英特爾借由投入FPGA推動機器學習與AI

　　自從機器學習(machinelearning;ML)與人工智能(AI)在近期受到歡迎后，包括英特爾(Intel)等科技大廠也積極抓緊機會投入開發相關領域。該公司高層日前也表示，英特爾正利用現場可編程閘陣列(FPGA)技術，提供ML或AI的解決方案。據NewElectronics報導，為了搶搭ML與AI風潮，英特爾透過收購與內部發展打造解決方案。英特爾的可編程系統事業群(ProgrammableSystemsGroup;PSG)前身為Altera，AI產品專家BillJenkins表示，PSG專注在機器學習。ML/AI目標則包含資料中心、自駕車與工業系統以及以大量數據分析來解決無法預測的問題。

　　Jenkins也舉出一些目前遭遇困難，例如1輛車在1天約產生4Tbyte數據，而1間工廠則產生1ExaByte。在美國搜集后的數據有94%都被丟棄，至于要如何使用上述數據的答案在于變得更聰明。他也指出，讓業者能在合理成本與資源下解決之前無法處理的問題，其中的硬體解決方案之一就是FPGA。Jenkins表示，使用FPGA時是為了問題創造1個架構，讓人可控制數據路徑，有別于讓數據從CPU移動再儲存在存儲器，目前數據已可直接進入FPGA，之后在最少延遲下做個別處理。換言之，FPGA重點就是系統效能與延遲。Jenkins表示，FPGA已出現大約30年，在該領域目前所使用的是Arria10，因為其浮點運算能力可保持精準度。

　　Arria10元件可提供達1.5TFlop的運算能力，而Stratix10則為10TFlop。Jenkins也指出，FPGA有大量內部存儲器頻寬，大概8Tbyte/s以及數個MB內建存儲器，所以可很快取得數據、分析并在最短延遲內將結果回傳，其表現也比CPU好，例如CPU需要在GHz時脈運轉，FPGA可在300MHz運轉并維持輸入輸出量。另外，在較慢時脈運轉元件并將結果保存在FPGA上也可節省能源。他認為，外界雖可使用ASIC來執行ML/AI，但其問題在于一旦打造1個ASIC后便無法改變，而且建造1個ASIC成本不便宜。廠商要投入ML/AI時必須厘清如何拓展用戶群等問題。

　　早期FPGA是透過OpenCL作為軟件方案來增加潛在用戶。Jenkins表示，OpenCL目的就是將FPGA帶入軟件發展社群中。由于OpenCL是軟件為基礎的發展流程，因此外界已利用OpenCL寫出學習資料庫，但開發人員需要了解FPGA能提供的平行結構與更細致的路徑，才不會讓外界眼光被固定架構所限。收購Altera后，英特爾隨后發布的消息之一便是將FPGA與其Xeon伺服器處理器整合。Jenkins表示，外界正在尋找方法加速處理，而且搭載特定加速器的系統也被打造。雖然CPU可執行任何東西，但要速度快，意味著需要更多處理器或加速器，至于FPGA則容易擴充而且易連接。Jenkins指出，英特爾目前作法是將機器學習元件從Xeon卸載并引進FPGA，如果不是FPGA原生，暫存匯流排會將數據推回CPU，運算之后再送回FPGA，成為無縫整合。

　　另外，FPGA作為服務(FPGAasaService)概念正在形成。云端服務供應商并提供客戶使用FPGA當作加速器，2家英特爾客戶已提供該服務。大陸阿里云提供云端工作量加速來作為投資FPGA基礎建設的另1種選項，在歐洲與Accelize合作則讓OVH用戶采用預建FPGA加速器、客制化或新建。