Nervana的神經網絡處理器（NNP）

圖：當前并沒有專門為AI所設計的硬件產品，而Intel Nervana NNP幫我們擺脫了這種限制。

Nervana芯片的獨特之處在于它為計算擴展出大空間的緩存（類似CUDA共享內存），相當于GPU的10倍，而單個計算單元的緩存是GPU的50倍。有了這種設計，其運算速度會提升至少一個量級，就可以在緩存內完成算法與模型計算并輕松地訓練TB字節的數據（如一個帶有200個單元的多層LSTM）。

得益于Flexpoint這個特殊的數據類型，Nervana的芯片能夠在緩存/RAM內存儲更多的數據并計算得更快。所有這些創新都意味著其比當前NVIDIA的GPU提速了10倍。這已經獲得了初創公司以及一些大公司的關注。但是，所有這些的前提是他們能克服主要的問題：周邊生態以及軟件。

普通的用戶和研究人員幾乎完全依賴于芯片周邊的生態系統。如果沒有了這些，我們將無法使用緩存內的算法以及好的軟件框架，從而無法更好的利用芯片。

所有人都希望使用可靠過硬的深度學習框架，而Nervana的深度學習框架Neon是否給力是值得懷疑的。軟件使用優先于硬件支持，如果Nervana僅僅出品良好的芯片而不在軟件以及周邊生態系統上發力的話，他們將輸掉這場競爭。

軟件以及生態系統與價格緊密相關。如果Nervana 家的NNP價格定得太高，學生根本負擔不起。雖然行業內的各種企業客戶為硬件公司支付了絕大部分的收入，但僅憑產業化的應用是無法構建繁榮的生態環境的，學生群體才是促使硬件周邊生態環境繁榮的主要驅動者。

只有當廣大學生們可以支付得起之后，才會有眾多配套軟件得以涌現。任何超過3000美金的產品想都不要想；超過2000美金而且對學生有額外折扣的產品還湊合，沒準會讓人用用，一個2000美金的NNP還是會有一些接受度的；而如果產品低于1500美金，Nervana在2-3年內將會成為市場的主導者。

如果把價錢定在1000美金左右，那另兩家競爭者將會非常痛苦，而配套的軟件就會如雨后春筍，不再是個問題。

如果NNP的價格低于2500美金，我是肯定會買的。它的性能比GPU好太多，我可以用它來做好多原來無法在NVIDIA產品上實現的事。但如果它超過了2500美元，這是我能承受的上限，我看還是把錢省下來吧，雖然好的硬件非常重要，但我還需要錢來干別的呢。

對于一般的消費者來說，價格不是他們考慮的唯一因素，他們還會考慮到產品的相對應的周邊生態。

如果Intel沒有快速的將盡可能多的資源投入到該產品的周邊生態并打造一個可靠的軟件組成，那么NNP （The Neural Network Processor） 的發展就會停滯不前并且最終消亡。不幸的是，Intel 曾經因為對周邊生態的管理不善而犯過這樣的錯誤。如果發生了，這將非常讓人失望，因為我真的很希望Nervana獲得成功。

總體來說， 如果Nervana開發的NNP 可以把價格控制在2000美金以下，并且在這個產品發布之后的短短幾個月內快速生成一個強大的周邊生態和軟件開發環境，那么這款產品將會擊敗它的同類競爭者而勝出。如果NNP的價格稍高同時周邊生態略差，那它依然還是個不錯的產品，只是就性價比和方便程度來說，它不能完勝它的競爭者們。當它的價格高于$4000美金或是不具備一個基本的產品周邊生態的話，NNP甚至會完敗。

對于高于$2000美金的NNP來說，如果希望它能對于一般學生有很好的新引力，那么該產品需要對學生有著相當程度的折扣才可以。