英特爾執行總裁：人工智能依舊是新生事物

　　機器學習與深度學習

　　布萊恩特表示，在所有的研究服務器中，有7%的服務器處理深度學習，而95%的主要應用于機器學習。所有的深度學習服務器采用了標準的英特爾Xeon處理器芯片，其中僅有2.5%的服務器采用獨立的圖形處理單元，而另外2.5%則采用了Power或SPARC處理器架構。

　　布萊恩特稱，“當你談到瘦身服務器架構時，實際上是GPU加速器起到了一定功能。”布萊恩特自1985年起就在英特爾工作，曾擔任英特爾的首席信息官。在談到該面向深度學習還是機器學習時，她指出，“目前絕大多數服務器工作負載是機器學習，去年深度學習的部署量僅占所有服務器數量的0.1%。”

　　如果該數據可信，那么意味著英特爾進入人工智能這個市場的確不晚。在過去五年內，研究人員認為通過圖形處理單元訓練深度學習系統成本較低。但或許英特爾會改變這一切。

　　布萊恩特表示，“我們會研發新的深度學習解決方案。雖然這個市場很小，但終將會迎來爆發。”而Xeon Phi處理器芯片勢必成為英特爾推動人工智能市場業務的拳頭產品。

　　回到未來

　　早在上世紀80年代，當一大批初創企業進入人工智能領域，扎堆研發人工智能技術時，英特爾也開始開發人工智能產品。但事實上這些產品從未走出英特爾的實驗室。布萊恩特稱，“他們發明產品的時間過早，隨后將其擱置了。”

　　2000年前后，英特爾啟動了一個名為Larrabee的項目，旨在研發獨立的圖形加速器，該產品與Nvidia用于各網絡服務器的圖形處理單元非常相似。但由于英特爾隨后改變了業務重點，導致Larrabee產品的研發夭折。后來在2012年，該項目更名為Larrabie Xeon Phi。

　　而現在，谷歌又提出了一種面向深度學習的新型芯片——張量處理單元(TPU)。谷歌稱這種新型芯片將為谷歌的TensorFlow等深度學習架構提供“更為先進的處理功能”。

　　布萊恩特認為這種產品很好，其將有效提高深度學習的數據推理性能。但谷歌的這種芯片需要進行調校，而不像英特爾提供給各個公司的現成服務器芯片一樣拿來就可使用。

　　布萊恩特指出，“在一個數據中心中，一個巨大的云服務往往包括成百上千臺服務器。你肯定希望這些服務器能夠統一。但往往因為處理器不統一而導致諸如Tensor Flow深度學習推理功能無法加載。因此數據中心的一致性尤為重要。因此我們的任務時搞清Tensor Flow的處理架構并將相關功能整合進Xeon處理器芯片之中。”

　　同時，英特爾也將會把新收購企業Nervana的相關技術整合進芯片之中，把Xeon處理器芯片真正打造成為深度學習的標桿產品。布萊恩特指出，此次交易還遠遠沒有結束。