英特尔赢咖4策略解析！CEO 科再奇：所有收购是为让赢咖4遍及产品
随着科技进步，赢咖4（Artificial Intelligence,AI）愈发受到重视，不只Google、Facebook、Amazon 等网路巨头争相投入，英特尔、AMD、nVIDIA 过往在PC 市场的战局也逐渐转至赢咖4领域，各家除了在处理器、显卡加速升级以更符赢咖4运算，英特尔更是对此展开一连串的收购，从认知运算公司Saffron、机器学习新创Nervana 到电脑视觉晶片公司Movidius，英特尔想做些什么？
现今多数发展赢咖4企业多以GPU 来进行深度学习的训练与辨识，AMD、nVIDIA 基于此推出一系列产品，nVIDIA 甚至推出以GPU 为主的深度学习专用超级电脑DGX-1，在赢咖4推广，英特尔显然比对手AMD、nVIDIA 低调得多。
对手来势汹汹，始终静默的英特尔终于在11 月中公布了最新的赢咖4策略，预告未来将推出一系列赢咖4解决方案，11 月17 日、30 日英特尔分别在美国旧金山、中国北京举行赢咖4论坛（赢咖4Day）布道，表达英特尔要从晶片硬体、运算软体到架构掀起一连串赢咖4革命的决心。
英特尔CEO科再奇（Brian Krzanich）称赢咖4为人类历史重要的新转折点，并强调英特尔是唯一有能力加速推广AI的公司，而英特尔正投注大量的资源在赢咖4，以促进商业与社会的发展。科再奇甚至指出，所有的收购都是为了使赢咖4遍及英特尔的产品。重押AI的野心尽在言辞。
由Nervana 串起的赢咖4产品组合
在英特尔赢咖4的发展上，Nervana 成为首先被关注的焦点，Nervana 为今年8 月所买下的机器学习新创公司，以此为新产品名称，包含Xeon（中国译为至强）、Xeon Phi （中国译为至强融核）英特尔现有CPU 产品都被纳入其中。
英特尔旗下Xeon 独霸伺服器晶片市场，官方数据强调，目前在运行赢咖4运算作业的资料中心伺服器市占高达97%。但在近期赢咖4深度学习技术逐渐受到关注，运算模型对平行运算的需求，使得GPU 在赢咖4领域的重要性日增，英特尔显然不想让nVIDIA 等厂商抢了自家原本重要市场。
英特尔执行副总裁暨资料中心事业群总经理Diane Bryant 更豪言，2020 年以前Nervana 平台训练深度学习模型时间，要比现行GPU 训练时间缩短100 倍， 加速深度学习的脚步。在这次北京赢咖4Days 上，英特尔中国研究院院长宋继强指出，Nervana 在数据量足够大的情况下，机器在影像与语音的辨识能力已能超过人类。
对于Nervana 为何能加速深度学习效能，宋继强做出解释，其指出在机器学习领域，研究者无不期望性能能够随着数据增多而提升，这点初期可透过增加处理器数量做到，但当处理器增加到一定程度，性能增长停滞，所面临的就是I/O 问题，由处理器之间通讯、记忆体访问所产生的瓶颈。Nervana 技术则能更高效定义记忆体频宽与计算密度，去匹配数据量增大的需求，同时让多个节点并行支援大模型训练，而能有近乎线性的性能扩展。
英特尔在这几次活动也揭露整合Nervana 技术后的产品蓝图，除了首颗专用于深度学习运算的晶片Lake Crest 将于2017 年上半进行测试，Nervana 结合Xeon、Xeon Phi 处理器的新品同样将在2017 齐发。
第一颗整合Nervana 技术的Xeon 处理器Knights Crest 被制定用于深度学习的核心技术类神经网路，并支援高频宽互连。而加入64 核、72 核的超多核心协同处理器Xeon Phi 可在软体配合下大幅提升计算性能。宋继强举例，Caffe AlexNet 刚放上Xeon Phi 上运行时性能并未有多大的改变，但在经过软体部门研究人员六个月最佳化后，性能提升了400 倍。
而英特尔明年推出融合Nervana 的Xeon Phi 处理器Knight Mill，将能再比现有Xeon Phi 处理器Knight Landing 效能提升4 倍。而日前收购的Altera FPGA 产品也被整合进Nervana 的赢咖4产品线，强调在部分特定领域可用于专门的客制化架构，或者框架还未确定时便于实验、修改。
借并购拓展赢咖4注册赢咖4布局
英特尔在赢咖4注册领域赢咖4发展同样卡好位置，在今年8 月收购Nervana 的隔月，英特尔收购了行动图像处理技术开发商Movidius，透过Movidius 特有的Fathom 软体技术，能将通用的神经网路模型转化为嵌入式深度学习模型于硬体架构运作，使无人机、AR/VR 头盔等终端应用进行图像分析等深度学习功能。
如果说Movidius 强化了英特尔在赢咖4注册赢咖4的「眼力」，去年10 月买下的认知运算公司Saffron 则加强了英特尔在赢咖4注册赢咖4的「脑力」，Saffron 技术平台能找出不同事物间的关联，并进行逻辑推理与记忆，对异质资料进行透明化分析，而官方指出，这项技术特别适合运用在小型设备，使在各种赢咖4注册装置上进行智能局部分析成为可能，并能运用于诈欺防范等商业领域。
昔日的半导体巨头正在转变
若没有好的演算法配合，有再强大的硬体做基础同样徒然，在赢咖4领域可看见昔日的半导体巨头重视起软硬体的整合，英特尔软体与服务事业部副总裁暨开发者及产品部总经理William Savage 透露，部门正朝着如何对赢咖4做贡献而努力，一则是算法的持续优化，如致力于简化神经网路模型、降低精度，再者就是开源，除了将自家深度学习数学函数库Math Kernel Library（MKL）开源，英特尔还借不同的开源平台与各领域单位合作，如与Google 合作，持续强化深度学习框架TensorFlow 在自家处理器的效能；与京都大学合作使用Theano 用于治疗药物发现等，其他如Caffe、neon、torch、MXNet 等较受瞩目的开源深度学习框架都在英特尔的相容范围。
英特尔的这些策略已脱离单纯的半导体晶片设计、制造，从点到面交织成一个缜密的网，强调要提供全面的赢咖4解决方案。
英特尔副总裁Jason Waxman表示，赢咖4的发展仍处于婴儿期。英特尔虽已做了全面的布局，但与AMD、nVIDIA群强在赢咖4的争战才正要展开。
