英特尔欲借此芯片挑战英伟达AI领域！.doc

《英特尔欲借此芯片挑战英伟达AI领域！.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、英特尔欲借此芯片挑战英伟达AI领域！　　英特尔已公布了关于人工智能的计划，但至少有一块关键拼图尚未完成。　　英特尔此前收购了NervanaSystems，并宣布将继续销售该公司的所有产品。这些产品面向高端应用，尤其是神经网络的训练。这一领域目前的领先者是英伟达。与此同时，英特尔收购Movidius的交易尚未完成，因此在计算机视觉和边缘网络方面还有很大的缺失需要填补。此外，英特尔还公布了多个人工智能软件产品、服务和合作项目。　　在近期举行的英特尔人工智能活动上，MovidiusCEO曾短暂露面。他

2、没有透露，这笔交易将于何时完成以及障碍是什么。他表示：“我们期待加入英特尔大家庭。”他介绍了应用至汽车、无人机、安防摄像头和其他产品的低功耗芯片的计划。　　即使这笔交易完成，英特尔也无法提供完整的人工智能产品。不过，毫无疑问这是英特尔的目标所在。　　英特尔CEO科再奇（BrianKrzanich）在此次活动的主题演讲上表示：“人工智能将变革我们目前所知的大部分行业，因此我们希望成为人工智能领域可信赖的领导者和开发者。”　　　　NervanaCEO及联合创始人奈文·拉奥（NaveenRao）是此次

3、活动上的明星。英特尔已经为Nervana的全系列产品大开绿灯，其中涉及处理器、板卡、系统、软件和人工智能云计算服务。　　Nervana的加速处理器LakeCrest将于明年推出。据称在同样的能耗水平上，相对于目前的顶级图形处理器，这款产品在运行神经网络任务时将会有更好的性能。这款芯片将使用台积电的28纳米工艺制造。　　拉奥首次展示了这款芯片从头开始设计的架构。这款芯片可以加速各类神经网络，例如谷歌（微博）TensorFlow框架。芯片由所谓的“处理集群”阵列构成，处理被称作“活动点”的简化数学运

4、算。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。　　LakeCrest利用私有的数据连接创造了规模更大、速度更快的集群，其拓扑结构为圆环形或其他形式。这帮助用户创造更大、更多元化的神经网络模型。这一数据连接中包含12个100Gbps的双向连接，其物理层基于28G的串并转换。　　这一2.5D芯片搭载了32GB的HBM2内存，内存带宽为8Tbps。芯片中没有缓存，完全通过软件去管理片上存储。　　英特尔并未透露这款产品的未来路线图，仅仅表示计划发布一个名为KnightsCre

5、st的版本。该版本将集成未来的至强处理器和Nervana加速处理器。预计这将会支持Nervana的集群。不过英特尔没有透露，这两大类型的芯片将如何以及何时实现整合。　　拉奥表示，整合的版本将会有更强的性能，同时更易于编程。目前基于图形处理芯片（GPU）的加速处理器使编程变得更复杂，因为开发者要维护单独的GPU和CPU内存。　　拉奥还表示，到2020年，英特尔将推出芯片，使神经网络训练的性能提高100倍。一名分析师表示，这一目标“极为激进”。毫无疑问，英特尔将迅速把这一架构转向更先进的制造工艺，与

6、已经采用14纳米或16纳米FinFET工艺的GPU展开竞争。　　最初的加速处理器需要通过PCI-E总线去连接主机。近期，英特尔决定更进一步，不仅提供应用，也提供云计算服务。　　这款产品是英特尔大胆的一步。英特尔希望凭借这款产品取得相对于英伟达的技术优势。目前，后者的GPU芯片被广泛用于神经网络的训练。这是一项非常依赖于处理器的任务。百度等公司的研究人员表示，为了限制数据集的规模，他们往往要花几个月时间。　　拉奥表示：“目前，艺术级的神经网络模型需要花几周到几个月时间去训练。”他指出，百度研究院使

7、用的一个模型需要消耗百万万亿次运算。　　科再奇则表示：“Nervana定位高端，给我们带来了深度学习最顶尖的性能。”　　然而，这仍是一个规模较小的新兴市场。　　英特尔数据中心集团总经理戴安·布莱恩特（DianeBryant）指出，去年只有0.15%的服务器被专门用于神经网络训练。布莱恩特指出，英特尔收购人工智能云计算服务SaffronTechnologies已吸引了终端用户。　　4名研究员已同意加入Nervana的人工智能顾问委员会，帮助该公司芯片架构未来的发展。Nervana将研究多种方式去优

8、化算法，简化神经网络模型，探索降精度运算的新方向，以及如何扩大芯片规模。　　分析师则对英特尔拥抱非x86架构表示看好。　　MoorInsights&Strategy总裁帕特里克·莫尔海德（PatrickMoorhead）表示：“如果去看看，他们如何迅速将Altera、Nervana、Phi、至强和其他所需的软件整合在一起，那么对英特尔这么大规模的公司而言，这令人印象深刻。目前的情况将取决于英特尔如何无错地执行。”　　尽管没有针对人工智能进行优化，但英特尔仍然非常专注于至强Phi。这类多核x86芯