英特爾(Intel)正于近日在美國舉行的Supercomputing 2016大會上展示其兩款新型Xeon處理器，以及支持深度學習的新型FPGA卡；從該公司的技術(shù)展示，能窺見其準備推出的完整機器學習方案之一角。

產(chǎn)業(yè)界一直在期待英特爾的機器學習計劃，這也是近幾年半導體產(chǎn)業(yè)界最熱門的技術(shù)領(lǐng)域之一；對此專長人工智能(AI)處理器設計的新創(chuàng)公司Graphcore共同創(chuàng)辦人暨執(zhí)行長Nigel Toon表示：“我認為Brian Krzanich (英特爾執(zhí)行長)會在相關(guān)技術(shù)上投注很大。”Graphcore最近才向包括英特爾競爭對手三星(Samsung)在內(nèi)的投資人募得3000萬美元資金。

英特爾也有對機器學習技術(shù)進行一些投資，例如在不久前收購兩家專長神經(jīng)網(wǎng)絡技術(shù)的處理器新創(chuàng)公司Nervana與Movidius，加上以167億美元收購的Altera，后者的FPGA已經(jīng)被百度(Baidu)、微軟(Microsoft)等大廠應用于數(shù)據(jù)中心，以加速搜索引擎、聯(lián)網(wǎng)等任務。

在此同時，英特爾持續(xù)把其大型多核心x86處理器Xeon Phi，視為對抗Nvidia、AMD之繪圖處理氣的武器；在8月份的IDF英特爾技術(shù)論壇上，該公司表示其代號為Knights Mill的Phi處理器，將會是第一款同時能扮演主處理器與加速器的產(chǎn)品，預計2017年出貨。

機器學習扮演著英特爾前任執(zhí)行長Andy Grove可能會稱之為“關(guān)鍵轉(zhuǎn)折點”的角色，該公司在服務器處理器市場擁有高市占率，但機器學習需要具備比那些芯片更高的運算性能，以支持高度平行化的任務。

Google已經(jīng)利用自家開發(fā)的ASIC來加速這種在機器學習中的推理任務，而英特爾的目標則是利用結(jié)合Altera Arria FPGA的新型PCIe卡；Facebook利用Nvidia的芯片設計了自己的GPU服務器，以支持訓練神經(jīng)網(wǎng)絡的運算密集任務。

至于Nvidia在今年稍早發(fā)表了自己的GPU服務器，并與IBM合作另一款采用Power處理器的版本；AMD則在今年稍早針對其GPU推出一個開放性軟件計劃。

以上所有廠商都想在機器學習硬件市場參一腳──根據(jù)市場研究機構(gòu)Tractica 預測，該市場規(guī)模在2015年為4.36億美元，到2024年可進一步成長至415億美元；龐大的商機潛力促使Graphcore、Wave Computing與Cornami等半導體新創(chuàng)公司策略性提高投資，還有英特爾不久前收購的那兩家公司。

Graphcore的Toon表示：“英特爾收購Nervana是為了軟件──我不認為其硬件技術(shù)夠強大；”但是也有一位英特爾的高層透露，該公司將會把Nervana的硬件鎖定私有云企業(yè)應用市場。至于Movidius，Toon表示其專長技術(shù)與英特爾的RealSense系列3D攝影機目標一致，適合網(wǎng)絡/物聯(lián)網(wǎng)邊緣節(jié)點的低功耗系統(tǒng)應用。

“老實說我不確定Altera將扮演什么角色；”Toon在1988年曾加入Altera，負責其歐洲業(yè)務的推廣營運：“英特爾可能會以某種方式嘗試利用FPGA做為機器學習加速器，但我不認為那是正確的方法。”他指出，Graphcore的多核心芯片在深度學習應用領(lǐng)域，會是比FPGA或GPU更高性能的方案。