英特尔能否在深度学习领域重夺PC时代的领导者地位？

想揽瓷器活，有无金刚钻?

　　英特尔到底有没有机会绝地反击，在人工智能、深度学习领域重新夺回PC时代的领导者地位呢?我们认为英特尔其实还真不是一点机会都没有，尽管NVIDIA目前依靠着多年发展起来的GPU性能和配套的软件优化看似占尽了天时地利。但这其中，确实有着英特尔翻身的可能。

　　押注FPGA

　　去年6月，英特尔用史无前例的167亿美元巨款收购了著名的FPGA厂商Altera，当时业内对于英特尔此举的解读主要集中在服务器市场、物联网市场的布局上，英特尔自己对收购的解释也没有明确提到机器学习。但现在看来，或许这笔收购有相当程度是因为英特尔意识到了它在人工智能领域同样具有的潜力。

　　不管当时如何，至少现在英特尔肯定完全意识到了这笔收购在人工智能上带来的价值了，FPGA对GPU的潜力在于其计算速度与GPU不相上下，却在成本和功耗上对GPU有着显著优势。当然，劣势也有，这点我们最后再提，但是，FPGA的潜力是非常明显的。作为一个想要推向市场的商品来说，FPGA最需要克服，也是最容易克服的问题是普及程度——大部分PC都配有或高端或低端的独立GPU，对于个人进行的中小规模神经网络开发和训练来说，其实它们的性能已经基本足够。而FPGA却不是在电脑里能找得到的东西，而多见于各种冰箱、电视等电器设备及实验室中，因此想要搞到一块能用来开发深度学习的FPGA其实还挺麻烦的。可以想象，这也是英特尔将会着力解决的问题之一。

　　集成显卡——未被开发的处女地

　　可能有些人没意识到，其实英特尔在显卡的设计制造领域也有很强的能力，它甚至是全球最大的GPU生产商，因为目前市面上的很多低端电脑和超极本都没有配备独显，但几乎每一块英特尔的CPU中都有集成显卡，英特尔最初的意思是让这块集显帮忙进行日常的图形运算，让不需要运行高性能程序的使用者能用极低的成本得到一台能够使用的电脑。不过这几年集成显卡的性能以及越来越强，甚至已经达到了可以运行许多中型游戏的程度。Iris Pro Graphics 6200的理论性能甚至已经达到了中端独显的水平。但目前仍然没有人会用集显去做哪怕较小规模的深度学习，因为还是慢，但它们的计算能力明明就差别不大了，为什么速度还会差的这么大呢?接下来要谈到的就是我们想说的重点了：

　　软件!软件!软件!

　　现在的IT领域有一个很奇怪的现象，好多人一边说性能过剩了啊，一边看着自己手里的手机和电脑越来越卡，其实说到底这就是软件优化的问题。在同样的计算能力下，软件优化好的那一方能得到高得多的性能。GPU经过了NVIDIA这么多年的耕耘，已经有了相当完善的一套深度学习软件支持。NVIDIA的GPU对主流的深度学习平台，如Caffe、Theano、Torch等都有着极好的优化和兼容，还有自家的CuDA。而对于FPGA的优化就少了很多，因此现在基于FPGA的开发难度其实也是远远高于GPU的，这也是前面提到的另一点FPGA的缺陷。

　　英特尔并不是一家软件公司，提到英特尔和软件，大家想起的最多的恐怕是它制造的各种硬件的驱动程序。但AI从来不是一个简单的事。如果想要在这个领域打出一片天，只管硬件是必然不行的。事实上，英特尔已经开始显现出自己在软件和算法上的努力，上周，英特尔中国宣布了自己在深度学习算法的一项创新：“动态外科手术”算法。这说明英特尔已经开始在算法理论上刻苦钻研。能在这个领域做出创新，说明英特尔已经对其算法有了深刻的理解了，相信下一步就是将这些理解用在将来深度学习芯片的优化上。

　　英特尔的底气

　　其实英特尔在不停与NVIDIA正面对刚的时候，还在试图告诉大家一件事：

　　其实GPU对深度学习来说并没有那么重要。

　　很多人，包括我自己在第一次听到这个观点的时候，可能都是一脸WTF的表情。但是从某个角度思考来看，或许英特尔说的真的有道理。确实，当我们提起同人工智能有关的硬件的时候，更多想起的会是高大的服务器机架和上面不停闪烁的指示灯，至少也是排成一排的TitanX和主板另一端的至强CPU，但非人工智能专业的人其实很少有人意识到，人工智能的开发和应用其实分为好几个阶段，其中只有“算法训练”这一个阶段是对强运算能力有着真真切切的需求的，从数据筛选、到算法开发、效果检验，甚至最终算法的应用都不需要太强的运算能力。

　　当然，一个好的项目中，算法训练应该是贯穿于整个应用过程中的，但是这也就意味着，拥有超强的计算能力并不是一块用于人工智能领域的芯片所需要的唯一特征。

　　而这就是英特尔最大的底气来源了，它对人工智能的理解其实丝毫不弱于NVIDIA，并且很清楚的知道自己擅长什么，可以去攻占哪里。让我们再回过头去，仔细看看英特尔CEO科再奇在博客中提到的英特尔转型后打算重点关注的领域，我们会发现其中有两点尤为关键：

　　一：物联网中“物”的不同形态：物联网中的几乎所有设备几乎都有两个明显的特征：体积小，且依靠电池驱动。对于这些设备来说GPU的体积和功耗显然都太大了，而FPGA和专用处理芯片则适合这些设备的多。这是英特尔的第一点机会。

　　对于物联网设备来说，这样体积的主板算大的了，但很显然即使这样一块板子上面也是不可能塞下一块GPU的，更不用说耗电了

　　二：连接性，前面提到在一个好的项目中，算法的训练应该是贯穿整个应用过程的，这样可以随时为消费者提供最好体验的服务。但是如果要将所有算法都集中于本地训练，不仅会面临计算瓶颈的问题，也容易面临从单个用户处收集到的数据量太少的尴尬。我们暂时不考虑很久以后可能出现的基于小样本的无监督学习的AI(那其实已经跟人差不多了)，在目前AI的发展状况下，将所有数据集中于云端进行计算显然是更理性且有效的做法。而这就对通信提出了极高的要求，而英特尔恰巧在这个领域有着相当多的积累!虽然英特尔的通信部门连年亏损，但在现在的形势下，它却意外地有了新的价值与潜力。

　　以上两个业务都是NVIDIA从来没能进入过的领域，而它们同样是目前AI需要的。英特尔发现了这些领域，虽然这并不意味着它能在这些领域做好并获得成功，但这确实给了英特尔向NVIDIA和一众竞争者叫板的信心。而它现在的动作除了直接的竞争，也是为了告诉大家：我们在人工智能领域从来不虚NVIDIA，走着瞧!

　　勇于面对变化的人，运气都不会太差

　　移动浪潮的来临曾让很多传统互联网大厂面临艰难的局面，但它们中坚定的进行了转型的那些，今天大多数到底是活了下来，有些甚至还过得不错。英特尔也是它们中的一员，它曾经是计算机行业的领军企业，而现在，英特尔的CEO科再奇也表示过希望英特尔能继续利用摩尔定律的价值，带领行业向前推进。目前的形势不容乐观，但一旦找到了正确的道路，英特尔或许仍有机会将局面完全扭转。