在软件方面，我特别想说的是 Nervana Graph。你知道，最底层是硬件，然后是神经网络做矩阵乘积，实际上在这中间还有一层，是所有框架都共享的，TensorFlow、Neon、Torch、PaddlePaddle……都使用图、动态图、卷积、嵌入层……虽然 TensorFlow 和 Torch 语言不同，但实际做的运算都一样。我们发现，现在是一个绝好的时机，把所有这些框架共同的特征都放到一个库里，我们叫做 Ngraph，这是一个数据流的图库，在 Ngraph 里图（Graph）是深度学习运算，边缘（Edge）是数据。有了 Ngraph，英特尔作为硬件供应商，就能支持所有的框架，无论你使用哪种框架，新建一个框架也行，我们都乐意支持。

英特尔能与不同的公司合作，而这些公司彼此之间争得你死我活

新智元：软件方面，谷歌推出了 TensorFlow 并且形成了如今最大的机器学习开发者社区，远远超过 Neon。英特尔如何与此竞争呢？

Amir：Neon 与 TensorFlow 不同的地方在于，Neon 有英特尔这家硬件供应商的支持，可以做全栈的支撑。我们能够确保在 Neon 上运行神经网络是最快的。其他的框架，由于不在我们掌控之内，速度可能不会那么好，因为没有做针对性的优化。TensorFlow 也不是完美的，也有架构上的问题。需要记住，TensorFlow 才出现一年，现在领域变化这么快，很可能未来会出现其他框架超越 TensorFlow——可能是 Neon，也可能是俄罗斯来的研究生。我们与 TensorFlow 的竞争都是友好的，我以前实验室的同学就在 TensorFlow。我们相互“竞争”是为了让产品更好。

实际上，英特尔并不会跟谷歌“竞争”。谷歌是我们的客户，Facebook 也是，亚马逊也是。如果客户喜欢用 TensorFlow，我们会专门为他们优化 TensorFlow，我自己就参加了很多这样的会议。我们想要框架运行的速度最快，现在市场上相互竞争的框架这么多，英特尔也为此做了很多投入。实际上，我们之所以加入英特尔，就是因为在英特尔你能与这些不同的公司都合作，而这些公司彼此之间争得你死我活。

我们正在开发我们认为比 TPU 第二代更好的芯片

新智元：谷歌前不久发布了第二代 TPU，与谷歌云绑定，对使用谷歌云的客户提供。从公布的数据上看，你认为 TPU 第二代如何？谷歌将 TPU 和云服务绑定的商业模式呢？

Amir：谷歌 TPU 第二代的细节我们还不清楚，但看公布的性能数据确实漂亮——图像也很漂亮。谷歌是家伟大的公司，说什么就做什么，而且做到，我对此表示敬意。实际上，我们成立 Nervana 时就是以谷歌大脑为目标——Nervana 要做每个人的谷歌大脑。回到技术上，TPU 第一代是很有趣的产品，第一代 TPU 表明为问题定制专门的芯片是未来的发展方向。谷歌很聪明，为他们的数据中心开发了自己的芯片。这表明，对于训练来说，或者就整个架构而言，纯 GPU 也许并不是最好的解决方案。

至于 TPU 第二代，我能告诉你的是，我们正在开发我们认为比 TPU 第二代更好的芯片，这是英特尔核心竞争力所在。而且，我们的产品所有人都能买。TPU 第二代性能数据是很好，但我们很有信心能做出更好的芯片——我们有合适的架构，是可扩展的，可以根据需要变动。和云绑定的商业模式很好，我们在 Nervana 就是这么做的。英特尔也在构建定制的垂直堆栈。总之，谷歌的产品很好，商业模式也不错，但我们手头在做的产品要好更多。

英伟达开源很好，但硬件开源并没有多大用

新智元：你对开源硬件这件事怎么看？

Amir：制造硬件是一件艰苦卓绝的事情。在英特尔，有专门的化学家用化学药剂腐蚀硅晶圆……芯片制作工艺复杂而美妙，可以说是人类所做的最神奇的事情之一。英特尔有自己的工厂，有化学家、计算机科学家、架构师等等等等。生产处理器，设计并不是最困难的，困难的是做出能用的东西。相比直接说，“给，这是这个东西的设计图”，把东西切切实实做出来要困难成千上万倍。只看设计方案，很难做出能用的东西——也许有聪明的人会，但英特尔厉害之处在于从化学到硅晶圆加工到设计再到生产制造，一整套流程，能够产出缺陷少、成本低的产品，消费者能用很低的价格买到。