微波EDA网,见证研发工程师的成长!
首页 > 硬件设计 > 行业新闻动态 > 英特尔、英伟达都想抢占AI高地,鹬蚌相争必将渔翁得利

英特尔、英伟达都想抢占AI高地,鹬蚌相争必将渔翁得利

时间:11-23 来源:TechWeb 点击:

深度学习、人工智能(AI)的新技术革命已经来临,变革的不仅是技术之争,还有产业格局。

11月30日,在主题为"释放IA原力拥抱AI时代"的英特尔人工智能论坛上,一个观点引发了现场人士的认同:当前的人工智能仍处于婴儿时期,一切都在发展变化之中。

的确,AI未来的路径选择仍有诸多可能性,这不能不让人联想起英特尔与英伟达越来越火药味的AI芯片争霸。
就在11月 30日这一天,英特尔的人工智能战略正式亮相,发布了一系列涵盖从前端到数据中心的全新产品、技术及相关投资计划,以期拓展人工智能的发展空间并加速其发展。

而在人工智能领域,英伟达的动作也非常之快。自从英伟达的GPU被谷歌率先应用于深度学习之后,GPU加速深度学习的特性开始成为人工智能领域的一大路径方向。


随后英伟达开始了人工智能芯片上的迅速推进,今年9月,黄仁勋在百度世界大会上第一次高调表示"英伟达是一家人工智能计算公司"。

有野心的企业都在争夺人工智能的未来,英特尔与英伟达之战已经不可避免。

GPU不是为深度学习而生?

变化早已开始,今年英特尔连续进行了多次收购,基本都围绕人工智能进行布局。

5月,英特尔收购计算视觉软件公司Itseez;6月,英特尔以167亿美元收购FPGA制造商Altera,以加强专用芯片制造能力;8月9日,英特尔收购深度学习初创公司NervanaSystems;9月7日,英特尔收购机器视觉初创公司Movidius,继续加强从设备到云端的深度学习解决方案。

一系列的收购,正是为今天英特尔人工智能战略而进行的准备。11月 30日,英特尔发布了基于英特尔架构的涵盖至强处理器、至强融核处理器、Nervana平台和FPGA、Omni-Path网络、3DXPoint存储等技术的硬件平台,结合英特尔针对深度学习/机器学习而优化的英特尔数学函数库(Intel MKL)、英特尔数据分析加速库(Intel DAAL)等。


可以看到的是,英特尔利用自身技术和产品的整合优势,已经能够提供灵活的端到端解决方案产品组合,以期帮助更多的行业和企业开发和部署人工智能应用,将人工智能潜能在各个领域中充分释放,如智能工厂、无人驾驶汽车、体育、欺诈检测、生命科学等等。

在这些解决方案之外,更让业界关注的则是英特尔深度学习芯片的进展。在英特尔的诸多收购项目中,最引人注目的是Nervana公司。这次论坛也是Nervana Systems公司创始人、现任英特尔人工智能解决方案部门总经理的Raveen Rao在中国的第一次公开亮相。


图:英特尔人工智能解决方案部门总经理Raveen Rao

Raveen Rao曾任职高通神经网络研发负责人,2014年创立了Nervana。今年8月,英特尔收购Nervana时就曾对外表示,Nervana有着目前最快的深度学习框架,并预计于明年推出深度学习专用芯片,据称速度将比GPU快10倍。

在这次的英特尔人工智能论坛上,Rao表示,英特尔将于2017年上半年测试第一款深度学习芯片(代号为Lake Crest),并在下半年向主要客户发售。此外,英特尔还在产品路线图中增加了一款新产品(代号为Knights Crest),它将Nervana创新技术与英特尔至强处理器紧密集成。此外,Lake Crest处理器专门针对神经网络进行了优化,可为深度学习提供极高性能,并可通过高速互连网络提供前所未有的计算密度。

事实上,说到根本,英特尔与英伟达之争是路线之争。英特尔走的是深度学习CPU之路,本质是CPU,而英伟达则是GPU之路。

据Rao介绍,英特尔Nervana平台产品组合能够提高人工智能应用的速度和易用性,是构建高度优化的人工智能解决方案的基础,可帮助更多的数据专家在基于行业标准的技术上解决世界上极度艰巨的挑战。

用Rao的话讲,英特尔将推出的专用深度学习芯片不仅比GPU解决方案快10倍,更重要的是,GPU不是为深度学习而生。

这句话看来指向的正是英伟达,火药味真的太浓了。但这只是英特尔的判断,会成为人工智能的未来方向吗?

深度学习CPU,还是GPU?京东给出了一个选择

英伟达又是如何看呢?9月13日,在英伟达在北京举办的GTC CHINA 2016(GPU技术大会)上,全球首发了两款深度学习和自动驾驶最新产品,并与京东达成战略合作并共建联合实验室。

NVIDIA联合创始人、总裁兼首席执行官黄仁勋在接受采访时表示,对于Nervana将会有比GPU快10倍的解决方案一事,老黄称:"他们说是10倍,可是,我感觉十倍不太够,因为我的(加速)已经做到我自己的65倍了。"

事实上,加速速度只是一方面,核心在于,深度学习是要走CPU方向还是GPU方向,这才是路径选择。

但从今天诸多企业的选择来看,行业也在多方合作,选择多种方向进行尝试。

Copyright © 2017-2020 微波EDA网 版权所有

网站地图

Top