Naveen Rao

在舊金山舉行的英特爾人工智能開發(fā)者大會上，介紹了有關(guān)英特爾人工智能產(chǎn)品組合與英特爾NervanaTM神經(jīng)網(wǎng)絡(luò)處理器的最新情況。我們意識到，英特爾需要與整個行業(yè)進行協(xié)作，包括開發(fā)者、學術(shù)界、軟件生態(tài)系統(tǒng)等等，來釋放人工智能的全部潛力。正是這種廣泛的合作幫助我們一起賦能人工智能社區(qū)，為加快人工智能領(lǐng)域的技術(shù)創(chuàng)新和進步提供所需的硬件和軟件支持。

在加速向人工智能驅(qū)動的未來計算過渡之時，我們需要提供全面的企業(yè)級解決方案。這意味著我們的解決方案要提供最廣泛的計算能力，并且能夠支持從毫瓦級到千瓦級的多種架構(gòu)。企業(yè)級的人工智能還意味著支持和擴展行業(yè)已經(jīng)投資開發(fā)的工具、開放式框架和基礎(chǔ)架構(gòu)，以便更好地讓研究人員在不同的人工智能工作負載中執(zhí)行任務(wù)。例如人工智能開發(fā)者越來越傾向于直接針對開源框架進行編程，而不是針對具體的產(chǎn)品軟件平臺，這樣有助于更快速、更高效的開發(fā)。我們在大會上發(fā)布的消息涉及所有這些領(lǐng)域，并公布了幾家新增的合作伙伴，這都將幫助開發(fā)者和我們的客戶更快速地從人工智能中受益。

英特爾人工智能產(chǎn)品組合

英特爾近期的一項調(diào)查顯示，在我們的美國企業(yè)客戶中，50%以上都正在轉(zhuǎn)向采用基于英特爾至強處理器的現(xiàn)有的云解決方案來滿足其對人工智能的初步需求。這其實肯定了英特爾的做法——通過提供包括英特爾至強處理器、英特爾Nervana和英特爾Movidius技術(shù)以及英特爾FPGAs在內(nèi)的廣泛的企業(yè)級產(chǎn)品，來滿足人工智能工作負載的獨特要求。

英特爾至強可擴展處理器的優(yōu)化，與前一代相比，這些優(yōu)化大幅提升了訓練和推理性能，有利于更多公司充分利用現(xiàn)有基礎(chǔ)設(shè)施，在邁向人工智能初始階段的過程中降低總體成本。最新的英特爾Nervana神經(jīng)網(wǎng)絡(luò)處理器（NNP）系列也有更新消息分享：英特爾Nervana神經(jīng)網(wǎng)絡(luò)處理器有著清晰的設(shè)計目標，即實現(xiàn)高計算利用率，以及通過芯片間互聯(lián)支持真正的模型并行化。行業(yè)談?wù)摵芏嘤嘘P(guān)理論峰值性能或TOP/s數(shù)字的話題。但現(xiàn)實是，除非架構(gòu)設(shè)計上內(nèi)存子系統(tǒng)能支撐這些計算單元的充分利用，否則很多計算是毫無意義的。此外，業(yè)內(nèi)發(fā)表的很多性能數(shù)據(jù)采用了很大的方形矩陣，但這在真實的神經(jīng)網(wǎng)絡(luò)中通常是不存在的。

英特爾致力于為神經(jīng)網(wǎng)絡(luò)開發(fā)一個平衡的架構(gòu)，其中也包括在低延遲狀態(tài)下實現(xiàn)芯片間高帶寬。我們的神經(jīng)網(wǎng)絡(luò)處理器系列進行的初步性能基準測試顯示，利用率和互聯(lián)方面都取得了極具競爭力的測試結(jié)果。具體細節(jié)包括：

使用A（1536， 2048）和B（2048， 1536）矩陣大小的矩陣-矩陣乘法（GEMM）運算，在單芯片上實現(xiàn)了高于96.4%的計算利用率1。這意味著在單芯片上實現(xiàn)大約38 TOP/s的實際（非理論）性能。針對A（6144， 2048）和B（2048， 1536）矩陣大小，支持模型并行訓練的多芯片分布式GEMM運算實現(xiàn)了近乎線性的擴展和96.2%的擴展效率，讓多個神經(jīng)網(wǎng)絡(luò)處理器能夠連接到一起，并打破其它架構(gòu)面臨的內(nèi)存限制。

在延遲低于790納秒的情況下，我們測量到了達到89.4%理論帶寬的單向芯片間傳輸效率3，并把它用于2.4Tb/s的高帶寬、低延遲互聯(lián)。

這一切是在總功率低于210瓦的單芯片中實現(xiàn)的，而這只是英特爾Nervana神經(jīng)網(wǎng)絡(luò)處理器原型產(chǎn)品（Lake Crest）。該產(chǎn)品的主要目標是從早期合作伙伴那里收集反饋。

我們正在開發(fā)第一個商用神經(jīng)網(wǎng)絡(luò)處理器產(chǎn)品英特爾Nervana NNP-L1000（Spring Crest），計劃在2019年發(fā)布。與第一代Lake Crest產(chǎn)品相比，我們預(yù)計英特爾Nervana NNP-L1000將實現(xiàn)3～4倍的訓練性能。英特爾Nervana NNP-L1000還將支持bfloat16，這是業(yè)內(nèi)廣泛采用的針對神經(jīng)網(wǎng)絡(luò)的一種數(shù)值型數(shù)據(jù)格式。未來，英特爾將在人工智能產(chǎn)品線上擴大對bfloat16的支持，包括英特爾至強處理器和英特爾FPGA。這是整個全面戰(zhàn)略中的一部分，旨在把領(lǐng)先的人工智能訓練能力引入到我們的芯片產(chǎn)品組合中。

面向真實世界的人工智能

英特爾正在與Novartis合作，使用深度神經(jīng)網(wǎng)絡(luò)來加速高內(nèi)涵篩選——這是早期藥品研發(fā)的關(guān)鍵元素。雙方的合作把訓練圖片分析模型的時間從11小時縮短到了31分鐘——改善了20多倍。為了讓客戶更快速地開發(fā)人工智能和物聯(lián)網(wǎng)應(yīng)用，英特爾和C3 IoT宣布針對優(yōu)化的AI硬軟件解決方案進行合作——一個基于Intel AI技術(shù)的C3 IoT AI應(yīng)用。此外，我們還正在把TensorFlow、MXNet、Paddle Paddle、CNTK和ONNX等深度學習框架集成在nGraph之上，后者是一個框架中立的深度神經(jīng)網(wǎng)絡(luò)（DNN）模型編譯器。我們已經(jīng)宣布，英特爾人工智能實驗室開源了面向Python*的自然語言處理庫，幫助研究人員開始自己的自然語言處理算法工作。