英特尔如何跳过GPU，用CPU来做人工智能？

处理器大厂英特尔(Intel)将于下周于美国旧金山举行的Intel Developer Forum (IDF)年度开发者论坛，进一步阐述该公司收购深度学习(deep learning)技术供应商Nervana Systems的意图──此举被视为Intel与深度学习人工智能(AI)应用绘图处理器(GPU)竞争的重要策略。

Intel在高性能运算(high-performance computing，HPC)市场居主导地位，Nvidia则以其复杂GPU在深度学习领域有大幅进展；而Nervana Systems的GPU则是以兼容于Nvidia的Cuda软件与自家Neon云端服务在市场获得关注。

Intel收购Nervana的目标在于取得其预计2017年问世的深度学习加速器芯片，如果该芯片的性能表现如预期，Intel的深度学习加速器硬件开发板可望超越Nvidia的GPU开发板，同时收购自Nervana的Neon云端服务之性能表现也将超越Nvidia的Cuda软件，

*Intel执行副总裁暨数据中心事业群总经理Diane Bryant与Nervana共同创办人Naveen Rao
（来源：Intel）*

“通过这次并购，Intel给了Nvidia一记重击，”市场研究机构Moor Insights & Strategy的深度学习暨高性能运算资深分析师Karl Freund接受EE Times访问时表示：“但这是进军一个成长非常快速的市场之合理策略。”

Freund进一步解释：“GPU是训练深度学习神经网络的一个热门方法，Nvidia在该领域是领导厂商；Intel则有自己的多核心Xeon/ Xeon Phi处理器，以及收购自Altera的FPGA，却没有GPU。收购Nervana是以一个非复制通用GPU策略进军深度学习市场的方法，也就是透过提供为神经网络量身打造的特制处理器。”

Nervana指令周期号称可达每秒8 terabit的Engine芯片，是一款以硅中介层(silicon-interposer)为基础的多芯片模块，配备terabyte等级的3D内存，环绕着3D花托状架构(torus fabric)、采用低精度浮点运算单元(FPU)的链接神经元；因此Freund指出，该芯片与竞争通用GPU相较，能以更小的尺寸支持每秒更多次数的深度学习运算。

*Nervana 的Engine芯片架构
（来源：Nervana）*

Freund表示：“深度学习神经网络能摆脱通用GPU在理论上过度夸大的较低精度运算；虽然Nervana的芯片要到明年才问世、因此目前并没有公布任何性能量测基准数据，但为深度学习神经网络量身打造的特殊应用芯片，性能应该会超越在通用GPU的相同算法。”

Intel声称，目前全世界有97%支持机器学习的服务器都是采用Xeon/Xeon Phi芯片，但这些服务器占据全球服务器的比例不到10%；不过Intel也表示，机器学习是成长速度最快的AI应用，因此该公司准备好以Nervana的Engine芯片为基础的深度学习神经网络，找回因GPU竞争而流失的市占率。

针对Nervana的收购，Intel执行副总裁暨数据中心事业群总经理Diane Bryant在一篇博客文章中表示：“人工智能正在转变商业运作以及人们参与世界的模式，而它的子集──深度学习，是扩展AI领域的关键方法。”

据了解，Intel将把Nervana的算法纳入Math Kernel Library，以与其产业标准架构整合；此外收购Nervana将让Intel取得Neon云端服务，因此为旗下的云端服务增加支持Nvidia深度学习技术的产品。

Freund表示，Nvidia若要维持竞争力，可能也需要以低精度特制深度学习处理器来响应Intel+Nervana。目前Nervana的团队有48位工程师与管理阶层，将归入Bryant负责的Intel数据中心事业群(Data Center Group)。

编译：Judith Cheng

本文授权编译自EE Times，版权所有，谢绝转载

关注最前沿的电子设计资讯，请关注“电子工程专辑微信公众号”。