撕下“芯片巨頭”標簽 英特爾如何用人工智能照亮未來(lái)之路？

　　曾經(jīng)的芯片巨頭，正在全面擁抱著(zhù)人工智能的轉型。但是前有老對手微軟的壓力，中有NVIDIA的截殺，后有谷歌等互聯(lián)網(wǎng)新貴的追擊，英特爾如何用人工智能照亮未來(lái)之路?

　對于A(yíng)I這件事，CPU和GPU誰(shuí)更適合?

　　要回答這個(gè)問(wèn)題，就要從CPU和GPU的架構說(shuō)起。這是一個(gè)非常復雜且學(xué)術(shù)的問(wèn)題，拋開(kāi)一些技術(shù)關(guān)卡，這張圖片能比較直觀(guān)的讓我們了解到CPU和GPU的不同。

　　CPU和GPU的架構示意圖

　　圖片中綠色的是計算單元，橙紅色的是存儲單元，橙黃色的是控制單元。GPU采用了數量眾多的計算單元和超長(cháng)的流水線(xiàn)，但只有非常簡(jiǎn)單的控制邏輯。而CPU有著(zhù)復雜的控制邏輯和諸多優(yōu)化電路，但計算能力只占很小一部分。因此，GPU更擅長(cháng)大規模并發(fā)計算，適用于數據并行度高的計算密集型程序(相同算法不同數據重復計算)。而CPU對并行程度要求低，對數據的依賴(lài)性不高，適合處理多樣的任務(wù)。

　　在2016年人工智能概念再次走向大眾視野時(shí)，Alphago的走紅將深度學(xué)習概念迅速炒熱，對于需要大量數據并行計算處理的深度學(xué)習，GPU的優(yōu)勢被直接放大，但是從人工智能的完整路徑來(lái)看，CPU和GPU必須各司其職相互配合。

　　具體到一個(gè)完整的人工智能應用，前期的數據獲取和最后的信息決策都是CPU擅長(cháng)的，而中間大量的數據計算則是GPU更擅長(cháng)完成的?！氨热缛四樧R別應用，前期圖像的采集、數據的存儲在CPU上運行最好，隨后GPU負責大量的并行識別計算，最后的識別結果需要關(guān)聯(lián)其他信息做決策，或者跟其他傳感器和渠道來(lái)做信息綜合的時(shí)候，CPU則更擅長(cháng)?！?a class="contentlabel" href="http://dyxdggzs.com/news/listbylabel/label/英特爾">英特爾中國研究院院長(cháng)宋繼強在接受ZOL視頻專(zhuān)訪(fǎng)時(shí)舉例道。

　　英特爾中國研究院院長(cháng)宋繼強

　　不過(guò)，GPU并不是并行計算的唯一平臺。如果還沒(méi)有明確的數據算法，需要大量實(shí)驗確定哪種算法更適合的時(shí)候，GPU的效率會(huì )更高更靈活。但是一旦算法固定了，GPU的工作將可以由一種專(zhuān)門(mén)針對人工智能AI優(yōu)化的加速芯片來(lái)替代。

　　目前，英特爾擁有FPGA和Nervana兩種硬件加速芯片，不需要CPU的指令調度，可以直接針對硬件和算法優(yōu)化，執行效率更高。這類(lèi)專(zhuān)用的加速芯片能夠解決計算密度、內存存儲帶寬等問(wèn)題，將性能優(yōu)化到最佳?！扒岸嗽O備要考慮尺寸、功耗、價(jià)格等問(wèn)題，專(zhuān)用加速芯片是最好的選擇。加速芯片特別適合在前端設備里做計算機視覺(jué)應用，小規模的深度學(xué)習網(wǎng)絡(luò )，所以會(huì )出現在無(wú)人機、人工智能攝像頭上?！彼卫^強院長(cháng)表示。

　　三個(gè)左右未來(lái)的收購

　　英特爾用專(zhuān)用加速芯片降低了并行計算的沖擊，而這背后離不開(kāi)三個(gè)關(guān)鍵性的收購。

　　英特爾167億美元收購Altera

　　2015年6月2日，英特爾宣布以167億美元的現金收購可編程邏輯芯片巨頭Altera，這筆交易成為英特爾成立49年歷史中金額最大的一筆并購，CEO科再奇都感嘆“這筆并購案的金額實(shí)在太大了”。的確，彼時(shí)英特爾一個(gè)季度的營(yíng)收才剛剛達到132億美元?，F在看來(lái)英特爾當時(shí)的破釜沉舟還是壓對了寶，Altera的FPGA納入到英特爾的產(chǎn)品線(xiàn)后，成為了英特爾開(kāi)發(fā)專(zhuān)用加速芯片至關(guān)重要的砝碼。英特爾并購副總裁文德?tīng)枴げ剪斂怂乖诋敃r(shí)接受采訪(fǎng)時(shí)曾表示，相對于傳統的處理器和FPGA獨立組件，FPGA和英特爾處理器封裝的一體化芯片最初將帶來(lái)30%-50%的性能提升，而最終的性能提升將達到2-3倍。