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

產業界一直在期待英特爾的機器學習計畫，這也是近幾年半導體產業界最熱門的技術領域之一；對此專長人工智慧(AI)處理器設計的新創公司Graphcore共同創辦人暨執行長Nigel Toon表示：「我認為Brian Krzanich (英特爾執行長)會在相關技術上投注很大。」Graphcore最近才向包括英特爾競爭對手三星(Samsung)在內的投資人募得3,000萬美元資金。

英特爾也有對機器學習技術進行一些投資，例如在不久前收購兩家專長神經網路技術的處理器新創公司Nervana與Movidius，加上以167億美元收購的Altera，後者的FPGA已經被百度(Baidu)、微軟(Microsoft)等大廠應用於資料中心，以加速搜尋引擎、連網等任務。

在此同時，英特爾持續把其大型多核心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品，預計2017年出貨。

機器學習扮演著英特爾前任執行長Andy Grove可能會稱之為「關鍵轉捩點」的角色，該公司在伺服器處理器市場擁有高市佔率，但機器學習需要具備比那些晶片更高的運算性能，以支援高度平行化的任務。

Google已經利用自家開發的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合Altera Arria FPGA的新型PCIe卡；Facebook利用Nvidia的晶片設計了自己的GPU伺服器，以支援訓練神經網路的運算密集任務。

至於Nvidia在今年稍早發表了自己的GPU伺服器，並與IBM合作另一款採用Power處理器的版本；AMD則在今年稍早針對其GPU推出一個開放性軟體計畫。

以上所有廠商都想在機器學習硬體市場參一腳──根據市場研究機構Tractica 預測，該市場規模在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是為了軟體──我不認為其硬體技術夠強大；」但是也有一位英特爾的高層透露，該公司將會把Nervana的硬體鎖定私有雲企業應用市場。至於Movidius，Toon表示其專長技術與英特爾的RealSense系列3D攝影機目標一致，適合網路/物聯網邊緣節點的低功耗系統應用。

「老實說我不確定Altera將扮演什麼角色；」Toon在1988年曾加入Altera，負責其歐洲業務的推廣營運：「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的多核心晶片在深度學習應用領域，會是比FPGA或GPU更高性能的方案。

編譯：Judith Cheng

(參考原文： Intel Preps its AI Strategy，by Rick Merritt)

活動簡介

未來寬能隙半導體元件會在哪些應用成為主流？元件供應商又會開發出哪些新的應用寬能隙元件的電路架構，以協助電力系統開發商進一步簡化設計複雜度、提升系統整體效率？TechTaipei「寬能隙元件市場與技術發展研討會」將邀請寬能隙半導體的關鍵供應商一一為與會者解惑。

贊助廠商

立即報名