英特爾加快AI晶片交付搶市場，與英偉達競爭升級

記者 | 彭新

編輯 |

11月13日，在2019英特爾人工智慧峰會期間，英特爾展示了一系列AI晶片的產品進展，包括兩款分別面向AI訓練和推理的Nervana神經網絡處理器(NNP)，以及下一代Movidius視覺處理單元(VPU)。

英特爾稱，一系列產品推出旨在針對從雲端到邊緣的AI計算市場，實現加速AI開發、部署和性能提升，以便在與AI晶片的對手英偉達競爭中實現超越。

其中，兩款Neurana神經網絡處理器包括面向訓練的NNP-T1000和面向推理的NNP-I1000。

這兩顆晶片都是專為雲端環境定製的ASIC（特殊應用集成電路）晶片，可以並接多個晶片，加速AI模型的開發。

會上，英特爾宣告兩款晶片正式開始商用交付，兩款產品面向百度、Facebook等人工智慧客戶，並針對他們的人工智慧處理需求進行了定製開發。

英特爾物聯網集團副總裁Jonathan Ballon）強調了為AI和機器學習「專門製造」晶片的重要性，暗示對英偉達的GPU產品的優勢。

對於下一代Movidius VPU，該晶片旨在為低功率設備中的AI圖像和視頻處理系統提供動力，面向開發電腦機器人視覺相關用途，例如依靠機器學習來繞過障礙物的無人機和無人駕駛汽車。

在大會上，英特爾更是自信地將其和英偉達產品做出比較，這款代號為Keem Bay的VPU能提供的算力是英偉達Xavier晶片的4倍，在充分利用的情況下，該晶片可幫助客戶獲得50%的額外性能。

而這款新一代的視覺處理單元將於2020年上半年上市，

這些晶片是英特爾在2016年收購的兩家AI初創公司後的集中成果。

當年8月，英特爾收購Nervana Systems，後者創立於2014年，總部位於加州聖地亞哥的，主要提供深度學習專用的軟、硬體，英特爾表示，其加速深度學習算法的智慧財產權及專業知識有助於英特爾在AI領域的擴張。

9月，英特爾宣布收購Movidius，後者主要研發低功耗VPU。

英特爾稱，Movidius的技術將被應用在虛擬現實（VR）、增強現實（AR）、混合現實（MR）、無人機、機器人及監控攝像機等多個領域。

在內部，英特爾將AI定位為「必須贏下的市場」。

AI計算大致分為兩個層面，首先是對模型進行訓練（Training），整個過程可能耗時數天或數周；之後是訓練出的模型做出推理（Inference）。

在AI市場的驅動下，一些公司開發專有AI晶片，實現更好的AI計算效能。

AI計算已經成為GPU巨頭英偉達的利潤驅動因素。

運用GPU進行部分運算密集工作負載，提供比傳統CPU在每瓦效能上更大的提升效果。

通過採用英偉達GPU投入機器學習（ML）算法加速應用上，可讓AI神經網絡的訓練和推論更加快速且準確率更高，從而掀起由英偉達領軍的全球AI研究與應用的爆炸式成長。

目前，在更考驗計算力的AI訓練市場，英偉達更具優勢。

二季度，英偉達數據中心業務季度實現收入6.55億美元，環比增長3%，環比出現增長主要由於企業客戶在人工智慧領域的計算能力擴張的推動。

不過，英特爾表示，基於其AI解決方案產品組合進一步得到強化，並有望在2019年創造超過35億美元的營收。

目前在數據中心領域，憑藉其CPU市場優勢，英特爾公司副總裁兼人工智慧產品事業部總經理Naveen Rao認為，其已贏下了AI推理市場，因為多數雲端的推理都是由至強CPU完成。

在傳統晶片架構上，英特爾仍然是可以提供最完整解決方案的公司，在GPU領域，英特爾也將向英偉達發起挑戰。

「CPU是AI的基礎所在，絕大多數的企業已經在現有的架構基礎上，通過軟體來部署AI的應用。

我們很快也會有更強大的GPU來加入我們的產品家族。

「 Naveen Rao說。

此外，Naveen Rao強調軟體對使用AI晶片功能開發的重要性。

目前英偉達憑藉CUDA程序框架以及一系列用於並行計算和神經網絡的應用程式編程接口，是其AI崛起的關鍵。

對此，英特爾宣布推出Dev Cloud for Edge，使開發人員可以在購買硬體前，能夠在各類英特爾處理器上嘗試、部署原型和測試AI解決方案。

不過，目前在AI市場的驅動下，雲計算巨頭也在加入競爭。

在2016年，谷歌最早證明專用晶片（稱為ASIC，或特定於應用的集成電路）可以對抗更可編程、更通用的用於深度學習的GPU的公司之一，並專門為深度學習打造了TPU（張量處理器）。

電商巨頭亞馬遜的雲計算子公司AWS為了滿足客戶的特殊要求也開始自行設計晶片，憑藉自身的規模（亞馬遜的雲業務去年收入達256.6億美元），這些公司有充足的資源為高成本研發提供資金支持。

阿里、百度和華為等中國科技巨頭也都在跟隨谷歌的步伐，相繼公布AI晶片開發計劃。