加入收藏 | 设为首页 | 会员中心 | 我要投稿 核心网 (https://www.hxwgxz.com/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 站长百科 > 正文

深度解析:AI倒逼下的英特尔

发布时间:2019-12-09 21:45:54 所属栏目:站长百科 来源:凤凰科技
导读:导语:商业杂志《快公司》发表深度文章称,在摩尔定律面临失效,人工智能(AI)复兴的背景下,传统芯片巨头英特尔公司不得不转型,不再依赖CPU单打独斗,通过收购获取适合训练神经网络的芯片。 北京时间12月9日消息,商业杂志《快公司》发表深度文章称,在摩

在英特尔总部的一个普通大型会议室里,斯万在会议室前方的一个白板上把英特尔的业务分成了两列。左边的一列是PC芯片业务,目前占据了英特尔的半数营收;右边一列是数据中心业务,包括新兴的物联网、自动驾驶汽车以及网络设备市场。

“我们进军的这个世界需要越来越的数据,这需要更强的处理、存储、检索能力,更快的数据移动、分析和智能化来提高数据的相关性。”斯万称。

斯万不再争取在500亿美元的数据中心市场拿下90%左右的份额,而是希望在规模更大的3000亿美元的联网设备市场抢占25%的份额,包括智能相机、未来主义的自动驾驶汽车以及网络设备。他把这一策略形容为“先从我们的核心竞争力入手,然后在某些方面进行发明创造,但同时还要扩大现有业务”。这可能也是英特尔快速走出智能机芯片尝试失败阴影的一种途径,该公司最近放弃了在智能机基带上的大规模投资,把它出售给了苹果公司。在智能机芯片领域,高通公司的长期主导地位犹如英特尔称霸PC芯片市场。

到2023年时,物联网市场规模预计将达到2.1万亿美元,这涵盖了机器人、无人机、汽车、智能相机以及其他移动设备的芯片。虽然英特尔在物联网芯片市场的份额以同比两位数速度增长,但是物联网在英特尔总营收中的占比如今依旧只有7%。

数据中心是英特尔第二大业务,为公司贡献了32%的营收,仅次于PC芯片业务(占营收50%)。如果说哪块业务受到的AI影响最大,数据中心首当其冲,这也是英特尔为何一直在调整其最强CPU系列至强的原因,目的就是让它适合处理机器学习任务。今年4月,英特尔在第二代至强CPU中加入了深度学习加速技术(DL Boost),为神经网络提供更强性能的同时精确度的损失忽略不计。出于同样原因,英特尔将从明年开始销售两款擅长运行大型机器学习模型的芯片。

AI复兴凸显芯片短板

到2016年时,神经网络将被用于各种应用的前景已经变得很清晰,从产品推荐算法到客服机器人的自然语言处理。和其他芯片制造商一样,英特尔知道公司必须为其大型客户提供一种软硬件专为AI设计的芯片。这种芯片将被用于训练AI模型,从海量数据中进行的推断。

那时,英特尔正缺少这么一种芯片。行业认为,英特尔的至强处理器非常擅长分析,但是英特尔对手英伟达生产的AI图形处理器(GPU)更适合训练AI模型。这是一个影响了英特尔业务的重要看法。

于是,英特尔在2016年开始展开收购,斥资4亿美元买下了一个名为Nervana的深度学习芯片公司,后者已经在开发旨在用于训练AI的超快芯片。

三年过去了,回过头来看,这似乎是英特尔的明智之举。在今年11月在旧金山举行的活动上,英特尔宣布了两款新的Nervana神经网络处理器,一款旨在运行神经网络模型,从大量数据中推断意思,另外一款则用于训练神经网络。英特尔与两大客户Facebook、百度合作,协助验证其芯片设计。

深度解析:AI倒逼下的英特尔

Nervana CEO拉奥

Nervana并不是英特尔在2016年的唯一一笔收购交易。同年,英特尔还收购了另外一家公司Movidius,后者一直在开发能够在无人机或智能相机等设备内部运行计算机视觉模型的小型芯片。英特尔的Movidius芯片销量并不高,但是一直在快速增长,并开拓了让斯万感到兴奋的物联网市场。在旧金山活动上,英特尔还宣布了新款Movidius芯片,将在明年上半年推向市场。

Nervana创始人兼CEO纳温·拉奥(Naveen Rao)表示,许多英特尔客户至少在一定程度上在数据中心服务器使用的常规英特尔CPU中从事AI计算,但是要让它们通力合作满足神经网络的需求并不容易。另一方面,Nervana芯片包含了多个连接,这样他们就能轻松与数据中心的其他处理器协作。

“现在,我就可以调出我的神经网络,把它们分成能够一起协作的多个小系统,”拉奥称,“这样我们就能让整个服务器机架,或者四个机架,共同解决一个问题。”

2019年,英特尔预计将从AI相关产品中获得35亿美元营收。目前,只有少数英特尔客户正在使用Nervana芯片,但是它的用户群很可能在明年显著扩大。

长期芯片理念的转变

Nervana芯片的推出代表着英特尔根深蒂固的信念正在演变,这家芯片巨头曾经深信:一颗CPU就能处理PC或服务器所需要做的一切计算任务。这种无处不在的信念伴随着游戏革命而变化,后者需要极强的计算能力来显示复杂的图形。合理的做法是,把图形处理工作交给GPU,这样CPU就不用承担这部分任务。斯万称,几年前,英特尔开始在CPU中整合GPU,明年将首次发布独立GPU。

相同的思路也适用于AI模型。在数据中心服务器中,一定量的AI任务可由CPU处理,但是随着任务量增大,更高效的做法是把它转移给另外一颗专用芯片。英特尔一直在投资设计新的芯片,把CPU和一系列专用加速芯片整合在一起,从而满足客户的性能和工作量需求。

“当你设计一款芯片时,你需要发挥系统的力量解决问题,这常常需要更多芯片,不是一颗CPU能够做到的。”斯万称。

此外,英特尔现在更多地依赖软件将其处理器的性能和功效推高到新水平,这改变了英特尔内部的平衡。一位分析师称,在英特尔,软件开发目前和硬件开发“平起平坐”。

深度解析:AI倒逼下的英特尔

英特尔Nervana推理芯片

(编辑:核心网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

热点阅读