地加速处理深度神经网络，原因有二：　　1、这块芯片由“处理集群”阵列构成，处理被称作“活动点（flexpoint）”的简化数学运算，基于张量处理器的架构。相对于浮点运算，这种方法所需的数据量更少，因此带来了10倍的性能提升。　　　　2、“互联（interconnect）”技术——这是Ner

8、vana芯片的真正亮眼之处，不过Nervana一直这一技术的细节讳莫如深——NaveenRao将这项互连技术描述为一种模块化架构，其芯片结构可以在编程上扩展成与其它芯片的高速串行连接，帮助用户创造更大、更多元化的神经网络模型。　　在GPU上，数据在芯片内部处理和芯片外部通信处理有很大的不同，必须将内存映射到I/O，在