多管齐下反击Nvidia，英特尔在AI芯片市场还有机会吗？

　　产品消息不多

　　在峰会上，英特尔的重点只是讲述战略，所以没有过多谈到产品，这也是情理之中的事。不过在会议上英特尔的确谈到一些新AI技术，以及升级的AI技术，具体有如下几种：

　　——DL Boost x86指令，通过支持低精度16位浮点运算，它可以让深度学习运算加速，与AVX-512指令是兼容的。

　　——VNNI指令集(Vector Neural Network Instruction)，它相当于AVX-512的扩展指令，通过支持8位乘法和32位加法，可以让深度神经网络训练进一步加速。Cooper Lake Xeon处理器将会引入DL Boost和VNNI，新处理器2019年推出，它是Cascade Lake的接班人。

　　——nGraph编译器，它可以优化AI代码，方便代码应用于不同的硬件平台。nGraph支持多种技术开发的模型。

　　——升级MKL-DNN数学库，改进矩阵乘法性能。

　　——展示Nervana NNP L-1000 神经处理器，它的目标是挑战GPU，帮助数据中心完成深度学习任务。

　　英特尔数据中心CPU架构主管 Sailesh Kottapalli介绍说，除了提升矩阵乘法计算能力，支持低精度和混合精度运算，未来Xeon处理器还会增加各个层级的缓存大小，扩充存储带宽，缩短延迟时间。所有这些都会提升AI性能，让通用CPU有能力替代GPU，完成许多工作。

　　最好的思考

　　英特尔收购了许多AI企业，比如Nervana，Movidius、Mobileye，最近还收购了Vertex.ai，这样英特尔就可以制定连贯的策略，解决各种AI问题。

　　因为AI工作多种多样，运行AI软件时设备的资源受到限制，所以英特尔拥有多种组合产品还是蛮重要的。不过英特尔的战略横跨几个处理器架构和指令集，所以优化工作必须做好。

　　Nvidia的产品没有英特尔那么丰富，它的GPU分成大中小三等，分别是Volta、Xavier和Jetson，都用到了CUDA编程平台。虽然Nvidia拥有先发优势，但是随着时间的推移，它的优势会削弱，因为开发者会接受更加先进的AI框架，比如TensorFlow，先进框架可以让开发者瞄准其它平台。

　　另外，Nvidia的神经网络优化GPU(配有Tensor内核)性能不错，现在还有优势，但是未来优势会缩小，因为下一代英特尔Xeon处理器推出之后，x86系统的性能会进一步提升，可以帮助数据中心做更多的事情。

　　英特尔说去年它的AI芯片销售额达到10亿美元，如果数据是真实的，我们可以断言英特尔已经在早期赢得许多企业的支持，在飞速膨胀的市场，它已经成为重要的竞争者。

　　就眼下来说，在硬件和软件工程方面，英特尔需要将关键工作做好，然后将各部分融合，将产品抛向市场，让购买者无法抗拒诱惑。

　　整个市场都对Nvidia入迷，不过如果认为英特尔已经失败，无力反击，那就大错特错了。