多管齊下反擊Nvidia，英特爾在AI芯片市場還有機(jī)會嗎？

　　產(chǎn)品消息不多

　　在峰會上，英特爾的重點(diǎn)只是講述戰(zhàn)略，所以沒有過多談到產(chǎn)品，這也是情理之中的事。不過在會議上英特爾的確談到一些新AI技術(shù)，以及升級的AI技術(shù)，具體有如下幾種：

　　——DL Boost x86指令，通過支持低精度16位浮點(diǎn)運(yùn)算，它可以讓深度學(xué)習(xí)運(yùn)算加速，與AVX-512指令是兼容的。

　　——VNNI指令集(Vector Neural Network Instruction)，它相當(dāng)于AVX-512的擴(kuò)展指令，通過支持8位乘法和32位加法，可以讓深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練進(jìn)一步加速。Cooper Lake Xeon處理器將會引入DL Boost和VNNI，新處理器2019年推出，它是Cascade Lake的接班人。

　　——nGraph編譯器，它可以優(yōu)化AI代碼，方便代碼應(yīng)用于不同的硬件平臺。nGraph支持多種技術(shù)開發(fā)的模型。

　　——升級MKL-DNN數(shù)學(xué)庫，改進(jìn)矩陣乘法性能。

　　——展示Nervana NNP L-1000 神經(jīng)處理器，它的目標(biāo)是挑戰(zhàn)GPU，幫助數(shù)據(jù)中心完成深度學(xué)習(xí)任務(wù)。

　　英特爾數(shù)據(jù)中心CPU架構(gòu)主管 Sailesh Kottapalli介紹說，除了提升矩陣乘法計算能力，支持低精度和混合精度運(yùn)算，未來Xeon處理器還會增加各個層級的緩存大小，擴(kuò)充存儲帶寬，縮短延遲時間。所有這些都會提升AI性能，讓通用CPU有能力替代GPU，完成許多工作。

　　最好的思考

　　英特爾收購了許多AI企業(yè)，比如Nervana，Movidius、Mobileye，最近還收購了Vertex.ai，這樣英特爾就可以制定連貫的策略，解決各種AI問題。

　　因?yàn)锳I工作多種多樣，運(yùn)行AI軟件時設(shè)備的資源受到限制，所以英特爾擁有多種組合產(chǎn)品還是蠻重要的。不過英特爾的戰(zhàn)略橫跨幾個處理器架構(gòu)和指令集，所以優(yōu)化工作必須做好。

　　Nvidia的產(chǎn)品沒有英特爾那么豐富，它的GPU分成大中小三等，分別是Volta、Xavier和Jetson，都用到了CUDA編程平臺。雖然Nvidia擁有先發(fā)優(yōu)勢，但是隨著時間的推移，它的優(yōu)勢會削弱，因?yàn)殚_發(fā)者會接受更加先進(jìn)的AI框架，比如TensorFlow，先進(jìn)框架可以讓開發(fā)者瞄準(zhǔn)其它平臺。

　　另外，Nvidia的神經(jīng)網(wǎng)絡(luò)優(yōu)化GPU(配有Tensor內(nèi)核)性能不錯，現(xiàn)在還有優(yōu)勢，但是未來優(yōu)勢會縮小，因?yàn)橄乱淮⑻貭朮eon處理器推出之后，x86系統(tǒng)的性能會進(jìn)一步提升，可以幫助數(shù)據(jù)中心做更多的事情。

　　英特爾說去年它的AI芯片銷售額達(dá)到10億美元，如果數(shù)據(jù)是真實(shí)的，我們可以斷言英特爾已經(jīng)在早期贏得許多企業(yè)的支持，在飛速膨脹的市場，它已經(jīng)成為重要的競爭者。

　　就眼下來說，在硬件和軟件工程方面，英特爾需要將關(guān)鍵工作做好，然后將各部分融合，將產(chǎn)品拋向市場，讓購買者無法抗拒誘惑。

　　整個市場都對Nvidia入迷，不過如果認(rèn)為英特爾已經(jīng)失敗，無力反擊，那就大錯特錯了。