多管齊下反擊Nvidia，英特爾在AI芯片市場還有機會嗎？

　　產品消息不多

　　在峰會上，英特爾的重點只是講述戰略，所以沒有過多談到產品，這也是情理之中的事。不過在會議上英特爾的確談到一些新AI技術，以及升級的AI技術，具體有如下幾種：

　　——DL Boost x86指令，通過支持低精度16位浮點運算，它可以讓深度學習運算加速，與AVX-512指令是兼容的。

　　——VNNI指令集(Vector Neural Network Instruction)，它相當于AVX-512的擴展指令，通過支持8位乘法和32位加法，可以讓深度神經網絡訓練進一步加速。Cooper Lake Xeon處理器將會引入DL Boost和VNNI，新處理器2019年推出，它是Cascade Lake的接班人。

　　——nGraph編譯器，它可以優化AI代碼，方便代碼應用于不同的硬件平臺。nGraph支持多種技術開發的模型。

　　——升級MKL-DNN數學庫，改進矩陣乘法性能。

　　——展示Nervana NNP L-1000 神經處理器，它的目標是挑戰GPU，幫助數據中心完成深度學習任務。

　　英特爾數據中心CPU架構主管 Sailesh Kottapalli介紹說，除了提升矩陣乘法計算能力，支持低精度和混合精度運算，未來Xeon處理器還會增加各個層級的緩存大小，擴充存儲帶寬，縮短延遲時間。所有這些都會提升AI性能，讓通用CPU有能力替代GPU，完成許多工作。

　　最好的思考

　　英特爾收購了許多AI企業，比如Nervana，Movidius、Mobileye，最近還收購了Vertex.ai，這樣英特爾就可以制定連貫的策略，解決各種AI問題。

　　因為AI工作多種多樣，運行AI軟件時設備的資源受到限制，所以英特爾擁有多種組合產品還是蠻重要的。不過英特爾的戰略橫跨幾個處理器架構和指令集，所以優化工作必須做好。

　　Nvidia的產品沒有英特爾那么豐富，它的GPU分成大中小三等，分別是Volta、Xavier和Jetson，都用到了CUDA編程平臺。雖然Nvidia擁有先發優勢，但是隨著時間的推移，它的優勢會削弱，因為開發者會接受更加先進的AI框架，比如TensorFlow，先進框架可以讓開發者瞄準其它平臺。

　　另外，Nvidia的神經網絡優化GPU(配有Tensor內核)性能不錯，現在還有優勢，但是未來優勢會縮小，因為下一代英特爾Xeon處理器推出之后，x86系統的性能會進一步提升，可以幫助數據中心做更多的事情。

　　英特爾說去年它的AI芯片銷售額達到10億美元，如果數據是真實的，我們可以斷言英特爾已經在早期贏得許多企業的支持，在飛速膨脹的市場，它已經成為重要的競爭者。

　　就眼下來說，在硬件和軟件工程方面，英特爾需要將關鍵工作做好，然后將各部分融合，將產品拋向市場，讓購買者無法抗拒誘惑。

　　整個市場都對Nvidia入迷，不過如果認為英特爾已經失敗，無力反擊，那就大錯特錯了。