十大工控产品简析自动化产业必备

英特尔(Intel)正于近日在美国举行的SupercompuTIng 2016大会上展示其两款新型Xeon处理器,以及支持深度学习的新型FPGA卡;从该公司的技术展示,能窥见其准备推出的完整机器学习方案之一角 。
产业界一直在期待英特尔的机器学习计划,这也是近几年半导体产业界最热门的技术领域之一;对此专长人工智能(AI)处理器设计的新创公司Graphcore共同创办人暨执行长Nigel Toon表示:「我认为Brian Krzanich (英特尔执行长)会在相关技术上投注很大 。」Graphcore最近才向包括英特尔竞争对手三星(Samsung)在内的投资人募得3,000万美元资金 。
英特尔也有对机器学习技术进行一些投资,例如在不久前收购两家专长神经网络技术的处理器新创公司Nervana与Movidius,加上以167亿美元收购的Altera,后者的FPGA已经被百度(Baidu)、微软(Microsoft)等大厂应用于数据中心,以加速搜索引擎、连网等任务 。
在此同时,英特尔持续把其大型多核心x86处理器Xeon Phi,视为对抗Nvidia、AMD之绘图处理气的武器;在8月份的IDF英特尔技术论坛上,该公司表示其代号为Knights Mill的Phi处理器,将会是第一款同时能扮演主处理器与加速器的产品,预计2017年出货 。
机器学习扮演着英特尔前任执行长Andy Grove可能会称之为「关键转折点」的角色,该公司在服务器处理器市场拥有高市占率,但机器学习需要具备比那些芯片更高的运算性能,以支持高度平行化的任务 。
Google已经利用自家开发的ASIC来加速这种在机器学习中的推理任务,而英特尔的目标则是利用结合Altera Arria FPGA的新型PCIe卡;Facebook利用Nvidia的芯片设计了自己的GPU服务器,以支持训练神经网络的运算密集任务 。
至于Nvidia在今年稍早发表了自己的GPU服务器,并与IBM合作另一款采用Power处理器的版本;AMD则在今年稍早针对其GPU推出一个开放性软件计划 。
以上所有厂商都想在机器学习硬件市场参一脚──根据市场研究机构TracTIca 预测,该市场规模在2015年为4.36亿美元,到2024年可进一步成长至415亿美元;庞大的商机潜力促使Graphcore、Wave CompuTIng与Cornami等半导体新创公司策略性提高投资,还有英特尔不久前收购的那两家公司 。
Graphcore的Toon表示:「英特尔收购Nervana是为了软件──我不认为其硬件技术够强大;」但是也有一位英特尔的高层透露,该公司将会把Nervana的硬件锁定私有云企业应用市场 。至于Movidius,Toon表示其专长技术与英特尔的RealSense系列3D摄影机目标一致,适合网络/物联网边缘节点的低功耗系统应用 。
「老实说我不确定Altera将扮演什么角色;」Toon在1988年曾加入Altera,负责其欧洲业务的推广营运:「英特尔可能会以某种方式尝试利用FPGA做为机器学习加速器,但我不认为那是正确的方法 。」他指出,Graphcore的多核心芯片在深度学习应用领域,会是比FPGA或GPU更高性能的方案 。
【十大工控产品简析自动化产业必备】编译:Judith Cheng
(参考原文: Intel Preps its AI Strategy,by Rick Merritt)

    推荐阅读