深度解讀：多管齊下反擊Nvidia，英特爾在AI芯片市場還有機會嗎？

極客網·極客觀察（小刀）8月27日，英特爾已經是x86服務器市場的壟斷者，成功遮住了雙眼，它忽視了移動設備的崛起，對GPU加速系統大爆炸反應遲鈍，最終，當奄奄一息的AI再獲新生、變成一個前景可觀的市場時，Nvidia成為主角，英特爾落選。

AI就是下一代計算，Nvidia制定了清晰的AI戰(zhàn)略，它用歷史數據來認證自己的觀點：GPU已經打破摩爾定律設置的障礙。有些人甚至開始高呼“黃仁勛定律”。黃仁勛正是Nvidia的創(chuàng)始人。在過去3年里，Nvidia營收翻了一倍，股價更是上漲10倍。

以前，在英特爾眼里Nvidia只是小角色，向自己的PC伙伴提供小眾產品，一夜之間，它成為新市場舉足輕重的玩家，而英特爾卻呆呆旁觀。

巨人已經覺醒。英特爾明確向世人暗示，在AI市場，它不會重蹈移動市場一樣的錯誤，不會將AI市場割讓給對手。英特爾已經知道，AI是數據中心業(yè)務增長的關鍵，在未來5年里，AI芯片銷售額的年復合增長率估計會達到30%。

正因如此，在最近的數據中心創(chuàng)新峰會（Data-Centric Innovation Summit）上，英特爾才會高調進軍AI芯片市場，還說去年公司的AI芯片營收已經達到10億美元。

AI芯片市場不只有GPU還有其它

Nvidia刻意強調說，目前的AI發(fā)展以是GPU作為根基的，它的說法有相當高的可信度，但是忽視了一些事實。

按照英特爾的解釋，這種說法最大的問題在于忽視了AI軟件與GPU硬件的融合，AI運行是相當復雜的，不可能一招通吃，所以上述論斷過于簡單。

英特爾AI產品集團主管 Naveen Rao曾經在博客中指出，近幾年AI取得成功主要依賴三大支柱：一是軟件工具的優(yōu)化和成熟，二是硬件更加出色（多種形式的硬件，不限于GPU），三是研發(fā)生態(tài)系統欣欣向榮，而且許多時候還是開源的。

Naveen Rao進一步強調說：

“客戶發(fā)現，沒有什么單一的好硬件可以應付各種各樣的應用，因為AI的類型不是單一的。受到應用的限制，從數據中心到邊緣設備，需要的能力各有不同，所以我們需要多種多樣的硬件組合形式。覆蓋多種多樣的應用，就可以為英特爾客戶帶來最高的投資回報?！?/p>

深度學習模式越來越復雜，需要強大的并行處理能力，不過Naveen Rao認為，它只是AI軟件生命周期的一部分。

聯想一名AI高管曾經在文章中介紹說，從構想到部署，總個周期相當漫長，涉及到規(guī)劃、數據收集、驗證，開發(fā)部署模型時也要經歷這樣的流程。

Naveen Rao在峰會上曾表示，AI的執(zhí)行環(huán)境多種多樣，有小設備，比如物聯網傳感器和手機，也有自動駕駛汽車，遠程設備，它們處在網絡邊緣，還有分散系統，比如云數據中心。

英特爾AI戰(zhàn)略的基石是“寬度”，就是說英特爾有多種多樣的技術，可以用在多種多樣的環(huán)境中使用，另外，英特爾還向開源項目投資，增強軟件性能，提高開發(fā)者的生產力。

按照Naveen Rao的說法，英特爾AI戰(zhàn)略會用“三條腿”走路：一是工具（軟件），二是硬件，三是社區(qū)（開發(fā)者生態(tài)系統）。 從英特爾的AI產品組合可以看出，它能滿足各種需要，無論是端點、邊緣系統還是數據中心，都可以使用英特爾產品。在英特爾帝國內已經有許多AI技術，有些是英特爾自己開發(fā)的，有些是收購的，比如：

——低能耗Atom處理器，內置Movidius視覺處理單元（VPU），用于物聯網和移動設備。

——Mobileye先進駕駛員輔助系統（ADAS）和EyeQ芯片，用于無人駕駛汽車。

——桌面及移動x86處理器，內置GPU、GNA神經網絡協處理器和Inference Engine加速技術。

——基于Altera開發(fā)的FPGA，它既給低能耗嵌入式系統用（Arria 系列產品），也給高性能數據中心用（Stratix系列產品），在實時數據評估中，可以加速深度學習模型的執(zhí)行速度。Altera是英特爾收購而來的。

——Nervana神經網絡處理器，它用高性能、靈活的GPU處理相同類型的模型訓練和推斷任務。

——Xeon Scalable x86處理器，用于執(zhí)行一般任務，訓練輕量級AI模型，完成繁重的模型推斷工作。

產品消息不多

在峰會上，英特爾的重點只是講述戰(zhàn)略，所以沒有過多談到產品，這也是情理之中的事。不過在會議上英特爾的確談到一些新AI技術，以及升級的AI技術，具體有如下幾種：

——DL Boost x86指令，通過支持低精度16位浮點運算，它可以讓深度學習運算加速，與AVX-512指令是兼容的。

——VNNI指令集（Vector Neural Network Instruction），它相當于AVX-512的擴展指令，通過支持8位乘法和32位加法，可以讓深度神經網絡訓練進一步加速。Cooper Lake Xeon處理器將會引入DL Boost和VNNI，新處理器2019年推出，它是Cascade Lake的接班人。

——nGraph編譯器，它可以優(yōu)化AI代碼，方便代碼應用于不同的硬件平臺。nGraph支持多種技術開發(fā)的模型。

——升級MKL-DNN數學庫，改進矩陣乘法性能。

——展示Nervana NNP L-1000 神經處理器，它的目標是挑戰(zhàn)GPU，幫助數據中心完成深度學習任務。

英特爾數據中心CPU架構主管 Sailesh Kottapalli介紹說，除了提升矩陣乘法計算能力，支持低精度和混合精度運算，未來Xeon處理器還會增加各個層級的緩存大小，擴充存儲帶寬，縮短延遲時間。所有這些都會提升AI性能，讓通用CPU有能力替代GPU，完成許多工作。

最好的思考

英特爾收購了許多AI企業(yè)，比如Nervana，Movidius、Mobileye，最近還收購了Vertex.ai，這樣英特爾就可以制定連貫的策略，解決各種AI問題。

因為AI工作多種多樣，運行AI軟件時設備的資源受到限制，所以英特爾擁有多種組合產品還是蠻重要的。不過英特爾的戰(zhàn)略橫跨幾個處理器架構和指令集，所以優(yōu)化工作必須做好。

Nvidia的產品沒有英特爾那么豐富，它的GPU分成大中小三等，分別是Volta、Xavier和Jetson，都用到了CUDA編程平臺。雖然Nvidia擁有先發(fā)優(yōu)勢，但是隨著時間的推移，它的優(yōu)勢會削弱，因為開發(fā)者會接受更加先進的AI框架，比如TensorFlow，先進框架可以讓開發(fā)者瞄準其它平臺。

另外，Nvidia的神經網絡優(yōu)化GPU（配有Tensor內核）性能不錯，現在還有優(yōu)勢，但是未來優(yōu)勢會縮小，因為下一代英特爾Xeon處理器推出之后，x86系統的性能會進一步提升，可以幫助數據中心做更多的事情。

英特爾說去年它的AI芯片銷售額達到10億美元，如果數據是真實的，我們可以斷言英特爾已經在早期贏得許多企業(yè)的支持，在飛速膨脹的市場，它已經成為重要的競爭者。

就眼下來說，在硬件和軟件工程方面，英特爾需要將關鍵工作做好，然后將各部分融合，將產品拋向市場，讓購買者無法抗拒誘惑。

整個市場都對Nvidia入迷，不過如果認為英特爾已經失敗，無力反擊，那就大錯特錯了。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。