英特尔那款专用AI芯片的大招已经憋三年半了。
准确来说，Nervana——英特尔砸了3.5亿美元买下的那家加州创企——他们那款专用AI芯片的大招已经憋三年半了。
2014年4月，在Nervana获得首笔60万美元的成立之初，这家公司就宣布要打造一款“深度学习专用硬件”。而在2014年8月，在获得第二笔融资(330万美元)后，其CEO Naveen Rao就表示，“用户能在大约6个月后尝试到这些深度学习专用硬件。”
三年多后，在经历了第三轮2050万美元融资并且被英特尔收购后，在今年10月17日，英特尔CEO科再奇在采访中表示，这块芯片在今年年底就会正式和用户见面。与此同时他还说，Facebook正在参与合作打造这款AI专用芯片。
然而，随着2017年转眼就要余额不足，英特尔这款Nervana专用AI芯片的还是没有正式亮相。尤其是在欧美连珠炮假日季“感恩节-圣诞节-元旦”来临的12月底，我们可以大胆地假设一句——明年见(也许是2018 CES?)
不过，虽然大招一再推迟，但是英特尔集团上下依旧对于Nervana项目十分看重。英特尔CEO科再奇不仅在不同场合内一再为Nervana站台，而且在收购Nervana后短短几个月间，前Nervana CEO就被晋升为英特尔人工智能事业部总负责人，直接向科再奇汇报——在以资历排位著称的英特尔内，晋升速度堪称火箭。
(前Nervana CEO、英特尔人工智能事业部总负责人Naveen Rao)
今天，我们就来扒一扒Nervana与这块英特尔专用AI芯片，同时也来看一看英特尔这三年多的等待和3.5亿美元的资金砸出了多大一个响来?也看看英特尔这个曾经PC时代当之无愧的霸主，如今能不能靠着Nirvana在人工智能领域提刀再战?
一、比GPU更好、更快、更强大
深度学习分为训练(Training)和应用(Inference)两个阶段，Nervana芯片瞄准的是训练阶段，这一阶段需要计算机处理大量的数据，现有的CPU难以满足如此强大的计算需求，这也是英伟达靠着GPU崛起的重要原因。
目前Nervana芯片主要应用在云计算数据机房内。Nervana CEO Naveen Rao曾经表示，Nervana使用的这种新型芯片设计架构比GPU更快、功耗更低、性能更好。
(英特尔Nervana深度学习专用芯片设计架构)
根据英特尔在2016年11月的AI Day上，我们第一次了解到了这块Nervana深度学习专用芯片的设计架。这款芯片为2.5D封装，搭载了32GB的HBM2内存，内存带宽为8Tbps。芯片中没有缓存，完全通过软件去管理片上存储。它可以支持各类神经网络算法框架的加速，比如Nervana的Neon、谷歌的TensorFlow、Facebook的Caffe等。
Nervana CEO表示，之所以这款芯片能够做到比更快CPU、比GPU更快地加速处理深度神经网络，原因有二：
1、这块芯片由“处理集群”阵列构成，处理被称作“活动点(flexpoint)”的简化数学运算，基于张量处理器的架构。相对于浮点运算，这种方法所需的数据量更少，因此带来了10倍的性能提升。
2、“互联(interconnect)”技术——这是Nervana芯片的真正亮眼之处，不过Nervana一直这一技术的细节讳莫如深——Naveen Rao将这项互连技术描述为一种模块化架构，其芯片结构可以在编程上扩展成与其它芯片的高速串行连接，帮助用户创造更大、更多元化的神经网络模型。
在GPU上，数据在芯片内部处理和芯片外部通信处理有很大的不同，必须将内存映射到I/O，在内存不同层次结构中移动数据，造成延时等复杂问题。而Nervana的互联技术能让芯片内的数据传输和芯片间的数据通信看起来一样，从而加快了处理速度。
“正如在PC时代，人们发现用GPU处理图片比CPU更快，于是转而购买独立GPU;而在人工智能时代，人们会发现用我们的芯片处理深度神经网络比GPU更好，于是转而选择我们，”Naveen Rao曾经这样说，“我们可以在硬件上打败英伟达。”
如此看来，也许英特尔这三年多的等待和3.5亿美元的资金砸得不亏?——可以说亏，也可以说不亏。
免责声明：科技狗对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。 本网站转载图片、文字之类版权申明，本网站无法鉴别所上传图片或文字的知识版权，如果侵犯，请及时通知我们，本网站将在第一时间及时删除：yzl_300@126.com
