英特尔的人工智能进击,以产业“马达”姿态应对下一轮芯片大战

在这场芯片大战中,英特尔几乎准备了所有可能存在的处理器架构来应对挑战,群雄逐鹿的精彩对决已经拉开帷幕。

人们都乐观地相信人工智能可能给世界带来的变革,但在这波技术浪潮中,能够扮演“马达”作用的企业还屈指可数。

今年3月24日,英特尔总部宣布将组建了一个人工智能部门,名为AIPG(Artificial Intelligence Products Group),由英特尔此前收购的人工智能公司 Nervana CEO Naveen Rao 统领。英特尔中国区总裁杨旭向钛媒体介绍,“人工智能事业部主要做三个方向:计算能力储备;建立深度产业合作;具体领域实现突破。这个事业部会涉及英特尔的许多产品部门,最关键的是统筹资源专注去做人工智能这件事。”

这是继去年11月成立自动驾驶事业部之后,英特尔再次为某个领域设立独立的事业部,其战略意义可见一斑。

通常来讲,人工智能分三层,最底层是芯片、计算、云等服务层,属于整个产业的基础设施;中间是核心技术层,比如深度学习、计算机视觉,提供某个领域的通用算法;最后是应用层,也就是我们看到的无人驾驶、机器人等各种具备人工智能形态的产品。

AI应用百花齐放的时代还没有到来,但说到底,它的繁荣并非一日之功,也绝不仅仅是AlphaGo下围棋赢过人类那么简单,人工智能不同于以往任何一场技术革命,它对芯片、算法、计算能力——这些像水和电一般的基础设施都提出了截然不同的要求。

数据洪流推动芯片革命

近20年来芯片工艺制程的进化,按照摩尔定律,每隔 18-24 个月每硅芯片性能便会提升一倍的规律,从90年代的台式计算机到现在的人手一部智能移动设备,单位面积计算力已经有了15000倍的增长。

如果你对「计算力」的概念模糊,可以从数据的角度来感受一下。

在上世纪电脑诞生初期,一台PC的内存还以KB为单位,而现在智能手机随便拍一张照片就是几MB,拍一段高清视频能达到几个GB,数据的洪流正在以史无前例的速度向我们袭来,人工智能产业爆发的基础已然具备。

英特尔研究院院长宋继强预测称,“预计到2020年,一个互联网用户每天将产生1.5GB的数据,每台自动驾驶汽车每天将生成超过4,000 GB的数据,人工智能方面需要的计算力将增长12倍,而这12倍的计算力会给我们带来完全不一样的世界。”

但是需要注意的是,摩尔定律并非一条普适的自然科学性质定律,而是英特尔早期创始人戈登摩尔根据经验的一种观察预言,因为大体符合实际趋势,所以几十年来一直被用于预测半导体行业的未来。

进入到人工智能时代,越来越多人开始担心摩尔定律的极限,以及这种指数级的增长是否能够永远持续,甚至这个命题伴随着芯片产业的发展已经存在了很长时间,也许谁都无法给出明确的答案,但可以肯定是,技术的难题(包括半导体工艺的演进、物理学量子效应和光刻精度尚未突破)确实正在阻碍摩尔定律的速度。

底层基础技术究竟是什么?

在刚刚落幕的Emtech Digital人工智能峰上,一位名叫Gary Marcus的人工智能领域著名研究者、认知科学家给当下火热的人工智能行业破了一盆冷水,他认为“对机器来说识别并不等于理解,人工智能研究在很多领域正停滞不前”,此言并非毫无根据。

实现人工智能本质是模仿人类进行感知、决策的行为,电脑需要处理巨大量的数据,然而现阶段的人工智能发展遇到的一个主要瓶颈,就是人类现有的芯片计算技术(以CPU为主)和人工智能希望模仿的人脑计算方式(深度神经网络)存在着巨大差异。

CPU的工作过程类似工厂流水线作业,即按部就班去做一件事,每个流程都存在着很强的关联性,只有完成这个步骤才能进行下一步,我们通常听到的双核、四核、八核CPU都遵循这个逻辑,即便是英特尔推出256核CPU,也只是同时在处理256件事情而已。

人脑的计算方式比CPU高明很多,大脑有几百亿个神经元,这几百亿个神经元全部都是并发活动,如果把每个神经元比作一个计算单位,人脑相当于几百亿个计算单元在同步进行着不一样的事情,也就是利用我们后来经常听到的深度学习神经网络,这种方式与目前依靠CPU流水线作业的计算方式大相径庭,孰优孰劣一目了然。

众所周知,英特尔奉行的战略是专注通用计算芯片,但是在大规模并行计算领域先天不足,如果想要适应人工智能的计算方式,必须得进行相应的升级调整,即所谓的异构计算,说白了就是在传统CPU计算方式的基础上搭载其他计算单元。

上面所说的这种异构计算目前又被分为了几个主流的结构:CPU+GPU、CPU+FPGA、CPU+ASIC。于是英特尔也转而进军异构计算领域,在全球展开了大规模的并购动作,近两年来的三个并购对象分别为:Nervana、Movidius 和 Altera。

收购 Nervana,占领深度学习高地

Nervana CEO Naveen Rao

2016 年 8 月,英特尔花费 4 亿美元收购了 Nervana 这家初创公司,Nervana 由3名神经科学家于两年前创立,创始团队此前曾供职于高通神经网络部门,在高通任职期间,他们一直在研究的课题就是——如何才能让计算机的性能和效率模拟人脑。

Nervana 的创立的初衷也由此而来,公司最早的业务是依靠出售深度学习为基础的硬件产品,后来通过云计算服务提供深度学习软件,它被人工智能研发人员广泛用于开发及部署神经网络,由于 Nervana 从事的业务方向相对专注,再加上创始团队均为研发出身,创立不久的 Nervana 在业界有着举足轻重的地位。

和前几天斥资153亿美金收购自动驾驶领域公司 Mobileye 相比(详情查看钛媒体报道《153亿美金!英特尔确认收购Mobileye,买下无人驾驶的未来!》),4亿美金对于英特尔这个级别体量的公司来说似乎有些不值一提,即便是花钱买个保险,性价比也是极高的,况且 Nervana 通过两年多的发展已经建立了自己的在深度学习领域的技术壁垒。

对像英特尔这样的芯片制造商而言,Nervana 最诱人的地方在于——这家公司一直在努力将深度学习算法嵌入到计算芯片之中,而不是简单地打造能够在大量图形处理器上运行的软件,这个逻辑和英特尔发力人工智能芯片的思路不谋而合。

Nervana CEO Naveen Rao 在接受媒体采访时表示,“英特尔CPU是通用处理器,可以处理许多不同的工作,但它并没有专门针对人工智能进行优化。我们会在英特尔其他所有产品线中增加功能,使它们针对人工智能进行更多优化。”

收购 Nervana 可以加大英特尔在人工智能领域芯片和算法的建设能力,这是其产品本身之于英特尔的吸引力,另外一个层面,很大程度上是为了抵御来自英伟达 (Nvdia) 的威胁,如果 Nervana 被 Nvdia 收入囊中,如今完全会是另外一番局面。

Nvdia 的主战场在 GPU 领域,GPU 最关键的性能是并行计算能力,由于受到人工智能概念的影响,2016整个财年 Nvdia 美股的全年涨幅达到了惊人的224%,是当之无愧的明星公司。

今年,英特尔推出了经过 Nervana 优化的至强处理器 + Lake Crest组合方案,据称这款芯片在同样的能耗水平上,相对于目前的顶级GPU在运行神经网络任务时会有更强的性能,它帮助英特尔在异构计算领域中实现了卡位,毕竟“CPU+GPU”是目前最主流的计算结构,当初的AlphaGo就用了1920个CPU加上280个GPU的组合。

Altera、Movidius 组合双保险

GPU 用于深度学习的效率要高于CPU,但是其设计之初是为了图形计算并非人工智能计算,因此很多人开始思考能不能为人工智能设计一个专门的计算单元,于是有了 FPGA、ASIC 纷纷各领风骚的态势,以下分别来说。

FPGA 全称为可编辑门阵列(Field Programmable Gate Array),其基本原理是在 FPGA 芯片内集成大量的数字电路基本门电路以及存储器,开发者通过烧入 FPGA 配置文件重新定义这些门电路以及存储器之间的连线,简单讲是一种可重构的芯片体系结构,再通俗一点就是可以像手机那样“刷机”。

根据需要,开发者可以把同一个 FPGA 配置成不同场景下使用的计算芯片,微控制器 MCU、音频编解码器、适用于深度学习的处理器架构等等,FPGA 属于半定制的芯片版本,比大规模的单个定制部件的成本低得多且具备更高的灵活性,一块 FPGA 开发板售价通常只有 1000 美金。

目前 FPGA 领域的大玩家主要有两个,Xilinx 和 Altera,其中 Altera 已经被英特尔以167亿美元的天价收至麾下。在可编辑逻辑领域的市场份额评估中,英特尔预估 Xilinx 占有49%,Altera 占有中的39%,其他供应商分则瓜余下的12%。

另外一种计算结构 ASIC(Application Specific Integrated Circuit),是专为人工智能设计的集成电路芯片,可以理解为 FPGA 的定制版本,如果专门为了深度学习去做芯片显然拥有更强的针对性,一旦规模化量产成本将会大范围降低。

不同于 FPGA 的灵活性,ASIC 结构的芯片一旦设计出来就很难更改,其设计研发周期要远大于 FPGA,上市速度缓慢,用最新的工艺制造 ASIC 芯片单次研发成本动辄几百上千万美元,风险也高于 FPGA 的解决方案,基本上相当于一锤子买卖,没赌对就赔了。

芯片革命已经开始,对于场内的玩家来说即便九死一生也要奋力一搏,更何况是在赌一个大方向很明确的未来。

为此,英特尔于2016年9月份收购了爱尔兰芯片公司 Movidius,这家公司目前成立将近10年,主要产品是自主研制的低功耗视觉处理器:VPU (Vision Processing Unit),为谷歌Tango平板电脑和大疆无人机等产品都提供过视觉解决方案。

被英特尔收入囊中的 Movidius 在收购完成后已经与英特尔原有的 RealSense实感技术进行整合,探索计算机视觉方面的芯片方案。

FPGA 和 ASIC 这两种方式在实现深度学习加速器方面各有所长,在一定程度上存在替代关系,FPGA 的可配置性更适合企业、军工等应用,而ASIC的高性能和低成本则适合消费电子领域。

“对于复杂的场景其实是希望使用一个通用的CPU,看你的负载要求可以使用酷睿系列的CPU,或者至强系列CPU去搭配硬件加速模块,硬件加速模块可以选择FPGA还是Nervana,这是看具体的应用具体分析”,英特尔研究院院长宋继强表示。

准备所有可能,应对芯片大战

对于英特尔来说,寻找处理下一代计算任务的芯片架构迫在眉睫,英特尔在这场芯片大战中,几乎准备了所有可能存在的处理器架构来应对挑战,群雄逐鹿的精彩对决已经拉开了帷幕。

与我们熟悉的互联网行业不同,芯片产业的变化周期要长很多,90年代的个人PC是芯片厂商主战场,随着智能手机爆发开始转向移动端也就是智能手机,尽管此役高通和ARM大败英特尔,但在PC领域始终没有任何人能撼动的英特尔的垄断地位,长达25年的时间几乎碾压对手。

如今的人工智能时代无疑也将迎来一个芯片行业的拐点,只是曾经强者恒强的规律可能并不适用,在这个新旧时代交替的节点,各种架构的计算处理器正处在混合过渡的阶段,尚未形成一家独大的局面。(本文首发钛媒体,记者/李玉鹏)

转载请注明出处、作者和本文链接
声明:文章内容仅供参考、交流、学习、不构成投资建议。
想和千万钛媒体用户分享你的新奇观点和发现,点击这里投稿 。创业或融资寻求报道,点击这里

敬原创,有钛度,得赞赏

赞赏支持
发表评论
0 / 300

根据《网络安全法》实名制要求,请绑定手机号后发表评论

登录后输入评论内容
  • 芯片的作用的确很重要,聚焦人工智能也是绝对正确的,以后如果使用灵犀就可以控制大部分的设备那就真的厉害了。

    回复 2017.04.10 · via pc
  • 都很努力

    回复 2017.04.07 · via android

快报

更多

18:00

Keep2023年财报:营收21.38亿元,净亏损同比收窄55.7%

17:58

微盟2023年报:营收22.28亿元,下半年经营现金流与经调整EBITDA转正

17:53

唐睿思:美国对芯片算力的出口控制带来了一些反面效果

17:52

139股获机构买入型评级,青岛啤酒关注度最高

17:52

香港金管局:2月香港外汇基金总资产减少57亿,人民币存款增1%

17:48

山东新华制药股份:2023年归母净利4.965亿元,同比增20.79%

17:39

央行:截至2023年四季度末全国共开立银行账户144.65亿户,环比增长0.64%

17:37

百度沈抖谈算力:GPU卡多元化异构是必然,很难被一家芯片垄断

17:36

中方取消针对澳葡萄酒“双反措施”,澳大利亚回应:将撤销WTO诉讼

17:35

北上资金今日净买入23.34亿元,五粮液获净买入4.81亿元

17:32

《网络表演(短视频)运营服务要求》团体标准发布

17:31

日本东京电力公司称2024财年将排放54600立方米核污染水入海

17:23

宁德时代官宣两款新电池,首发车型或是小米SU7

17:23

山东枣庄:最高公积金贷款额度提至80万元,多子女家庭再上浮20%

17:22

汇丰控股:在伦交所和港交所等回购约720万股

17:22

甘肃积石山地震灾区灾后重建安置贴息贷款28日开始发放

17:12

广期所发布关于2024年清明节期间交易时间安排的通知

17:12

现货白银日内下跌1.00%,现报24.39美元/盎司

17:09

中煤协:今年还可能存在区域性、时段性、品种性的煤炭供需错配

17:08

国家外汇管理局公布2023年末中国银行业对外金融资产负债数据

300
2
280

扫描下载App