眾所周知，當前幾乎所有主流的深度學習都在使用英偉達的GPU(圖形處理器)。這是由于深度學習是需要訓練的，訓練所需的計算量大的驚人，用傳統(tǒng)的CPU計算需要漫長的時間，而GPU善于并行處理數(shù)據(jù)，能很大程度上減少深度學習訓練方面的時間。于是，深度學習成為促成GPU發(fā)展的大好時機，原來在圖像處理領域擁有深厚積累的硬件制造商英偉達，超過傳統(tǒng)的計算廠商英特爾一躍成為這一領域的領軍者。如今，無論是國外的谷歌、Facebook，還是國內的百度、阿里、騰訊等，無一例外地都在使用英偉達GPU開展深度學習研究，英偉達成為這一領域的幾乎唯一的供貨商。

　　英特爾的反擊

　　人工智能的發(fā)展，特別是深度學習領域CPU地位的衰落，讓英特爾行業(yè)地位都有可能不保。英特爾在移動戰(zhàn)略失敗后，又將賭注押在了人工智能上，并堅信它代表著企業(yè)數(shù)據(jù)中心的下一個重大轉變。2016 年 8 月，英特爾斥資近4億美元收購了一家深度學習公司Nervana，這是一家創(chuàng)立還不到兩年、只有48名員工的小公司。Nervana由前高通公司研究員Naveen Rao創(chuàng)建，其主營業(yè)務是出售以深度學習任務為基礎的各類硬件，并利用自己的硬件設施提供深度學習的云計算服務。值得注意的是，Nervana在2015年就已研發(fā)出并開放給業(yè)界一款深度學習軟件Neon，該軟件在業(yè)內擁有一定的名氣。甚至有研究人員稱，Nervana的Neon軟件比Facebook的Torch7、英偉達的cuDNN等業(yè)界知名的深度學習工具的性能都要高。

　　對于英特爾這樣的芯片制造商來說，收購Nervana后可利用雄厚的硬件基礎使其能夠將機器學習技術全部嵌入芯片中，而不只是讓軟件在任何顯卡芯片集上運行，這樣能極大地提升機器學習的訓練速度。英特爾收購該公司，還能將其預計2017年才問世的深度學習加速器芯片用于自家處理器上，以此挑戰(zhàn)英偉達在人工智能市場的主導地位。

　　英特爾的新款芯片

　　在今年的英特爾開發(fā)者大會上，英特爾宣布將于2017年推出專門為人工智能深度學習而設計的最新一代產(chǎn)品——Intel Xeon Phi處理器，代號Knights Mill，稱其運算能力比對手的Kepler GPU系列產(chǎn)品快兩倍以上。英特爾首席執(zhí)行官表示，“圖形芯片在人工智能方面沒有任何獨特優(yōu)勢，它不是唯一解決方案。”按計劃，英特爾將于2017年上半年測試基于Nervana技術的加速處理器(代號為Lake Crest)芯片，并在下半年發(fā)售該芯片。據(jù)稱，Lake Crest芯片專門針對神經(jīng)網(wǎng)絡進行了優(yōu)化，可為深度學習提供極高的性能，并可通過內部高速互連的帶寬提供前所未有的計算密度。在運行神經(jīng)網(wǎng)絡任務時，在同樣的能耗水平上Lake Crest芯片將比目前最頂級的圖形處理芯片有更好的性能。

　　據(jù)稱，Lake Crest芯片將使用臺積電的28納米工藝制造，可以加速各類神經(jīng)網(wǎng)絡的訓練過程，比如谷歌的TensorFlow。Lake Crest芯片由所謂的“處理集群”陣列構成，處理被稱作“活動點”的簡化數(shù)學運算。該方法擁有比浮點運算小得多的計算量，因此帶來了10倍的性能提升。通過逐年演進，到2020年英特爾的芯片將使神經(jīng)網(wǎng)絡訓練的性能提高100倍。在軟件方面，英特爾將于2017發(fā)布并開源針對Nervana的圖形編譯器。同時，英特爾也在優(yōu)化運行在x86處理器之上的主流人工智能框架，包括在今年底之前推出TensorFlow的一個版本，用于深度學習的SDK將于明年1月份推出。

　　結論

　　盡管英特爾自稱其研發(fā)的新款芯片產(chǎn)品，性能領先當前主流GPU芯片數(shù)倍，但是此前英偉達也駁斥過英特爾的說話，據(jù)說是評測的基準不一致。此外，在沒有真正推向市場前，一切的叫板都是無力的，英特爾需要盡快推出有競爭力的產(chǎn)品并扭轉當前深度學習芯片市場的頹勢地位才行，從這點看，英特爾還有很大一段路需要走。但是，對于人工智能的從業(yè)者來說，另一種芯片架構競爭者的加入，將給整個行業(yè)帶來更多選擇，價格低廉、性能強大的處理芯片將給人工智能領域帶來更多的創(chuàng)新機會。