眾所周知，當前幾乎所有主流的深度學習都在使用英偉達的GPU（圖形處理器）。這是由于深度學習是需要訓練的，訓練所需的計算量大的驚人，用傳統的CPU計算需要漫長的時間，而GPU善于并行處理數據，能很大程度上減少深度學習訓練方面的時間。于是，深度學習成為促成GPU發展的大好時機，原來在圖像處理領域擁有深厚積累的硬件制造商英偉達，超過傳統的計算廠商英特爾一躍成為這一領域的領軍者。如今，無論是國外的谷歌、Facebook，還是國內的百度、阿里、騰訊等，無一例外地都在使用英偉達GPU開展深度學習研究，英偉達成為這一領域的幾乎唯一的供貨商。

　　英特爾的反擊

　　人工智能的發展，特別是深度學習領域CPU地位的衰落，讓英特爾行業地位都有可能不保。英特爾在移動戰略失敗后，又將賭注押在了人工智能上，并堅信它代表著企業數據中心的下一個重大轉變。2016 年 8 月，英特爾斥資近4億美元收購了一家深度學習公司Nervana，這是一家創立還不到兩年、只有48名員工的小公司。Nervana由前高通公司研究員Naveen Rao創建，其主營業務是出售以深度學習任務為基礎的各類硬件，并利用自己的硬件設施提供深度學習的云計算服務。值得注意的是，Nervana在2015年就已研發出并開放給業界一款深度學習軟件Neon，該軟件在業內擁有一定的名氣。甚至有研究人員稱，Nervana的Neon軟件比Facebook的Torch7、英偉達的cuDNN等業界知名的深度學習工具的性能都要高。

　　對于英特爾這樣的芯片制造商來說，收購Nervana后可利用雄厚的硬件基礎使其能夠將機器學習技術全部嵌入芯片中，而不只是讓軟件在任何顯卡芯片集上運行，這樣能極大地提升機器學習的訓練速度。英特爾收購該公司，還能將其預計2017年才問世的深度學習加速器芯片用于自家處理器上，以此挑戰英偉達在人工智能市場的主導地位。

　　英特爾的新款芯片

　　在今年的英特爾開發者大會上，英特爾宣布將于2017年推出專門為人工智能深度學習而設計的最新一代產品——Intel Xeon Phi處理器，代號Knights Mill，稱其運算能力比對手的Kepler GPU系列產品快兩倍以上。英特爾首席執行官表示，“圖形芯片在人工智能方面沒有任何獨特優勢，它不是唯一解決方案。”按計劃，英特爾將于2017年上半年測試基于Nervana技術的加速處理器（代號為Lake Crest）芯片，并在下半年發售該芯片。據稱，Lake Crest芯片專門針對神經網絡進行了優化，可為深度學習提供極高的性能，并可通過內部高速互連的帶寬提供前所未有的計算密度。在運行神經網絡任務時，在同樣的能耗水平上Lake Crest芯片將比目前最頂級的圖形處理芯片有更好的性能。

　　據稱，Lake Crest芯片將使用臺積電的28納米工藝制造，可以加速各類神經網絡的訓練過程，比如谷歌的TensorFlow。Lake Crest芯片由所謂的“處理集群”陣列構成，處理被稱作“活動點”的簡化數學運算。該方法擁有比浮點運算小得多的計算量，因此帶來了10倍的性能提升。通過逐年演進，到2020年英特爾的芯片將使神經網絡訓練的性能提高100倍。在軟件方面，英特爾將于2017發布并開源針對Nervana的圖形編譯器。同時，英特爾也在優化運行在x86處理器之上的主流人工智能框架，包括在今年底之前推出TensorFlow的一個版本，用于深度學習的SDK將于明年1月份推出。

　　結論

　　盡管英特爾自稱其研發的新款芯片產品，性能領先當前主流GPU芯片數倍，但是此前英偉達也駁斥過英特爾的說話，據說是評測的基準不一致。此外，在沒有真正推向市場前，一切的叫板都是無力的，英特爾需要盡快推出有競爭力的產品并扭轉當前深度學習芯片市場的頹勢地位才行，從這點看，英特爾還有很大一段路需要走。但是，對于人工智能的從業者來說，另一種芯片架構競爭者的加入，將給整個行業帶來更多選擇，價格低廉、性能強大的處理芯片將給人工智能領域帶來更多的創新機會。