英特尔是唯一有能力加速推广AI的公司

随着科技进步，人工智能（ArTIficial Intelligence，AI）愈发受到重视，不只 Google、Facebook、Amazon 等网络巨头争相投入，英特尔、AMD、nVIDIA 过往在 PC 市场的战局也逐渐转至人工智能领域，各家除了在处理器、显卡加速升级以更符 AI 运算，英特尔更是对此展开一连串的收购，从认知运算公司 Saffron、机器学习新创 Nervana 到电脑视觉芯片公司 Movidius，英特尔想做些什么？

现今多数发展人工智能企业多以 GPU 来进行深度学习的训练与辨识，AMD、nVIDIA 基于此推出一系列产品，nVIDIA 甚至推出以 GPU 为主的深度学习专用超级电脑 DGX-1，在人工智能推广，英特尔显然比对手 AMD、nVIDIA 低调得多。

对手来势汹汹，始终静默的英特尔终于在 11 月中公布了最新的人工智能策略，预告未来将推出一系列 AI 解决方案，11 月 17 日、30 日英特尔分别在美国旧金山、中国北京举行人工智能论坛（AI Day）布道，表达英特尔要从芯片硬件、运算软件到架构掀起一连串 AI 革命的决心。

英特尔 CEO 科再奇（Brian Krzanich）称人工智能为人类历史重要的新转折点，并强调英特尔是唯一有能力加速推广 AI 的公司，而英特尔正投注大量的资源在人工智能，以促进商业与社会的发展。科再奇甚至指出，所有的收购都是为了使人工智能遍及英特尔的产品。重押 AI 的野心尽在言辞。

在英特尔人工智能的发展上，Nervana 成为首先被关注的焦点，Nervana 为今年 8 月所买下的机器学习新创公司，以此为新产品名称，包含 Xeon（中国译为至强）、Xeon Phi（中国译为至强融核）英特尔现有 CPU 产品都被纳入其中。

（Source：英特尔中国）

英特尔旗下 Xeon 独霸服务器芯片市场，官方数据强调，目前在运行 AI 运算作业的数据中心服务器市占高达 97%。但在近期人工智能深度学习技术逐渐受到关注，运算模型对平行运算的需求，使得 GPU 在 AI 领域的重要性日增，英特尔显然不想让 nVIDIA 等厂商抢了自家原本重要市场。

英特尔执行副总裁暨数据中心事业群总经理 Diane Bryant 更豪言，2020 年以前 Nervana 平台训练深度学习模型时间，要比现行 GPU 训练时间缩短 100 倍， 加速深度学习的脚步。在这次北京 AI Days 上，英特尔中国研究院院长宋继强指出，Nervana 在数据量足够大的情况下，机器在影像与语音的辨识能力已能超过人类。

对于 Nervana 为何能加速深度学习效能，宋继强做出解释，其指出在机器学习领域，研究者无不期望性能能够随着数据增多而提升，这点初期可透过增加处理器数量做到，但当处理器增加到一定程度，性能增长停滞，所面临的就是 I/O 问题，由处理器之间通讯、内存访问所产生的瓶颈。Nervana 技术则能更高效定义内存频宽与计算密度，去匹配数据量增大的需求，同时让多个节点并行支持大模型训练，而能有近乎线性的性能扩展。

（Source：英特尔中国）

英特尔在这几次活动也揭露整合 Nervana 技术后的产品蓝图，除了首颗专用于深度学习运算的芯片 Lake Crest 将于 2017 年上半进行测试，Nervana 结合 Xeon、Xeon Phi 处理器的新品同样将在 2017 齐发。

第一颗整合 Nervana 技术的 Xeon 处理器 Knights Crest 被制定用于深度学习的核心技术类神经网络，并支持高频宽互连。而加入 64 核、72 核的超多核心协同处理器 Xeon Phi 可在软件配合下大幅提升计算性能。宋继强举例，Caffe AlexNet 刚放上 Xeon Phi 上运行时性能并未有多大的改变，但在经过软件部门研究人员六个月最佳化后，性能提升了 400 倍。

而英特尔明年推出融合 Nervana 的 Xeon Phi 处理器 Knight Mill，将能再比现有 Xeon Phi 处理器 Knight Landing 效能提升 4 倍。而日前收购的 Altera FPGA 产品也被整合进 Nervana 的 AI 产品线，强调在部分特定领域可用于专门的客制化架构，或者框架还未确定时便于实验、修改。

（Source：英特尔中国）