英特爾望借由Nervana處理器征服AI市場(chǎng)

　　英特爾(Intel)雖擁有傲人的芯片技術(shù)，但在近年最熱門(mén)的人工智能(AI)領(lǐng)域，英特爾還未能有較突出的表現。為扭轉劣勢，英特爾買(mǎi)下了深度學(xué)習芯片廠(chǎng)商Nervana Systems，并計劃在2017年底前推出第一款AI專(zhuān)用化(purpose-built) Nervana神經(jīng)網(wǎng)路處理器(NNP)。

　　據Engadget報導，電腦視覺(jué)、語(yǔ)音辨識等深度學(xué)習應用通常需在大型陣列進(jìn)行矩陣計算，而這并非英特爾Core或Xeon等通用型芯片的長(cháng)項。英特爾期望借由即將推出的NNP彌補AI這塊缺口，并邀請到致力于深度學(xué)習及AI展的Facebook參與芯片設計。

　　除了Facebook擅長(cháng)的社群媒體應用外，英特爾還計劃將其AI芯片推廣到健康醫療、汽車(chē)、氣象等領(lǐng)域。

　　Nervana NNP是一款特定用途積體電路(ASIC)，能以極高運算效率從事深度學(xué)習演算法的訓練與執行。英特爾舍棄了CPU上常見(jiàn)的快取，改由特殊軟體負責特定演算法的芯片存儲器管理，希望能借此將芯片的運算密度與性能提升到新的層次。

　　Nervana NNP還可透過(guò)芯片內外部的高速互連，支援大量雙向資料傳輸。如果連結多個(gè)NNP芯片，就可組成一個(gè)巨大的虛擬芯片，應付規模不斷升級的深度學(xué)習模組。

　　值得一提的是，Nervana NNP采用了一種精度較低的Flexpoint格式。英特爾AI副總裁Naveen Rao表示，神經(jīng)網(wǎng)路對于資料的雜訊有相當高的容忍度，而這些雜訊甚至還可協(xié)助神經(jīng)網(wǎng)路匯集出新的解決方法。精度較低的Flexpoint有助提升系統平行處理能力、降低延遲、增加頻寬。

　　在英特爾投入AI發(fā)展前，NVIDIA便借著(zhù)GPU的平行運算能力搶先一步攻克市場(chǎng)，但GPU擅長(cháng)的是演算法訓練而非執行。另一方面，英特爾最大競爭對手高通(Qualcomm)則投入了擅長(cháng)執行AI程式的芯片研發(fā)。

　　英特爾的NNP芯片同時(shí)以AI的訓練與執行為目標，并會(huì )陸續推出新的版本。除此之外，英特爾還投入了一款名為L(cháng)oihi的神經(jīng)形態(tài)(neuromorphic)芯片，以及機器視覺(jué)芯片Myriad X的研發(fā)。

　　就在英特爾努力追趕之際，NVIDIA也針對AI應用程式(App)推出了V100芯片，并延攬到Clement Farabet擔任AI架構副總，希望能提升其芯片執行深度學(xué)習程式的能力。

　　在此同時(shí)，Google為數據中心應用自行打造了一款Tensor Processing Unit (TPU)芯片，IBM也發(fā)表了名為T(mén)rue North的仿神經(jīng)型態(tài)芯片。