收購Nervana后 Intel在A(yíng)I芯片上進(jìn)展如何？

　　8月9日，Intel對Nervana的收購以4.08億美元告終。作為對比，英特爾財報顯示，其今年第三季度的凈利潤為34億美元。以如此之高的價(jià)格收購一個(gè)僅有48人的團隊，Intel有自己的考量。

　　當年為了追逐IoT的步伐，Intel錯失了移動(dòng)芯片市場(chǎng)，現如今其競爭對手NVIDIA已造出Tesla P100，Intel在AI芯片領(lǐng)域還遲遲沒(méi)有動(dòng)靜。此次收購Nervana可謂是Intel彎道超車(chē)的明智之舉，將Nervana的軟件架構部署至Intel的硬件上，此次合作對Nervana和Intel來(lái)說(shuō)無(wú)疑是雙贏(yíng)的。

　　收購當日，Nervana聯(lián)合創(chuàng )始人Naveen Rao便表示：“融資對我們來(lái)說(shuō)相對比較容易，但是被英特爾收購，就意味著(zhù)我們能夠接觸到曾經(jīng)對于我們來(lái)說(shuō)觸不可及的技術(shù)?！?nbsp;此處的“技術(shù)”所指，是硬件層面。

　　Nervana的業(yè)務(wù)著(zhù)眼于基于云的深度學(xué)習服務(wù)，其主要深度學(xué)習框架Neon在主流的深度學(xué)習網(wǎng)絡(luò )例如AlexNet、VGG、GoogLeNet上均性能優(yōu)異;具備強大的易用性及可擴展性，支持CNN、RNN、LSTM、GRU、BatchNorm等模型。Neon在卷積計算時(shí)采用了Winograd算法，在數據載入層面也做了很多優(yōu)化。Nervana表示，Neon的計算速率是Caffe的兩倍。

　　GPU近年來(lái)被用作深度學(xué)習處理器，實(shí)為無(wú)奈之舉。如今，有了Intel的加持，Nervana正計劃推出其針對深度學(xué)習算法的定制芯片Nervana Engine。目前的神經(jīng)網(wǎng)絡(luò )訓練處在依賴(lài)海量數據的階段，我們希望用更多的數據為系統帶來(lái)更高的準確性，這使得訓練效率至關(guān)重要。單純地通過(guò)增加處理器的數量來(lái)擴展其性能或許可以解一時(shí)之需，但當處理器數量達到一定程度，I/O能力又成為瓶頸。

　　對此，英特爾中國研究院院長(cháng)宋繼強表示：“Nervana技術(shù)可以更高效地定義內存的訪(fǎng)問(wèn)帶寬和計算密度，讓它很好地匹配當前數據量增大的需求。同時(shí)可以讓多個(gè)節點(diǎn)并行去支持這種大模型的訓練，所以我們可以看到近乎一種線(xiàn)性的性能的擴展?！?/p>

　　相比GPU，Nervana Engine在訓練方面可以提升10倍性能。與Tesla P100類(lèi)似，該芯片也利用16-bit半精度浮點(diǎn)計算單元和大容量高帶寬內存(HBM，計劃為32GB，是競品P100的兩倍)，摒棄了大量深度學(xué)習不需要的通用計算單元。

　　在硬件基礎上，Nervana于今年11月份推出了Intel Nervana Graph平臺。該框架由三部分組成：用于創(chuàng )建計算圖的API、用于處理常見(jiàn)深度學(xué)習工作流的前端API(目前支持TensorFlow和Neon)、以及用于在 CPU/GPU/Nervana Engine上編譯執行計算圖的轉換器API。

　　AI發(fā)展的良性閉環(huán)

　　Intel方面，在收購Nervana后，Intel正式提出AI發(fā)展的良性閉環(huán)概念。Intel提供從嵌入式端到云端、從底層到應用層的完整實(shí)現方案。

　　首先，在硬件層面，Intel處理器能為各種AI硬件提供支持。對于前端設備，Intel推出Movidius硬件平臺，以滿(mǎn)足前端設備功耗、預算、尺寸等限制。同時(shí)，在面向硬件優(yōu)化的過(guò)程中，Intel提出相應的庫。具體包括：針對數學(xué)運算的庫、針對數據分析的庫、針對通訊加速的庫、以及針對Python語(yǔ)言的庫等等。在框架層面，Intel支持所有的開(kāi)源框架，這意味著(zhù)開(kāi)發(fā)者不需要改變使用習慣，就能使用Intel的各項架構支持。更上層的，Intel提供深度學(xué)習SDK、Nervana等平臺。

　　在軟件層面，宋繼強表示：“目前的深度神經(jīng)網(wǎng)絡(luò )還有很多技術(shù)點(diǎn)有待突破，神經(jīng)網(wǎng)只是實(shí)現人工智能的一個(gè)工具，但未必是最后的工具?！睂τ贏(yíng)I算法，Intel目前正致力于如何使系統實(shí)現更少的數據及人力依賴(lài);如何讓模型更稀疏;如何壓縮模型使之更易存儲;如何對模型剪裁使其運算量最少;如何使計算精度下降，甚至降至一位。

　　對于Intel的主營(yíng)業(yè)務(wù)，處理器制造來(lái)說(shuō)，用戶(hù)有了更多元化的選擇。