人工智能落后NVIDIA？Intel奋起直追！
由于人工智能的兴起，英伟达（NVIDIA）凭借其 GPU 在该领域的优势而获得营收和股价的持续增长，而 Intel 则被质疑它可能在该领域无法应对英伟达的挑战，不过近日微软采用 Intel 的 FPGA 芯片作为实时 AI 云平台 Project Brainwave 的 DPU，似乎显示出 Intel 有望改变劣势。
NVIDIA 挑战 Intel
NVIDIA 的 GPU 之所以能在人工智能领域取得优势，在于其拥有较 Intel 的 CPU 更强的并行计算、低精度运算等性能，由于这种优势当前全球大多使用 NVIDIA 的 GPU 训练神经网络。借助 GPU 的这种优势，NVIDIA 开始进军服务器市场。在当前的服务器市场，Intel 的 X86 处理器占据绝对优势市场份额，获得 99% 的市场份额。NVIDIA 进军服务器市场选择的是 ARM 架构，希望借助 ARM 架构所拥有的低功耗、低成本优势挑战 Intel 在服务器芯片市场的垄断地位。NVIDIA 本财年第一季的财报显示，其数据中心业务收入达到 4.09 亿美元，同比增长 186%，显示出了强大的攻势。NVIDIA 还获得了收购了 ARM 的软银的支持，今年 5 月软银持有 NVIDIA 4.9% 股份成为其第四大股东。软银在收购 ARM 后正希望它在垄断了移动市场后向服务器芯片市场发展，期望到 2020 年能占有服务器芯片市场 20% 的份额，除了 NVIDIA 外，高通、AMD 都发布了它们的 ARM 架构服务器芯片。不过在形势一片大好之下，NVIDIA 在人工智能领域也有它的短板，在处理延时方面 CPU 较 NVIDIA 的 GPU 更有优势，GPU 处理的首要目标是运算以及数据吞吐量，而 CPU 内部晶体管的首要目的是降低处理的延时，对于自动驾驶等对低延时有极高要求的行业来说这是 GPU 的一大弱点。
Intel 为改变在人工智能领域的弱势做出的努力
Intel 缺乏自己的 GPU，为改变在人工智能领域的劣势它先后收购了 FPGA 大厂 Altera。FPGA 最初是从专用集成电路发展起来的半定制化的可编程电路，通过用不同的编程数据产生不同的电路功能，拥有很高的灵活性及适应性，因此它可以作为一种用以实现特殊任务的可再编程芯片应用于机器学习中。相比起 GPU 的优势在于 FPGA 在出厂后可以在硬件电路里“现场编程”相应的程序，改变 FPGA 的硬件结构让 FPGA 可以原生支持相应的人工智能运算，因此效率会比 GPU 更高。谷歌的 TPU 其实也类似于 FPGA，专为它的深度学习语言 Tensor Flow 定制的一种芯片，只是 TPU 不可以再通过编程来改变，而 FPGA 可以因此拥有更高的灵活性。Intel 还收购了深度学习(deep learning)技术供应商 Nervana Systems，Nervana 是一家人工智能初创企业，据称其研发的加速处理器较 NVIDIA 的顶级图形处理器在运行神经网络任务时将会有更好的性能。Intel 方面希望将自己的服务器芯片至强处理器和 Nervana 的加速处理器整合在人工智能领域拥有更强的性能，同时更易于编程，这与它收购 Altera 以提供可编程的通用人工智能芯片的目的是相通的。如今微软引入 Intel 的 FPGA 芯片用于其实时 AI 平台，意味着 Intel 在人工智能领域可能将取得突破。市调机构 Synergy Research 指微软为全球第二大云平台占有 11% 的市场份额，亚马逊则是第一大云平台占有 34% 的市场份额，不过这两家企业近期在云业务方面展开合作，这两家企业都希望将人工智能服务打包在云服务中以更好为其他企业提供服务。Intel 的 FPGA 芯片被用于微软这家全球第二大的云平台中，如果取得不错的效果无疑将起到极大的示范作用，为 Intel 在人工智能市场赢得更多市场份额，这对于 NVIDIA 来说可不是好消息。Intel 占有全球服务器芯片市场近乎垄断的市场份额也有利于其在人工智能领域取得优势，人工智能需要大数据，而 Intel 的服务器芯片被广泛应用于数据中心中，只是此前由于 Intel 缺乏 GPU 而难以与 NVIDIA 抗衡，在收购 Altera 和 Nervana 它正补上这一短板。相比之下，NVIDIA 虽然寄望通过开发 ARM 架构的服务器芯片，但是目前其在服务器芯片市场相比起 Intel 还太弱，ARM 方面也不过是寄望到 2020 年赢得有限的市场份额，NVIDIA 在服务器芯片市场更难挑战 Intel。形势似乎开始往有利于 Intel 的方向发展了。
NVIDIA 挑战 Intel
NVIDIA 的 GPU 之所以能在人工智能领域取得优势，在于其拥有较 Intel 的 CPU 更强的并行计算、低精度运算等性能，由于这种优势当前全球大多使用 NVIDIA 的 GPU 训练神经网络。借助 GPU 的这种优势，NVIDIA 开始进军服务器市场。在当前的服务器市场，Intel 的 X86 处理器占据绝对优势市场份额，获得 99% 的市场份额。NVIDIA 进军服务器市场选择的是 ARM 架构，希望借助 ARM 架构所拥有的低功耗、低成本优势挑战 Intel 在服务器芯片市场的垄断地位。NVIDIA 本财年第一季的财报显示，其数据中心业务收入达到 4.09 亿美元，同比增长 186%，显示出了强大的攻势。NVIDIA 还获得了收购了 ARM 的软银的支持，今年 5 月软银持有 NVIDIA 4.9% 股份成为其第四大股东。软银在收购 ARM 后正希望它在垄断了移动市场后向服务器芯片市场发展，期望到 2020 年能占有服务器芯片市场 20% 的份额，除了 NVIDIA 外，高通、AMD 都发布了它们的 ARM 架构服务器芯片。不过在形势一片大好之下，NVIDIA 在人工智能领域也有它的短板，在处理延时方面 CPU 较 NVIDIA 的 GPU 更有优势，GPU 处理的首要目标是运算以及数据吞吐量，而 CPU 内部晶体管的首要目的是降低处理的延时，对于自动驾驶等对低延时有极高要求的行业来说这是 GPU 的一大弱点。
Intel 为改变在人工智能领域的弱势做出的努力
Intel 缺乏自己的 GPU，为改变在人工智能领域的劣势它先后收购了 FPGA 大厂 Altera。FPGA 最初是从专用集成电路发展起来的半定制化的可编程电路，通过用不同的编程数据产生不同的电路功能，拥有很高的灵活性及适应性，因此它可以作为一种用以实现特殊任务的可再编程芯片应用于机器学习中。相比起 GPU 的优势在于 FPGA 在出厂后可以在硬件电路里“现场编程”相应的程序，改变 FPGA 的硬件结构让 FPGA 可以原生支持相应的人工智能运算，因此效率会比 GPU 更高。谷歌的 TPU 其实也类似于 FPGA，专为它的深度学习语言 Tensor Flow 定制的一种芯片，只是 TPU 不可以再通过编程来改变，而 FPGA 可以因此拥有更高的灵活性。Intel 还收购了深度学习(deep learning)技术供应商 Nervana Systems，Nervana 是一家人工智能初创企业，据称其研发的加速处理器较 NVIDIA 的顶级图形处理器在运行神经网络任务时将会有更好的性能。Intel 方面希望将自己的服务器芯片至强处理器和 Nervana 的加速处理器整合在人工智能领域拥有更强的性能，同时更易于编程，这与它收购 Altera 以提供可编程的通用人工智能芯片的目的是相通的。如今微软引入 Intel 的 FPGA 芯片用于其实时 AI 平台，意味着 Intel 在人工智能领域可能将取得突破。市调机构 Synergy Research 指微软为全球第二大云平台占有 11% 的市场份额，亚马逊则是第一大云平台占有 34% 的市场份额，不过这两家企业近期在云业务方面展开合作，这两家企业都希望将人工智能服务打包在云服务中以更好为其他企业提供服务。Intel 的 FPGA 芯片被用于微软这家全球第二大的云平台中，如果取得不错的效果无疑将起到极大的示范作用，为 Intel 在人工智能市场赢得更多市场份额，这对于 NVIDIA 来说可不是好消息。Intel 占有全球服务器芯片市场近乎垄断的市场份额也有利于其在人工智能领域取得优势，人工智能需要大数据，而 Intel 的服务器芯片被广泛应用于数据中心中，只是此前由于 Intel 缺乏 GPU 而难以与 NVIDIA 抗衡，在收购 Altera 和 Nervana 它正补上这一短板。相比之下，NVIDIA 虽然寄望通过开发 ARM 架构的服务器芯片，但是目前其在服务器芯片市场相比起 Intel 还太弱，ARM 方面也不过是寄望到 2020 年赢得有限的市场份额，NVIDIA 在服务器芯片市场更难挑战 Intel。形势似乎开始往有利于 Intel 的方向发展了。
迪浮科技课程服务承诺：
1、免费重修：
学员缺课或者学校效果不理想，可以免费重修，确保课程内容完全掌握。重修过程中绝对不收取任何费用！
2、单独辅导：
如果学生在学习过程中，因各种原因无法跟班级进度同步，公司安排专家讲师一对一辅导，手把手带你成为IT精英！
3、自由实验：
清默网络有先进完善的实验中心，全天开放，实验机时不限，不断提高动手操作能力！
4、考试辅导：
学员考试前先通过清默内部模拟考试，技术确定达到考试要求并提供考前辅导及考试技巧讲解。
如果模拟考试未能通过，专家讲师会给予建议和辅导，合格后再参加正式考试，确保学员能高分通过认证考试。
5、企业实战项目：
即通过先进的设备完全搭建和企业项目完全一致的网络环境，把学习内容融会贯通并在实际项目中加以应用，以达到学员迅速掌握实际技能并弥补经验不足的目的，让学员的学习内容不再纸上谈兵，理论与实战完全吻合
咨询老师：郭老师
咨询电话：15056089769
咨询Q Q :1027831018
- 上一篇：人工智能与机器感知
