首页 | 新闻 | 新品 | 文库 | 方案 | 视频 | 下载 | 商城 | 开发板 | 数据中心 | 座谈新版 | 培训 | 工具 | 博客 | 论坛 | 百科 | GEC | 活动 | 主题月 | 电子展
返回列表 回复 发帖

从Supercomputing看Intel的AI战略实施

从Supercomputing看Intel的AI战略实施

产业界一直在期待英特尔的机器学习计画,究竟处理器晶片龙头将端出什么AI方案?

英特尔(Intel)正于近日在美国举行的Supercomputing 2016大会上展示其两款新型Xeon处理器,以及支援深度学习的新型FPGA卡;从该公司的技术展示,能窥见其准备推出的完整机器学习方案之一角。

产业界一直在期待英特尔的机器学习计画,这也是近几年半导体产业界最热门的技术领域之一;对此专长人工智慧(AI)处理器设计的新创公司Graphcore共同创办人暨执行长Nigel Toon表示:“我认为Brian Krzanich (英特尔执行长)会在相关技术上投注很大。”Graphcore最近才向包括英特尔竞争对手三星(Samsung)在内的投资人募得3,000万美元资金。

英特尔也有对机器学习技术进行一些投资,例如在不久前收购两家专长神经网路技术的处理器新创公司Nervana与Movidius,加上以167亿美元收购的Altera,后者的FPGA已经被百度(Baidu)、微软(Microsoft)等大厂应用于资料中心,以加速搜寻引擎、连网等任务。

在此同时,英特尔持续把其大型多核心x86处理器Xeon Phi,视为对抗Nvidia、AMD之绘图处理气的武器;在8月份的IDF英特尔技术论坛上,该公司表示其代号为Knights Mill的Phi处理器,将会是第一款同时能扮演主处理器与加速器的产品,预计2017年出货。

机器学习扮演着英特尔前任执行长Andy Grove可能会称之为“关键转捩点”的角色,该公司在伺服器处理器市场拥有高市占率,但机器学习需要具备比那些晶片更高的运算性能,以支援高度平行化的任务。

Google已经利用自家开发的ASIC来加速这种在机器学习中的推理任务,而英特尔的目标则是利用结合Altera Arria FPGA的新型PCIe卡;Facebook利用Nvidia的晶片设计了自己的GPU伺服器,以支援训练神经网路的运算密集任务。

至于Nvidia在今年稍早发表了自己的GPU伺服器,并与IBM合作另一款采用Power处理器的版本;AMD则在今年稍早针对其GPU推出一个开放性软体计画。

以上所有厂商都想在机器学习硬体市场参一脚──根据市场研究机构Tractica 预测,该市场规模在2015年为4.36亿美元,到2024年可进一步成长至415亿美元;庞大的商机潜力促使Graphcore、Wave Computing与Cornami等半导体新创公司策略性提高投资,还有英特尔不久前收购的那两家公司。

Graphcore的Toon表示:“英特尔收购Nervana是为了软体──我不认为其硬体技术够强大;”但是也有一位英特尔的高层透露,该公司将会把Nervana的硬体锁定私有云企业应用市场。至于Movidius,Toon表示其专长技术与英特尔的RealSense系列3D摄影机目标一致,适合网路/物联网边缘节点的低功耗系统应用。

“老实说我不确定Altera将扮演什么角色;”Toon在1988年曾加入Altera,负责其欧洲业务的推广营运:“英特尔可能会以某种方式尝试利用FPGA做为机器学习加速器,但我不认为那是正确的方法。”他指出,Graphcore的多核心晶片在深度学习应用领域,会是比FPGA或GPU更高性能的方案。

编译:Judith Cheng

(参考原文: Intel Preps its AI Strategy,by Rick Merritt)



关键字:Intel  FPGA
返回列表