版权声明：本文来自《technews》，如您觉得不合适，请与我们联系，谢谢。
随着科技进步，人工智能（Artificial Intelligence,AI）愈发受到重视，不只Google、Facebook、Amazon 等网路巨头争相投入，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体、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。
由Nervana 串起的AI 产品组合
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。
英特尔旗下Xeon 独霸伺服器芯片市场，官方数据强调，目前在运行AI 运算作业的资料中心伺服器市占高达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资料中心事业群总经理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、记忆体访问所产生的瓶颈。Nervana 技术则能更高效定义记忆体频宽与计算密度，去匹配数据量增大的需求，同时让多个节点并行支援大模型训练，而能有近乎线性的性能扩展。
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路，并支援高频宽互连。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。
借并购拓展物联网AI 布局
英特尔在物联网领域AI 发展同样卡好位置，在今年8 月收购Nervana 的隔月，英特尔收购了行动图像处理技术开发商Movidius，透过Movidius 特有的Fathom 软件技术，能将通用的神经网路模型转化为嵌入式深度学习模型于硬体架构运作，使无人机、AR/VR 头盔等终端应用进行图像分析等深度学习功能。
如果说Movidius 强化了英特尔在物联网AI 的「眼力」，去年10 月买下的认知运算公司Saffron 则加强了英特尔在物联网AI 的「脑力」，Saffron 技术平台能找出不同事物间的关联，并进行逻辑推理与记忆，对异质资料进行透明化分析，而官方指出，这项技术特别适合运用在小型设备，使在各种物联网装置上进行智能局部分析成为可能，并能运用于诈欺防范等商业领域。
昔日的半导体巨头正在转变
若没有好的演算法配合，有再强大的硬体做基础同样徒然，在人工智能领域可看见昔日的半导体巨头重视起软硬体的整合，英特尔软件与服务事业部副总裁暨开发者及产品部总经理William Savage 透露，部门正朝着如何对AI 做贡献而努力，一则是算法的持续优化，如致力于简化神经网路模型、降低精度，再者就是开源，除了将自家深度学习数学函数库Math Kernel Library（MKL）开源，英特尔还借不同的开源平台与各领域单位合作，如与Google 合作，持续强化深度学习框架TensorFlow 在自家处理器的效能；与京都大学合作使用Theano 用于治疗药物发现等，其他如Caffe、neon、torch、MXNet 等较受瞩目的开源深度学习框架都在英特尔的相容范围。
英特尔的这些策略已脱离单纯的半导体芯片设计、制造，从点到面交织成一个缜密的网，强调要提供全面的人工智能解决方案。
英特尔副总裁Jason Waxman表示，人工智能的发展仍处于婴儿期。英特尔虽已做了全面的布局，但与AMD、nVIDIA群强在人工智能的争战才正要展开。
【关于转载】：转载仅限全文转载并完整保留文章标题及内容，不得删改、添加内容绕开原创保护，且文章开头必须注明：转自“半导体行业观察icbank”微信公众号。谢谢合作！
【关于投稿】：欢迎半导体精英投稿，一经录用将署名刊登，红包重谢！来稿邮件请在标题标明“投稿”，并在稿件中注明姓名、电话、单位和职务。欢迎添加我的个人微信号MooreRen001或发邮件到 [email protected]
点击阅读原文加入摩尔精英
