英特尔芯片虽以高速处理数字著称,但NVIDIA GPU芯片在处理视频、语音等非结构化数据及识别模型时 更为高效,在深度学习、神经网络服务器等性能表现远超英特尔。 2016年4月,英特尔发布极适宜处理机器学习模型评分(scoring)应用的双路服务器芯 片 Xeon E5-2600 v。 目前英特尔正为AI应用研发至强融核处理器家族 Xeon Phi, 计划2017年推出至强 Xeon Phi 新型芯片(代号为 Knights Mill) 。 借助英特尔底层芯片架构,京东、奇虎 360 将机器学习模块可扩展性提高10倍,部分机器学习周期缩短8倍。未来百度Deep Speech平台数据中心将使用这款Xeon Phi 芯片, 以最大限度地提高自然语言的语音的解析速度。 预期未来至强Phi将广泛应用于语音识别、图像识别、及自动驾驶等领域。 同时,2016年8月, 英特尔耗资4亿美元收购深度学习初创企业Nervana, 试图通过Nervana Systems 在硅层实现机器学习,而非基于 GPU 架构。 Nervana针对神经网络设计了Engine 芯片,在深度学习训练时,Engine 芯片比传统 GPU 的能耗和性能优势更为突出(据称 Nervana 处理器速度可达到 GPU 的 10 倍) 。收购Nervana,Intel 可将 CPU 优势延伸至深 度学习领域,缩短开发深度学习应用、及应用推广时间。 此外,2015年12 月,英特尔以167 亿美元收购了FPGA 厂商 Altera。 目前英特尔正开发统一的接口,试图将 Altera的 FPGAs 和英特尔至强系列处理器封装到一 颗芯片, 新芯片将以互补、 配合方式完成深度学习训练。2016年4月,英特尔与科大讯飞联手推出的深度学习计算平台, 借助英特尔至强处理器及Altera FPGA 的底层硬件技术,依托科大讯飞在自然语言处理、语音识别方面的核心技术,可实时将发言者的语音转化成文字,准确率高达95%。 未来至强、FPGAs 一体化芯片将大幅提高 CNN 影像识别、目标探测、发现大数据规律的效率。 在无人驾驶 、 机器视觉领域频频发力 英特尔在车联网领域频频发力,着力研发“ADAS 高级驾驶助手系统”,并与众多汽车厂商进行合作测试。在中国与中交兴路组建“车联网联合创新中心”,共同探讨智能车载终端技术、车联网云平台、行业大数据解决方案及业务模式创新。 英特尔还在机器视觉领域进行系列重磅收购,以加速无人驾驶项目推进。2016年5月,英特尔收购计算机视觉(CV)算法公司 Itseez,Itseez助力英特尔研发创新型深度学习的CV应用(如数字安全监控、自动驾驶、工业检测),以打造从汽车到安全系统的物联网(IoT) 。2016年9月,英特尔收购计算机视觉开发商 Movidius。 Movidius 技术被用于Google、大疆、联想等公司,为无人驾驶飞机、安全摄像 头、AR/VR耳机等智能设备提供视觉功能。收购后,Movidius将与英特尔的 RealSense 技术配合。 智东西认为,随着谷歌、IBM 等巨头相继开源 AI 平台,NVIDIA 、英特尔公司深攻AI芯片,AI 商用化的技术壁垒大幅降低 ,AI将迎来商用化高潮。智能家居、无人驾驶、模糊检索等领域将率先发展。 目前来看,IBM、谷歌在基础层、技术层、应用层全面布局。IBM已经转型成认知解决方案和云平台公司,沃森将开启认知商业时代。谷歌则聚焦机器学习,并充分发挥平台优势,构建软硬件结合生态。NVIDIA和英特尔作为传统芯片公司,面临着PC、移动智能终端等市场逐渐饱和的压力,以及AI市场强劲的市场前景,致力于研发可行的AI硬件,并在AI框架和商业化应用有着诸多尝试。 下载提醒: 1.如果想收藏本文的报告全文,可以在智东西(公众号:zhidxcom)回复关键词“nc102”下载。 (责任编辑:本港台直播) |