英特爾Naveen Rao：不僅是CPU或者GPU，企業(yè)級人工智能需要更全面的方法

　　在5月23日舊金山舉行的英特爾人工智能開發(fā)者大會上，我們介紹了有關(guān)英特爾人工智能產(chǎn)品組合與英特爾Nervana?神經(jīng)網(wǎng)絡(luò)處理器的最新情況。這是令人興奮的一周，英特爾人工智能開發(fā)者大會匯集了人工智能領(lǐng)域的頂尖人才。我們意識到，英特爾需要與整個行業(yè)進(jìn)行協(xié)作，包括開發(fā)者、學(xué)術(shù)界、軟件生態(tài)系統(tǒng)等等，來釋放人工智能的全部潛力。因此，我很興奮能夠與眾多業(yè)內(nèi)人士同臺。這包括與我們共同參與演示、研究和實踐培訓(xùn)的開發(fā)者，也包括來自谷歌*、AWS*、微軟*、Novartis*、C3 IoT*的諸多支持者。正是這種廣泛的合作幫助我們一起賦能人工智能社區(qū)，為加快人工智能領(lǐng)域的技術(shù)創(chuàng)新和進(jìn)步提供所需的硬件和軟件支持。

　　Naveen Rao發(fā)表演講

　　在加速向人工智能驅(qū)動的未來計算過渡之時，我們需要提供全面的企業(yè)級解決方案。這意味著我們的解決方案要提供最廣泛的計算能力，并且能夠支持從毫瓦級到千瓦級的多種架構(gòu)。企業(yè)級的人工智能還意味著支持和擴展行業(yè)已經(jīng)投資開發(fā)的工具、開放式框架和基礎(chǔ)架構(gòu)，以便更好地讓研究人員在不同的人工智能工作負(fù)載中執(zhí)行任務(wù)。例如人工智能開發(fā)者越來越傾向于直接針對開源框架進(jìn)行編程，而不是針對具體的產(chǎn)品軟件平臺，這樣有助于更快速、更高效的開發(fā)。我們在大會上發(fā)布的消息涉及所有這些領(lǐng)域，并公布了幾家新增的合作伙伴，這都將幫助開發(fā)者和我們的客戶更快速地從人工智能中受益。

　　針對多樣化的人工智能工作負(fù)載而擴展的英特爾人工智能產(chǎn)品組合

　　英特爾近期的一項調(diào)查顯示，在我們的美國企業(yè)客戶中，50%以上都正在轉(zhuǎn)向采用基于英特爾?至強?處理器的現(xiàn)有的云解決方案來滿足其對人工智能的初步需求。這其實肯定了英特爾的做法 - 通過提供包括英特爾?至強?處理器、英特爾? Nervana?和英特爾? Movidius?技術(shù)以及英特爾? FPGAs在內(nèi)的廣泛的企業(yè)級產(chǎn)品，來滿足人工智能工作負(fù)載的獨特要求。

　　我們今天討論的一個重要內(nèi)容是對英特爾至強可擴展處理器的優(yōu)化。與前一代相比，這些優(yōu)化大幅提升了訓(xùn)練和推理性能，有利于更多公司充分利用現(xiàn)有基礎(chǔ)設(shè)施，在邁向人工智能初始階段的過程中降低總體成本。最新的英特爾Nervana神經(jīng)網(wǎng)絡(luò)處理器(NNP)系列也有更新消息分享：英特爾Nervana神經(jīng)網(wǎng)絡(luò)處理器有著清晰的設(shè)計目標(biāo)，即實現(xiàn)高計算利用率，以及通過芯片間互聯(lián)支持真正的模型并行化。行業(yè)談?wù)摿撕芏嘤嘘P(guān)理論峰值性能或TOP/s數(shù)字的話題;但現(xiàn)實是，除非架構(gòu)設(shè)計上內(nèi)存子系統(tǒng)能夠支撐這些計算單元的充分利用，否則很多計算是毫無意義的。此外，業(yè)內(nèi)發(fā)表的很多性能數(shù)據(jù)采用了很大的方形矩陣，但這在真實的神經(jīng)網(wǎng)絡(luò)中通常是不存在的。

　　英特爾致力于為神經(jīng)網(wǎng)絡(luò)開發(fā)一個平衡的架構(gòu)，其中也包括在低延遲狀態(tài)下實現(xiàn)芯片間高帶寬。我們的神經(jīng)網(wǎng)絡(luò)處理器系列上進(jìn)行的初步性能基準(zhǔn)測試顯示，利用率和互聯(lián)方面都取得了極具競爭力的測試結(jié)果。具體細(xì)節(jié)包括：

　　使用A(1536, 2048)和B(2048, 1536)矩陣大小的矩陣-矩陣乘法(GEMM)運算，在單芯片上實現(xiàn)了高于96.4%的計算利用率1。這意味著在單芯片上實現(xiàn)大約38 TOP/s的實際(非理論)性能1。針對A(6144, 2048)和B(2048, 1536)矩陣大小，支持模型并行訓(xùn)練的多芯片分布式GEMM運算實現(xiàn)了近乎線性的擴展和96.2%的擴展效率2，讓多個神經(jīng)網(wǎng)絡(luò)處理器能夠連接到一起，并打破其它架構(gòu)面臨的內(nèi)存限制。

　　在延遲低于790納秒的情況下，我們測量到了達(dá)到89.4%理論帶寬的單向芯片間傳輸效率3，并把它用于2.4Tb/s的高帶寬、低延遲互聯(lián)。

　　這一切是在總功率低于210瓦的單芯片中實現(xiàn)的，而這只是英特爾Nervana神經(jīng)網(wǎng)絡(luò)處理器原型產(chǎn)品(Lake Crest)。該產(chǎn)品的主要目標(biāo)是從我們的早期合作伙伴那里收集反饋。

　　我們正在開發(fā)第一個商用神經(jīng)網(wǎng)絡(luò)處理器產(chǎn)品英特爾Nervana NNP-L1000(Spring Crest)，計劃在2019年發(fā)布。與第一代Lake Crest產(chǎn)品相比，我們預(yù)計英特爾Nervana NNP-L1000將實現(xiàn)3-4倍的訓(xùn)練性能。英特爾Nervana NNP-L1000還將支持bfloat16，這是業(yè)內(nèi)廣泛采用的針對神經(jīng)網(wǎng)絡(luò)的一種數(shù)值型數(shù)據(jù)格式。未來，英特爾將在人工智能產(chǎn)品線上擴大對bfloat16的支持，包括英特爾至強處理器和英特爾FPGA。這是整個全面戰(zhàn)略中的一部分，旨在把領(lǐng)先的人工智能訓(xùn)練能力引入到我們的芯片產(chǎn)品組合中。

　　面向真實世界的人工智能

　　我們產(chǎn)品的廣度讓各種規(guī)模的機構(gòu)能夠輕松地通過英特爾來開啟自己的人工智能之旅。例如，英特爾正在與Novartis合作，使用深度神經(jīng)網(wǎng)絡(luò)來加速高內(nèi)涵篩選——這是早期藥品研發(fā)的關(guān)鍵元素。雙方的合作把訓(xùn)練圖片分析模型的時間從11個小時縮短到了31分鐘——改善了20多倍4。為了讓客戶更快速地開發(fā)人工智能和物聯(lián)網(wǎng)應(yīng)用，英特爾和C3 IoT宣布針對優(yōu)化的AI硬軟件解決方案進(jìn)行合作 – 一個基于Intel AI技術(shù)的C3 IoT AI應(yīng)用。此外，我們還正在把TensorFlow*、MXNet*、Paddle Paddle*、CNTK*和ONNX*等深度學(xué)習(xí)框架集成在nGraph之上，后者是一個框架中立的深度神經(jīng)網(wǎng)絡(luò)(DNN)模型編譯器。我們已經(jīng)宣布，英特爾人工智能實驗室開源了面向Python*的自然語言處理庫，幫助研究人員開始自己的自然語言處理算法工作。

　　計算的未來依賴于我們聯(lián)合提供企業(yè)級解決方案的能力，通過這些解決方案企業(yè)可以充分發(fā)揮人工智能的潛力。我們迫切地希望可以與社區(qū)以及客戶一起開發(fā)和部署這項變革性技術(shù)，并期待在人工智能開發(fā)者大會上擁有更精彩的體驗。