0
| 本文作者： 天諾 | 2016-06-06 10:17 |
2016年6月1日，英特爾數據中心主管Diane Bryant在臺北參加Computex電腦展
最近這段時間，如果你想激怒Diane Bryant，就去問她一些關于GPU的問題。
本周，這位英特爾數據中心主管來到臺北參加Computex電腦展會，同時也對外介紹了英特爾旗下最新款的Xeon Phi處理器，她認為這款芯片十分適合機器學習。
機器學習其實是一種過程，谷歌和Facebook目前正在訓練軟件更好的完成人工智能任務，包括計算機視覺和理解自然語言。機器學習是提升所有線上服務的關鍵，甚至最近連谷歌都表示他們要重新思考關于機器學習的一切。
機器學習需要強大的計算能力支持，六個月前，英特爾發布了全新‘Knight’s Landing’ Xeon Phi芯片，它擁有72核處理器和無比強大的浮點運算表現，其卓越的效能功耗比能夠用于訓練機器學習算法。
“現在的機會很好，未來每家公司都會使用機器學習技術，”Diane Bryant接受采訪時說道。
但目前對英特爾來說，最大的挑戰就是用于機器學習的處理器大多數都是來自于NVIDIA和AMD兩家廠商的GPU。
“根據我的了解，目前幾大科技巨頭應該還沒有使用Xeon Phi芯片來訓練他們的神經網絡系統，”Moor Insights and Strategy公司行業分析師Patrick Moorhead說道，這些行業巨頭包括谷歌、Facebook、亞馬遜、微軟、阿里巴巴、百度、以及騰訊。
Bryant是個和藹可親的職業女性，但是當被問到英特爾如何能夠在人工智能市場與GPU競爭時，她忽然生氣了。她認為，GPU芯片的目的，或者說GPGPU的目的，不過是另一種類型的加速器，它們沒有一個是專門針對機器學習開發的。
“我們認為，Knights Landing算是一種協處理器，但它其實是浮點運算加速器，雖然GPGPU也是這樣，”她說道。Bryant承認，NVIDIA因為在幾年前開發了支持可加速高性能計算工作的GPU，讓他們在市場上獲得了領先的競爭力，但是當英特爾在2014年發布了首款Xeon Phi處理器之后，在使用浮點加速器的高性能計算領域里已經占到了33%的市場份額。“我們已經獲得了能和NVIDIA競爭的市場份額，而且還會努力贏得更多市場份額，”她說道。
但實際上，英特爾在整個機器學習行業內的市場并不大，但Bryant馬上反駁說，目前機器學習的市場還比較年輕，本身規模也不大。
但不可否認的是，雖然只占全球服務器市場1%的份額，但英特爾依然沒有放棄，他們依然開發了Xeon Phi處理器支持更好的完成機器學習任務。可能是出于商業機密，Bryant沒有透露英特爾Xeon Phi芯片的客戶名稱，但她暗示是一個家喻戶曉的行業品牌，不過Bryant介紹了另外一家使用Knights Landing芯片的公司Viscovery，他們在訓練算法搜索視頻。
Bryant提到，人們對目前市場上的機器學習有兩種看法——訓練算法模型，這是最需要考驗計算能力的部分，還有就是把那些模型應用到真實世界的前端應用程序里，通常被稱為“推斷法”。隨著英特爾去年收購了FPGA生產商Altera，加上他們合格的Xeon處理器，想必會非常適合應用到機器學習“推論”這塊領域。換句話說，英特爾在各方面都顧及到了。
不過，在現階段行業形勢下，要想完全取代GPU并不是件容易的事情，更何況連谷歌都已經開發了自己專門用于機器學習的TPU芯片。對程序員來說，NIVEA開發的GPU芯片使用起來有一定難度，在這方面英特爾的表現相對要好很多。此外，Knights Landing芯片是“自引導”的，也就是說，用戶不需要匹配一個常規Xeon芯片來啟動某個操作系統。
目前，英特爾全新的Xeon Phi芯片擁有3萬億次浮點運算能力，但NIVEA最新的GP100擁有5萬億次浮點運算能力。不過，用戶可以在Knights Landing芯片上增加浮點，雖然能讓它看上去像是GPU，但這并非是英特爾設計這款芯片的初衷。
當然啦，英特爾是固執的，他們下定決心要成功。Bryant最后說：“我們會不斷優化芯片產品線，同時也會不斷擴大市場份額。”
VIA networkworld
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
