Intel发布专为机器学习而设计的Intel？Nervana

　　在10月17日召开的WSJD。Live大会上，Intel正式发布了专为机器学习而设计的Intel？Nervana？神经网络处理器（NNP）系列芯片。按照Intel之前对芯片预先命名的序列，该芯片的预发布代号为ldquo；LakeCrestrdquo；。
　　IntelCEOBrianM。Krzanich随后在官方博客发布公告称：
　　ldquo；今天我们宣布，英特尔将在今年年底前正式量产出货业界首款神经网络处理芯片，即Intel？Nervana？神经网络处理器（NNP）。在将新一代的AI硬件推向市场的同时，我们很高兴与Facebook密切合作，共同分享享技术见解。
　　Intel？Nervana？NNP将致力于无数行业的AI计算革新。使用英特尔Nervana技术，公司将能够开发全新的AI应用程序，从而最大限度地提高数据处理能力，使客户能够获得更多的洞察力并改变其业务。包括：
　　卫生保健：人工智能将实现早期的诊断和更高的精度，通过推进癌症、帕金森病及其他脑部疾病的研究；
　　社交媒体：社交平台将能够为用户提供更个性化的体验，并向广告客户提供更有针对性的覆盖；
　　汽车：离ldquo；让无人驾驶车辆上路rdquo；的梦想更接近；
　　天气：可以更好地帮助研究者对运动、风速、水温等参数进行分析研究，并更有效预测飓风轨迹。
　　我们有更多Intel？Nervana？产品正在推进中，这些产品将提供更高的性能，并为AI模型提供更高可扩展性能力，并使我们在2020年AI业务收入实现比去年增长100倍的目标。rdquo；
　　Intel在去年8月份以3。5亿美元收购了深度学习芯片公司NervanaSystems。英特尔的NNP芯片采用标准缓存层次结构，并使用软件来管理片上内存，从而为深度学习模型实现更快的训练时间。在过去一段时间里，NVIDIA一直是AI硬件行业的焦点，Intel也希望通过Intel？Nervana？芯片的推出扳回一局。
　　据了解，Intel？Nervana？NNP优先考虑可扩展性和数值并行性。通过使用专有Flexpoint数字格式，该芯片可以实现更多的数据吞吐量，同时，Intel还通过缩小电路尺寸减少了并行计算的功耗。
　　Intel？Nervana？NNP芯片的诞生预示着围绕着深度学习进行优化的硬件竞争将日趋激烈。深度学习需要通过大量的矩阵运算来进行模拟计算结果，在此过程中，由于GPU具有比更优越的并行简单计算性能，因而被认为是比CPU更好的深度学习计算芯片，也带动了NVIDIA在深度学习硬件市场行情的一路走高。今年4月，Google退出了第一款机器学习芯片TPU，该芯片专为矩阵计算而优化，因而具有更好的深度学习加速性能。
　　但也有研究者认为，深度学习的实质是一类多层大规模人工神经网络，它模仿生物神经网络而构建，而目前传统的处理器指令集是为了进行通用计算发展起来的，其基本操作为算术操作和逻辑操作（与或非），往往需要数百甚至上千条指令才能完成一个神经元的处理，要更好地模仿神经元，提升度学习的效率，可能需要对目前芯片设计所通用的冯诺依曼结构实现突破。但从目前透露的资料来看，我们尚未清楚Intel？Nervana？NNP芯片在这方面的具体改进情况。