[科技资讯] 英特尔望借由Nervana处理器征服AI市场

尽管英特尔拥有令人印象深刻的芯片技术，但近年来它在最受欢迎的人工智能(ai)领域表现不佳。为了扭转其劣势，英特尔收购了深度学习芯片制造商nervanasystems，并计划在2017年底前推出首款专门构建的(nervana)神经网络处理器(nnp)。

engadget认为，计算机视觉、语音识别等深度学习应用通常需要大阵列的矩阵计算，这不是Intel core或xeon等通用芯片的强项。英特尔希望用即将到来的nnp弥补人工智能的差距，并邀请致力于深度学习和人工智能展览的facebook参与芯片设计。

除了facebook擅长的社交媒体应用，英特尔还计划将其人工智能芯片扩展到医疗保健、汽车、气象和其他领域。

Nervanannp是一种专用集成电路(asic)，可以训练和执行深度学习算法，具有很高的计算效率。Intel放弃了cpu上的普通缓存，代之以专门的软件来管理特定算法的芯片内存，希望将芯片的计算密度和性能提升到一个新的水平。

Nervana nnp还可以通过芯片内外的高速互联支持大量的双向数据传输。如果将多个nnp芯片连接起来，就可以形成一个巨大的虚拟芯片，以应对不断扩大的深度学习模块规模。

值得一提的是，nervana nnp采用的是低精度的flexpoint格式。Intel ai副总裁Naveen rao说，神经网络对数据噪音有很高的容忍度，这些噪音甚至可以帮助神经网络带来新的解决方案。低精度的flexpoint可以提高系统的并行处理能力，减少延迟，增加带宽。

在Intel投资ai开发之前，英伟达凭借gpu的并行计算能力率先攻克市场，但gpu擅长算法训练而非执行。另一方面，英特尔最大的竞争对手高通(qualcomm)已经投资研发了擅长执行ai程序的芯片。

英特尔的nnp芯片旨在同时训练和执行ai，并将陆续推出新版本。此外，英特尔还投资研发了名为loihi的神经形态芯片和名为myriad x的机器视觉芯片..

在英特尔努力追赶的同时，英伟达也推出了用于ai应用(apps)的v100芯片，并聘请clement farabet担任ai架构副总裁，希望提高其芯片执行深度学习程序的能力。

与此同时，谷歌为数据中心应用开发了一种张量处理单元(tpu)芯片，ibm也发布了一种名为真北的类似神经的芯片。