众所周知，当前几乎所有主流的深度学习都在使用英伟达的GPU（图形处理器）。这是由于深度学习是需要训练的，训练所需的计算量大的惊人，用传统的CPU计算需要漫长的时间，而GPU善于并行处理数据，能很大程度上减少深度学习训练方面的时间。于是，深度学习成为促成GPU发展的大好时机，原来在图像处理领域拥有深厚积累的硬件制造商英伟达，超过传统的计算厂商英特尔一跃成为这一领域的领军者。如今，无论是国外的谷歌、Facebook，还是国内的百度、阿里、腾讯等，无一例外地都在使用英伟达GPU开展深度学习研究，英伟达成为这一领域的几乎唯一的供货商。

　　英特尔的反击

　　人工智能的发展，特别是深度学习领域CPU地位的衰落，让英特尔行业地位都有可能不保。英特尔在移动战略失败后，又将赌注押在了人工智能上，并坚信它代表着企业数据中心的下一个重大转变。2016 年 8 月，英特尔斥资近4亿美元收购了一家深度学习公司Nervana，这是一家创立还不到两年、只有48名员工的小公司。Nervana由前高通公司研究员Naveen Rao创建，其主营业务是出售以深度学习任务为基础的各类硬件，并利用自己的硬件设施提供深度学习的云计算服务。值得注意的是，Nervana在2015年就已研发出并开放给业界一款深度学习软件Neon，该软件在业内拥有一定的名气。甚至有研究人员称，Nervana的Neon软件比Facebook的Torch7、英伟达的cuDNN等业界知名的深度学习工具的性能都要高。

　　对于英特尔这样的芯片制造商来说，收购Nervana后可利用雄厚的硬件基础使其能够将机器学习技术全部嵌入芯片中，而不只是让软件在任何显卡芯片集上运行，这样能极大地提升机器学习的训练速度。英特尔收购该公司，还能将其预计2017年才问世的深度学习加速器芯片用于自家处理器上，以此挑战英伟达在人工智能市场的主导地位。

　　英特尔的新款芯片

　　在今年的英特尔开发者大会上，英特尔宣布将于2017年推出专门为人工智能深度学习而设计的最新一代产品——Intel Xeon Phi处理器，代号Knights Mill，称其运算能力比对手的Kepler GPU系列产品快两倍以上。英特尔首席执行官表示，“图形芯片在人工智能方面没有任何独特优势，它不是唯一解决方案。”按计划，英特尔将于2017年上半年测试基于Nervana技术的加速处理器（代号为Lake Crest）芯片，并在下半年发售该芯片。据称，Lake Crest芯片专门针对神经网络进行了优化，可为深度学习提供极高的性能，并可通过内部高速互连的带宽提供前所未有的计算密度。在运行神经网络任务时，在同样的能耗水平上Lake Crest芯片将比目前最顶级的图形处理芯片有更好的性能。

　　据称，Lake Crest芯片将使用台积电的28纳米工艺制造，可以加速各类神经网络的训练过程，比如谷歌的TensorFlow。Lake Crest芯片由所谓的“处理集群”阵列构成，处理被称作“活动点”的简化数学运算。该方法拥有比浮点运算小得多的计算量，因此带来了10倍的性能提升。通过逐年演进，到2020年英特尔的芯片将使神经网络训练的性能提高100倍。在软件方面，英特尔将于2017发布并开源针对Nervana的图形编译器。同时，英特尔也在优化运行在x86处理器之上的主流人工智能框架，包括在今年底之前推出TensorFlow的一个版本，用于深度学习的SDK将于明年1月份推出。

　　结论

　　尽管英特尔自称其研发的新款芯片产品，性能领先当前主流GPU芯片数倍，但是此前英伟达也驳斥过英特尔的说话，据说是评测的基准不一致。此外，在没有真正推向市场前，一切的叫板都是无力的，英特尔需要尽快推出有竞争力的产品并扭转当前深度学习芯片市场的颓势地位才行，从这点看，英特尔还有很大一段路需要走。但是，对于人工智能的从业者来说，另一种芯片架构竞争者的加入，将给整个行业带来更多选择，价格低廉、性能强大的处理芯片将给人工智能领域带来更多的创新机会。