英特尔执行总裁：人工智能依旧是新生事物

　　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Tensor Flow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Tensor Flow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。