英特尔借由投入FPGA推动机器学习与AI

　　自从机器学习(machinelearning;ML)与人工智能(AI)在近期受到欢迎后，包括英特尔(Intel)等科技大厂也积极抓紧机会投入开发相关领域。该公司高层日前也表示，英特尔正利用现场可编程闸阵列(FPGA)技术，提供ML或AI的解决方案。据NewElectronics报导，为了抢搭ML与AI风潮，英特尔透过收购与内部发展打造解决方案。英特尔的可编程系统事业群(ProgrammableSystemsGroup;PSG)前身为Altera，AI产品专家BillJenkins表示，PSG专注在机器学习。ML/AI目标则包含资料中心、自驾车与工业系统以及以大量数据分析来解决无法预测的问题。

　　Jenkins也举出一些目前遭遇困难，例如1辆车在1天约产生4Tbyte数据，而1间工厂则产生1ExaByte。在美国搜集后的数据有94%都被丢弃，至于要如何使用上述数据的答案在于变得更聪明。他也指出，让业者能在合理成本与资源下解决之前无法处理的问题，其中的硬体解决方案之一就是FPGA。Jenkins表示，使用FPGA时是为了问题创造1个架构，让人可控制数据路径，有别于让数据从CPU移动再储存在存储器，目前数据已可直接进入FPGA，之后在最少延迟下做个别处理。换言之，FPGA重点就是系统效能与延迟。Jenkins表示，FPGA已出现大约30年，在该领域目前所使用的是Arria10，因为其浮点运算能力可保持精准度。

　　Arria10元件可提供达1.5TFlop的运算能力，而Stratix10则为10TFlop。Jenkins也指出，FPGA有大量内部存储器频宽，大概8Tbyte/s以及数个MB内建存储器，所以可很快取得数据、分析并在最短延迟内将结果回传，其表现也比CPU好，例如CPU需要在GHz时脉运转，FPGA可在300MHz运转并维持输入输出量。另外，在较慢时脉运转元件并将结果保存在FPGA上也可节省能源。他认为，外界虽可使用ASIC来执行ML/AI，但其问题在于一旦打造1个ASIC后便无法改变，而且建造1个ASIC成本不便宜。厂商要投入ML/AI时必须厘清如何拓展用户群等问题。

　　早期FPGA是透过OpenCL作为软件方案来增加潜在用户。Jenkins表示，OpenCL目的就是将FPGA带入软件发展社群中。由于OpenCL是软件为基础的发展流程，因此外界已利用OpenCL写出学习资料库，但开发人员需要了解FPGA能提供的平行结构与更细致的路径，才不会让外界眼光被固定架构所限。收购Altera后，英特尔随后发布的消息之一便是将FPGA与其Xeon伺服器处理器整合。Jenkins表示，外界正在寻找方法加速处理，而且搭载特定加速器的系统也被打造。虽然CPU可执行任何东西，但要速度快，意味着需要更多处理器或加速器，至于FPGA则容易扩充而且易连接。Jenkins指出，英特尔目前作法是将机器学习元件从Xeon卸载并引进FPGA，如果不是FPGA原生，暂存汇流排会将数据推回CPU，运算之后再送回FPGA，成为无缝整合。

　　另外，FPGA作为服务(FPGAasaService)概念正在形成。云端服务供应商并提供客户使用FPGA当作加速器，2家英特尔客户已提供该服务。大陆阿里云提供云端工作量加速来作为投资FPGA基础建设的另1种选项，在欧洲与Accelize合作则让OVH用户采用预建FPGA加速器、客制化或新建。