虽然人工智能（A.I.）这个词汇的起源可以追溯到20世纪50年代，但英特尔认为该领域依旧是一个新生事物，从芯片制造商的角度来看，它代表着新的增长机会。
上周，英特尔宣布将以3.5亿美元的价格收购人工智能初创企业Nervana。后者以生产人工智能产品为主,主攻深度学习方向，主要用大数据训练计算机神经网络，从而使机器能够做出合理的数据推论。今天，英特尔宣布推出新一代Xeon Phi服务器芯片，特别强调该芯片的人工智能处理功能。在过去几年里，历代Xeon Phi服务器芯片都主要面向高性能计算市场。
显然，英特尔在该领域的利润在不断上升。公司数据中心事业部执行副总裁兼总经理黛安·布莱恩特在英特尔开发者论坛上指出，“人工智能依旧是新生事物。学术界为其进行了大量的研究探索，也有大量投资倾注其中。目前人工智能领域还有着一系列研究正在进行。”
换而言之，英特尔认为此时进入人工智能领域还为时不晚。当然，目前在深度学习领域Nvidia是当之无愧的市场领导者，其开发的图形处理单元（GPU）广泛应用于各个服务器。诸如百度、Facebook、谷歌等网络公司以及亚马逊、IBM以及微软的云服务都依赖于Nvidia的图形图像处理芯片。
布莱恩特指出，“我们要为改变和争取这种默认架构而努力。”她指出，英特尔从去年开始在服务器测试英特尔芯片的机器学习或深度学习功能。
机器学习与深度学习
布莱恩特表示，在所有的研究服务器中，有7%的服务器处理深度学习，而95%的主要应用于机器学习。所有的深度学习服务器采用了标准的英特尔 Xeon处理器芯片，其中仅有2.5%的服务器采用独立的图形处理单元，而另外2.5%则采用了Power或SPARC处理器架构。
布莱恩特称，“当你谈到瘦身服务器架构时，实际上是GPU加速器起到了一定功能。” 布莱恩特自1985年起就在英特尔工作，曾担任英特尔的首席信息官。在谈到该面向深度学习还是机器学习时，她指出，“目前绝大多数服务器工作负载是机器学习，去年深度学习的部署量仅占所有服务器数量的0.1%。”
如果该数据可信，那么意味着英特尔进入人工智能这个市场的确不晚。在过去五年内，研究人员认为通过图形处理单元训练深度学习系统成本较低。但或许英特尔会改变这一切。
布莱恩特表示，“我们会研发新的深度学习解决方案。虽然这个市场很小，但终将会迎来爆发。”而Xeon Phi处理器芯片势必成为英特尔推动人工智能市场业务的拳头产品。
回到未来
早在上世纪80年代，当一大批初创企业进入人工智能领域，扎堆研发人工智能技术时，英特尔也开始开发人工智能产品。但事实上这些产品从未走出英特尔的实验室。布莱恩特称，“他们发明产品的时间过早，随后将其搁置了。”
2000年前后，英特尔启动了一个名为Larrabee的项目，旨在研发独立的图形加速器，该产品与Nvidia用于各网络服务器的图形处理单元非常相似。但由于英特尔随后改变了业务重点，导致Larrabee产品的研发夭折。后来在2012年，该项目更名为Larrabie Xeon Phi。
而现在，谷歌又提出了一种面向深度学习的新型芯片——张量处理单元（TPU）。谷歌称这种新型芯片将为谷歌的TensorFlow等深度学习架构提供“更为先进的处理功能”。
布莱恩特认为这种产品很好，其将有效提高深度学习的数据推理性能。但谷歌的这种芯片需要进行调校，而不像英特尔提供给各个公司的现成服务器芯片一样拿来就可使用。
布莱恩特指出，“在一个数据中心中，一个巨大的云服务往往包括成百上千台服务器。你肯定希望这些服务器能够统一。但往往因为处理器不统一而导致诸如TensorFlow深度学习推理功能无法加载。因此数据中心的一致性尤为重要。因此我们的任务时搞清TensorFlow的处理架构并将相关功能整合进Xeon处理器芯片之中。”
同时，英特尔也将会把新收购企业Nervana的相关技术整合进芯片之中，把Xeon处理器芯片真正打造成为深度学习的标杆产品。布莱恩特指出，此次交易还远远没有结束。
作者：晗冰 来源：网易科技
/2 
