面对英伟达的挑战 英特尔推出了三款用于人工智能工作的新芯片

英特尔(Intel Corp.)今天推出了三款用于训练和部署人工智能模型的芯片，这将使英特尔得以加强与英伟达(Nvidia Corp.)的竞争。英伟达的图形处理部门主导着市场。

今天上午，英特尔在旧金山举行的新闻发布会上发布了这款芯片，它源于英特尔2016年收购的两家机器学习公司——Nervana Systems和Movidius ltd .。

Nervana创始人、现任英特尔人工智能产品集团副总裁兼总经理的纳文•拉奥(Naveen Rao，上图为其中一款新Nervana芯片)表示，处理器带来的能力至关重要，因为在计算硬件和软件方面，“我们已经达到了极限”。这一现实最近也推动了新一代面向人工智能的芯片初创公司的发展，其中包括今天刚刚成立的Blaize Inc.。

最直接针对GPU制造商的产品是Nervana NNP-T1000神经网络处理器。这是一个集成电路优化的硬件密集型任务，训练人工智能模型与样本数据。这一过程对于确保模型产生准确的结果是必要的，如今在绝大多数人工智能项目中都使用了英伟达芯片。

英特尔在8月份的一次预览中说，nnp - t1000可以管理高达每秒119万亿次的操作。该公司不会自行推出处理器，而是将其作为加速器卡的一部分，企业可以将其插入服务器。这些卡的设计使得大量卡可以相对容易地连接在一起，英特尔表示，这使得它们甚至可以支持超级计算机规模的人工智能训练工作。

Nervana NNP-T1000(图片:Intel)

因特尔公司已经打破常规，推出了np - t1000。该公司选择委托toTSMCLtd，而不是在自己的工厂处理生产。该公司是一家外部半导体制造商。由270亿个晶体管组成的NNP-T1000采用了这家台湾公司的16纳米制造工艺，并被组织成24个处理器核心。

该公司的第二款人工智能芯片是NervanaNNP-I1000。它也作为一个加速卡提供，它不是为训练而优化，而是为推断而优化，即一旦开发结束并部署到生产环境中，模型对实时数据执行的计算。

NNP-I1000基于英特尔最新的10纳米芯片架构。该公司本质上采用了一个10纳米的中央处理器，将其简化为两个处理核心，并添加了12个“干扰引擎”，用于运行人工智能软件。

英特尔表示，这种芯片每秒最多可以进行3600次推断。这个性能记录在resnest50中，这是一种常用来评估处理器性能的AI模型。该基准测试的结果被分解为每瓦4.8万亿次运算，英特尔声称这使得NNP-I1000成为同类芯片中最节能的芯片。

据英特尔说，Facebook Inc.和百度Inc.等公司已经在跃跃欲试部署这两种Nervana芯片。Facebook人工智能主管米沙·斯梅扬斯基(Misha yanskiy)表示，这些芯片是加快这家社交网络巨头的人工智能工作的关键，比如每天处理60亿份翻译。

在今天的硬件发布中，英特尔最新版本的Movidius巨量视觉处理单元代码为Keem Bay。这种芯片被设计用于在低功耗设备(如依靠机器学习绕过障碍物的无人机)内为人工智能图像和视频处理系统提供动力。

英特尔表示，最新的Movidius VPU芯片的推理性能是上一代芯片的10倍以上。与此同时，它比竞争对手(如Nvidia的TX2芯片)的产品节能6倍。

图片:英特尔

Rao说:“像Intel Nervana NNPs和Movidius Myriad VPUs这样的专用硬件对于继续人工智能的惊人进步是必要的。”“人工智能没有单一的方法。”

实际上，英特尔物联网集团副总裁乔纳森•巴隆(jonathan Ballon)在对英伟达(Nvidia) gpu的挖苦中强调，为人工智能和机器学习“特制”芯片的重要性。gpu最初是用来加速计算机图形的，现在仍然如此。

此外，Rao还强调了使用芯片功能的相关软件的重要性。例如，英伟达(Nvidia)的CUDA软件平台和一套用于并行计算和神经网络的应用程序编程接口，一直是其人工智能崛起的关键。特别值得一提的是，英特尔发布了针对Edge的Dev Cloud，它允许开发者在购买之前在英特尔的硬件上测试算法。

综上所述，拉奥今天上午花了很多时间来谈论英特尔的传统处理器，称它们是大多数人工智能工作的基础，并将继续如此。他说，今年的大部分人工智能业务已经达到35亿美元，高于2017年的10亿美元。

“一切都从中央处理器开始，”他说。“Xeon是人工智能的骨干，也是数据中心的骨干。”

穆尔黑德(Patrick Moorhead)指出，随着许多工作负载转移到机器学习上，英特尔在培训和推理方面投入了大量资金策略。他说:“很高兴看到这些部件最终投入市场，我很期待看到它们如何在生产负载中运行，以及工具链在工作量方面如何与现有的工具相比。”