英特尔两款面向推理和训练的Nervana神经网络处理器，将在今年年底发布

AI芯片已经成为人工智能迈向下一阶段的标志性战场，各路玩家争先入局，芯片巨头英特尔也有大动作。7月3日，英特尔公司副总裁Naveen Rao透露，两款面向推理和训练的Nervana神经网络处理器，将在今年年底发布。在迈向AI 2.0的道路上，只有打造完善生态的公司才能最终迎来黎明。

AI芯片正成为人工智能迈向下一阶段的标志性新战场，涌入无数玩家。

这背后是强劲的市场需求，从AlexNet到AlphaGo Zero，算法对算力的需求提升了300,000多倍。

无论是科技巨头还是初创公司都纷纷入局，并根据自有优势，制定不同的发展路线，正所谓各有各的玩法。

事实上，人工智能的发展仍属于较早期时代，随着技术的成熟，未来将掀起一轮规模巨大的计算技术新浪潮。而迎来胜利之前，拥有更全面的能力、打造更完善生态的厂商才更有希望看到第一道曙光。

在AI这个绝不能输的战场，AI芯片位置举足轻重，但一个顶尖半导体巨头需要考虑的绝不只有硬件。

7月3日，在北京举办的百度AI开发者大会上，英特尔公司副总裁兼人工智能产品事业部总经理Naveen Rao在演讲与采访中讲述了英特尔在AI战场的核心战略：

关于AI芯片，英特尔将赶在年底推出两款最新AI芯片——神经网络推理处理器和神经网络训练处理器；

在整体战略方面，英特尔在专注硬件、软件和生态系统，未来将持续加大软件投入，并提供打通芯片之间，包括芯片和软件之间的用户解决方案。

而对于近年来涌现的“AI造芯”热潮，曾担任初创公司首席执行官的Naveen Rao直言：这确实反映了AI计算方面的需求高涨，但并不是每一个厂家最后都能活下来。

迈向AI 2.0：赶在2019年底推出两款神经网络处理器，AI芯片研发已见曙光

2019年年底，无论是针对推理还是训练，英特尔都将推出自家的神经网络处理器。

先来看下神经网络训练处理器。

在2019年百度AI开发者大会上，英特尔公司副总裁兼人工智能产品事业部总经理Naveen Rao以“面对未来异构计算的世界，携手同心让AI无处不在”为主题进行了演讲，并宣布英特尔正与百度合作开发英特尔® Nervana™神经网络训练处理器（NNP-T）。这一合作包括全新定制化加速器，以实现极速训练深度学习模型的目的。

英特尔公司副总裁兼人工智能产品事业部总经理Naveen Rao

2016年，英特尔收购Nervana System——一家专注于人工智能解决方案的初创企业，这被外界看作是英特尔全面拥抱人工智能的重要节点。

该神经网络训练处理器实际上也是在三年前收购Nervana之后，目前向市场上推出的第一款实际应用的产品。

同时，有着“CPU王者”之称的英特尔也围绕Nervana芯片计划构建完整的产品线计划。

Naveen透露，过去两年时间里，英特尔继续转型步伐，从最开始做CPU，到后来会有GPU和加速器，用于异构计算，如今还有面向推理和训练的NNP（神经网络处理器），以及专用的显卡。

同时，面对越来越多的玩家涌入，英特尔自然不会忽视AI推理专用芯片的重要性。Naveen表示：推理领域需求非常强劲，并且客户的类型也是多种多样的。在今年年底的时候，英特尔也会发布面向推理的神经网络处理器。此外，英特尔正在诸如量子计算、神经拟态计算等一些前沿的领域当中持续进行研发投入。

可以说这款神经网络训练处理器的推出对英特尔来讲意义非凡，颇有三年铸一剑的意味。而在这三年里，AI正在迈向新阶段，如今已经到了一个新时机。

随着AI技术真正实现全面普及，AI计算必将进一步走向异构。英特尔认为，AI不能只靠一块芯片来提供，而是要通过多种选择方案来实现。而英特尔全面的产品组合已经在为其做好准备。

Naveen Rao在大会上表示，接下来几年AI模型的复杂程度将会爆炸性增长，也会出现大量深度学习运算的需求。

来个小剧透，Naveen对新智元透露称，Nervana™神经网络训练处理器的内测效果非常不错，但具体参数将于今年年底给大家分享。

AI造芯潮涌现，但不是所有厂商都能看到黎明

由于AI计算方面的需求强劲且高涨，AI芯片的赛道愈发拥挤，其中包括大批井喷式爆发的AI芯片初创公司涌入。

这是创新的必然结果。

Naveen也表示，英特尔非常乐见市场当中有多种多样不同的解决方案推出来。但不是每个厂商都能活下来，有些会在市场当中胜出，有些可能就不那么幸运了。

在此前接受新智元采访时，Naveen 就曾坦言：“要做出能够大规模商用的芯片，靠初创芯片公司100%不行。”

Naveen就曾是初创公司Nervana首席执行官兼联合创始人，随着英特尔收购Nervana，作为计算机架构师和神经科学家的Naveen也随即加入英特尔。

的确，现在确实是“计算机体系结构的黄金时代”，也有不少炒作，但计算机架构不是那么简单的事情。芯片的技术周期很长，也极少能用一代就取得成功，需要不断的迭代，这期间芯片的架构可能过时，或者有竞争对手出现。

做芯片是非常难的一件事情——你或许真的能设计出一款能解决一切问题的超级芯片，但要将这款芯片制造出来，需要付出大量的努力，而就算芯片真的做出来了，成功也不仅仅是靠处理器，还有生态系统和商业模式要考虑，要在百亿台处理器规模的数据中心无差错的使用，价格要能让客户用得起。

Naveen此次也表示：决定小公司的成败有很多细小的因素，比如软件方面，比如生态系统方面，比如这些公司能多大程度地为他们自己的ODM或者OEM的厂商进行赋能，也会决定他们的成败。全栈能力、完善的生态系统是决定最终胜利的重要因素。

Naveen Rao：如今与软件有关的工作已占六至七成，未来比例还会增加

软硬件协同创新已经成为AI时代英特尔的利器——比以往更强调软件的作用。在英特尔看来，软件对于AI应用的重要性与硬件相比其实有过之而无不及。

AI并非单一的工作负载，而是一种广泛的、能够强化所有应用性能的强大能力，无论这些应用是运行在手机上还是大规模数据中心内。然而，手机、数据中心以及两者间的所有设施都对性能和功耗有着不同的要求，因此单是AI硬件无法满足一切需求。

Naveen表示目前其工作中和软件有关的部分会占六到七成，以后可能会更多。

在提供卓越硬件选择的同时，英特尔也强调要通过软件来最大化释放硬件的性能。

例如在此次与百度的合作当中，英特尔主要贡献的是全新的面向神经网络处理的架构，同时因为英特尔在软件方面也有所建树，使得整个生态系统相关方合作伙伴可以在英特尔的架构之上开展他们的工作。

从2016年起，英特尔便一直针对英特尔至强®可扩展处理器优化百度飞桨（PaddlePaddle*）深度学习框架。如今，通过为百度飞桨优化NNP-T，双方能够为数据科学家提供更多的硬件选择。

Naveen在采访时也谈到了在“软硬兼施”的道路上，英特尔还有哪些环节需要完善：

首先，在整个业界中软件也是在不断的开发和完善的过程当中，在软件方面英特尔会参与进来，逐步加深影响力，其中包括一些定义的工作，可以让后续开发者的开发工作更加简化。

第二，整体面临一个新的范式和趋势，英特尔会看到未来将会是很多的芯片互相连接在一起，作为一个整体来运作。这就意味着英特尔首先需要规模化，进行向上、向外的拓展；其次要确保这个是比较容易进行部署的，并且当它真正跑起来的时候，在数据中心是要加以管理的，基于这个全新的动态和范式，英特尔需要继续深入研究。

第三，还有一个连接的就是与芯片有关的软件，由于芯片彼此之间也存在竞争关系，那么如何通过软件来将这些芯片的竞争关系自动化的、深入的加以管理，也是英特尔接下来要做的工作。

而英特尔软件项目 “One API”正是解决前面说到的多个芯片并存加以自动化智能管理解决方案的一部分。

One API支持直接编程和API编程，并将提供统一的语言和库，可以在包括CPU、GPU、FPGA和AI加速器等不同硬件上，提供完整的本地代码性能。

从本质上看，One API实际是对GPU、CPU、NNP神经网络等多种处理器统一和简化的一种抽样化的模式。

全面的硬件选择，重视合作与市场需求，同时拥有软件的加持，会让英特尔在AI这个绝不能输的战场上走得更远。