隨著科技進步，人工智能（Artificial Intelligence，AI）愈發受到重視，不只 Google、Facebook、Amazon 等網絡巨頭爭相投入，英特爾、AMD、nVIDIA 過往在 PC 市場的戰局也逐漸轉至人工智能領域，各家除了在處理器、顯卡加速升級以更符 AI 運算，英特爾更是對此展開一連串的收購，從認知運算公司 Saffron、機器學習新創 Nervana 到電腦視覺芯片公司 Movidius，英特爾想做些什么？

現今多數發展人工智能企業多以 GPU 來進行深度學習的訓練與辨識，AMD、nVIDIA 基于此推出一系列產品，nVIDIA 甚至推出以 GPU 為主的深度學習專用超級電腦 DGX-1，在人工智能推廣，英特爾顯然比對手 AMD、nVIDIA 低調得多。

對手來勢洶洶，始終靜默的英特爾終于在 11 月中公布了最新的人工智能策略，預告未來將推出一系列 AI 解決方案，11 月 17 日、30 日英特爾分別在美國舊金山、中國北京舉行人工智能論壇（AI Day）布道，表達英特爾要從芯片硬件、運算軟件到架構掀起一連串 AI 革命的決心。

英特爾 CEO 科再奇（Brian Krzanich）稱人工智能為人類歷史重要的新轉折點，并強調英特爾是唯一有能力加速推廣 AI 的公司，而英特爾正投注大量的資源在人工智能，以促進商業與社會的發展。科再奇甚至指出，所有的收購都是為了使人工智能遍及英特爾的產品。重押 AI 的野心盡在言辭。

由 Nervana 串起的 AI 產品組合

在英特爾人工智能的發展上，Nervana 成為首先被關注的焦點，Nervana 為今年 8 月所買下的機器學習新創公司，以此為新產品名稱，包含 Xeon（中國譯為至強）、Xeon Phi（中國譯為至強融核）英特爾現有 CPU 產品都被納入其中。

（Source：英特爾中國）

英特爾旗下 Xeon 獨霸服務器芯片市場，官方數據強調，目前在運行 AI 運算作業的數據中心服務器市占高達 97%。但在近期人工智能深度學習技術逐漸受到關注，運算模型對平行運算的需求，使得 GPU 在 AI 領域的重要性日增，英特爾顯然不想讓 nVIDIA 等廠商搶了自家原本重要市場。

英特爾執行副總裁暨數據中心事業群總經理 Diane Bryant 更豪言，2020 年以前 Nervana 平臺訓練深度學習模型時間，要比現行 GPU 訓練時間縮短 100 倍， 加速深度學習的腳步。在這次北京 AI Days 上，英特爾中國研究院院長宋繼強指出，Nervana 在數據量足夠大的情況下，機器在影像與語音的辨識能力已能超過人類。

對于 Nervana 為何能加速深度學習效能，宋繼強做出解釋，其指出在機器學習領域，研究者無不期望性能能夠隨著數據增多而提升，這點初期可透過增加處理器數量做到，但當處理器增加到一定程度，性能增長停滯，所面臨的就是 I/O 問題，由處理器之間通訊、內存訪問所產生的瓶頸。Nervana 技術則能更高效定義內存頻寬與計算密度，去匹配數據量增大的需求，同時讓多個節點并行支持大模型訓練，而能有近乎線性的性能擴展。

（Source：英特爾中國）

英特爾在這幾次活動也揭露整合 Nervana 技術后的產品藍圖，除了首顆專用于深度學習運算的芯片 Lake Crest 將于 2017 年上半進行測試，Nervana 結合 Xeon、Xeon Phi 處理器的新品同樣將在 2017 齊發。

第一顆整合 Nervana 技術的 Xeon 處理器 Knights Crest 被制定用于深度學習的核心技術類神經網絡，并支持高頻寬互連。而加入 64 核、72 核的超多核心協同處理器 Xeon Phi 可在軟件配合下大幅提升計算性能。宋繼強舉例，Caffe AlexNet 剛放上 Xeon Phi 上運行時性能并未有多大的改變，但在經過軟件部門研究人員六個月最佳化后，性能提升了 400 倍。

而英特爾明年推出融合 Nervana 的 Xeon Phi 處理器 Knight Mill，將能再比現有 Xeon Phi 處理器 Knight Landing 效能提升 4 倍。而日前收購的 Altera FPGA 產品也被整合進 Nervana 的 AI 產品線，強調在部分特定領域可用于專門的客制化架構，或者框架還未確定時便于實驗、修改。

（Source：英特爾中國）