深度学习英特尔芯片

科技发展NVIDIA、英特尔在人工智能领域的布局

随着谷歌、IBM等巨头相继开源AI平台，NVIDIA、英特尔公司深攻AI芯片，AI商用化的技术壁垒大幅降低，AI将迎来商用化高潮。智能家居、无人驾驶、模糊检索等领域将率先发展。本期来看NVIDIA、英特尔在人工智能领域到底有哪些新的布局。...

导读

随着谷歌、IBM等巨头相继开源AI平台，NVIDIA、英特尔公司深攻AI芯片，AI商用化的技术壁垒大幅降低，AI将迎来商用化高潮。智能家居、无人驾驶、模糊检索等领域将率先发展。本期我们来看下NVIDIA、英特尔在人工智能领域到底有哪些新的布局。

NVIDIA：GPU大势中，布局端到端AI平台基于传统PC GPU业务渐于饱和、及对AI潜在市场强烈看好，NVIDIA正积极谋求战略转型。2015年Q1已不再提及传统PC GPU业务，并将战略重点投向游戏、专业工作站、数据中心和汽车电子等四大市场，NVIDIA GPU 芯片目前在虚拟现实、人工智能和无人驾驶汽车等领域位于重要中心。2016年Q2，NVIDIA实现营收高达14.3亿美元，同比上年增长24%，同比2016年Q1增长9%，这主要是受游戏、数据中心及专业虚拟化、Tegra无人驾驶系等产品强劲需求驱动。AI芯片市场需求旺盛，呈现爆发增长态势。

与CPU相比，GPU具有数以千计的计算核心，及强大、高效并行计算能力，可实现10-100倍应用吞吐量，特别适用于AI海量训练数据情形。目前深度学习解决方案几乎完全依赖NVIDIA GPU。根据艾瑞咨询，2020年全球AI市场规模达1190亿元，市场潜力巨大。据机构预测，硬件市场占AI市场份额将达30%。此外，NVIDIA还专门设计了全球首款针对深度学习的GPU架构(Pascal架构)。

AI领域，NVIDIA不想做单纯的硬件或者软件厂商，致力于打造于基于AI平台化公司，构建端到端的深度学习平台。NVIDIA CEO黄仁勋表示，未来NVIDIA将是基于人工智能平台化的公司，业务将涵盖智慧城市、交通、超级运算等领域。

NVIDIA在AI和自动驾驶领域，形成了以Tesla P100和DGX-1为核心的训练体系，以P4/P40和Tensor-RT为核心的数据中心推理体系，及以Jetson TX1与Jetpack2.3、DRIVEPX2与Driveworks为核心的智能设备体系。NVIDIA在上述领域从硬软件到解决方案上都进行了全面布局，构建了端到端的深度学习平台。

英特尔：研发+收购抢夺芯片市场份额

近年来，英特尔传统业务表现不佳，为避免对PC、服务器的过度依赖，公司基于主业积极谋求战略转型，将业务从PC芯片、移动芯片拓展至数据中心(云服务)、物联网、人工智能等领域，还提出“2016重建计划”，将未来工作重心从PC芯片转向物联网和云计算。随着战略转型推进，预计未来三年英特尔数据中心、物联网营收增速将维持在5%-10%之间。

根据CB Insights，英特尔在AI领域总投资额排在第二位，这将加强AI核心竞争力。未来英特尔将打通从云端数据中心到设备终端，历经大数据处理环节，再回到云端数据中心等AI闭环，打造AI生态系统以谋求领导地位。英特尔AI终端布局聚焦于人机交互，通过提供英特尔Curi模块、Edison计算平台、Cedar Trail芯片平台、RealSense实感技术及凌动处理器等技术，进一步提升终端设备智能化水平，并将设备数据上传至后端数据中心。AI后端布局主要是研发适合机器学习CPU芯片(如Xeon Phi)、及FPGA芯片，以拓展AI计算性能。

软件上，致力于数学核心函数库和数据分析加速库：

目前，英特尔已开源针对深度学习数学核心函数库——深度学习神经网络(Intel MKL-DNN)，以供MKL深度学习神经网络层的使用。2015年发布数据分析加速库DAAL，可帮助第三方开发者在Intel底层硬件上更好进行机器学习模型的搭建和训练。Intel在2017年还将在“数学核心函数库”产品中发布神经网络API，供开发者直接调取，降低了开发者入门机器学习的门槛。

此外英特尔还围绕AI领域进行了一系列收购(如体感识别公司Omek Interactive、Hadoop咨询公司Xtremeinsights、自然语言处理初创企业Indisys、联想记忆Saffron Technology、半导体厂商Altera、半导体功能性安全方案厂商Yogitech、计算机视觉公司Itseez、AI初创公司Nervana、计算机视觉公司Movidius)。

硬件上，三管齐下对抗NVIDIA GPU：

英特尔芯片虽以高速处理数字著称，但NVIDIA GPU芯片在处理视频、语音等非结构化数据及识别模型时更为高效，在深度学习、神经网络服务器等性能表现远超英特尔。

2016年4月，英特尔发布极适宜处理机器学习模型评分(scoring)应用的双路服务器芯片Xeon E5-2600v。目前英特尔正为AI应用研发至强融核处理器家族Xeon Phi，计划2017年推出至强Xeon Phi新型芯片(代号为 Knights Mill)。

借助英特尔底层芯片架构，京东、奇虎360将机器学习模块可扩展性提高10倍，部分机器学习周期缩短8倍。未来百度Deep Speech平台数据中心将使用这款Xeon Phi芯片，以最大限度地提高自然语言的语音的解析速度。预期未来至强Phi将广泛应用于语音识别、图像识别、及自动驾驶等领域。

同时，2016年8月，英特尔耗资4亿美元收购深度学习初创企业Nervana，通过Nervana Systems在硅层实现机器学习，而非基于GPU架构。Nervana针对神经网络设计了Engine芯片，在深度学习训练时，Engine芯片比传统GPU的能耗和性能优势更为突出(据称Nervana处理器速度可达到GPU的10倍)。收购Nervana，Intel可将CPU优势延伸至深度学习领域，缩短开发深度学习应用、及应用推广时间。

此外，2015年12月，英特尔以167亿美元收购了FPGA厂商Altera。目前英特尔正开发统一的接口，试图将Altera的FPGAs和英特尔至强系列处理器封装到一颗芯片，新芯片将以互补、配合方式完成深度学习训练。2016年4月，英特尔与科大讯飞联手推出的深度学习计算平台，借助英特尔至强处理器及Altera FPGA的底层硬件技术，依托科大讯飞在自然语言处理、语音识别方面的核心技术，可实时将发言者的语音转化成文字，准确率高达95%。未来至强、FPGAs一体化芯片将大幅提高CNN影像识别、目标探测、发现大数据规律的效率。

在无人驾驶、机器视觉领域频频发力：

英特尔在车联网领域频频发力，着力研发“ADAS高级驾驶助手系统”，并与众多汽车厂商进行合作测试。在中国与中交兴路组建“车联网联合创新中心”，共同探讨智能车载终端技术、车联网云平台、行业大数据解决方案及业务模式创新。

英特尔还在机器视觉领域进行系列重磅收购，以加速无人驾驶项目推进。2016年5月，英特尔收购计算机视觉(CV)算法公司Itseez，Itseez助力英特尔研发创新型深度学习的CV应用(如数字安全监控、自动驾驶、工业检测)，以打造从汽车到安全系统的物联网(IoT)。2016年9月，英特尔收购计算机视觉开发商Movidius。Movidius技术被用于Google、大疆、联想等公司，为无人驾驶飞机、安全摄像头、AR/VR耳机等智能设备提供视觉功能。收购后，Movidius将与英特尔的RealSense技术配合。

黄金州