智东西（公众号：zhidxcom）
文 | 旖媛
8月10日，英特尔花了4亿美元收购了仅成立2年做人工智能深度学习的创业公司Nervana Systems，为其芯片加入深度学习功能，这或许是一个在PC市场萎缩的情况下强化位置，同时寻求新机会的举措。
英特尔作为全球最大的芯片制造商一直将业务集中在PC领域，在移动端芯片的大战中也早已输给了ARM。近年来PC市场的萎缩给英特尔的发展带来极大阻碍，寻找出路成为必然选择。
在8月初英特尔发布的一份关于未来发展战略的文件中可以看到，未来的重点不在PC电脑芯片业务，而是放到了数据中心和联网设备开发芯片上来。而此次收购Nervana Systems或许表示英特尔又找到了提升PC芯片的出路。
Nirvana CEO Naveen Rao在博客中说，公司将为英特尔提供相关的深度学习框架、平台以及硬件，其48名工作人员也全都加入英特尔的数据中心工作。
Nervana Systems是什么？
Nervana Systems成立于2014年，总部位于加利福尼亚州圣迭戈。它已经吸引了包括DFJ, Data Collective, Fuel Capital, Lux Capital and Allen & Co.公司在内的2500万美元的投资，在硬件解决方案和训练神经网络方面已经有了显著的成就。
训练神经网络目前是一个很火的市场，可以实现用GPU来告诉机器如何处理文字、图像、声音和其他的数据形式。Nervana 正在研究一个加速器和软件可以提升CPU的性能处理这些任务。
该公司的三位创始人 Arjun Bansal、Naveen Rao 和 Amir Khosrowshahi 在高通公司工作时认识。他们对这个共同投资的公司的期许是：如何将简洁性带入大脑所启发的算法的应用中。
在一次采访中Arjun Bansal说，很多客户不是很懂深度学习，也不知道如何将深度学习融入自己的产品中。他们就想开发一个平台，可以把深度学习的技术推广到各个领域。
去年他们发布了Neon系统，这是一个开源软件，所有想试一下的人都可以免费使用。在Neon的基础上他们又发布了Nervana云，这是一个平台，让所有的公司都有能力快速的搭建起一个深度学习的工具而不用花太多的时间来研究结构。相比Neon，Nervana云对大规模的复杂的机器学习问题提供了更优化的处理方式。
Nirvana说他们的平台比其他AI平台快十倍以上。这个系统能让科学家利用深度学习技术对内部数据进行快速处理。潜在的运用场景包括减少信用卡诈骗，增加医疗诊断的精确度，以及建设智能汽车和提高能源勘探的效率。
Naveen Rao说，“深度学习网络一般需要花10—20周的时间来学习和适应，我们想把这个时间缩短到几个小时。”
英特尔为什么需要另外一个架构？
GPU很适合深度学习，因为它有成千上万个浮点单元可以被用在并行矩阵的操作上，这构成大量的深度神经网络。但是大部分的GPU还有其他很多功能，比如剪辑输出图像。除此之外，GPU还提供精确度更高的计算能力，比如说金融方面的运算，仿真和建模等，这些不需要深度学习算法。所有的这些功能都占据着GPU芯片宝贵的空间和运行能力。在理论上，Nervana的方式能有更高的表现能力和更低的价格，还能减轻电脑的运行负担。Nirvana可以为Xeon和Xeon Phi等处理器提供深度学习功能，降低开发成本。
Nervana对他们的进展没有过多的披露，目前还是主要集中在NEON加速GPU以确保完成2017年的新品上。之前有消息称Nervana系统包括一个钢模构造，能用3D拓扑的形式将这些装置连接起来。这个特性能让系统测量大量的协作加速器，能更好训练深度神经网络。想开发这种功能就需要用额外的供应商或者是英特尔。或许到明年我们就会知道AI是怎样运作的了。
Gartner分析师Martin Reynolds认为，联手Nervana将有助于英特尔在目前相对有限的市场中站稳脚跟，避开如Nvidia的潜在竞争对手。
英特尔需要一个更大的GPU么？
英特尔有集成的桌面处理器GPU，有服务器使用的Xeon，还有为高性能计算器服务的多核Xeon，但就是没有大的GPU。要芯片深度学习需要有一个更大的GPU来处理更多任务吗？
答案是“不需要”。现有的芯片已经基本够用，加上Nervana的数据深度学习之后，效率将会更高。之后英特尔将要开发的自动驾驶系统也将受益于对性能要求不高的Nervana深度学习系统。
英特尔下一步打算是什么？
英特尔很有可能会沿着Nervana的路继续走。但是英特尔更擅长的是集成。在未来，英特尔更有可能将用低成本的方式做更广泛的处理能力的提升，并将其按种类进行分类，能应用到深度学习的场景会越来越多，可有效减轻电脑和人的工作量。
苹果、谷歌都已经在AI谋篇布局，未来以人工智能芯片计算的方式将会深入到广大领域之中。
