当前位置:

OFweek电子工程网

开发工具/算法

正文

传统芯片巨头的AI战略 英特尔深度学习处理器 Knights Mil强在哪里?

导读: Xeon Phi是Intel针对高性能计算市场推出的加速卡,主要与NVIDIA的Tesla、AMD的FirePro S等产品竞争,不过后两者是基于GPU的,而Xeon Phi是X86众核架构的。

  OFweek电子工程网讯 英特尔推出了深度学习处理器 Knights Mill,正式迈入了与英伟达GPU抗衡的战场。Knights Mill 能充当主处理器,可以直接接入RAM系统,这无疑会成为英特尔和英伟达接下来市场宣传和竞争的焦点。随着摩尔定律“失效”,GPU在深度学习市场走红,英特尔自己研发GPU,收购深度学习初创公司,传统芯片巨头正在快速推进AI战略。  

  在IDF会议上,Intel宣布了Xeon Phi家族的新成员,代号Knights Mil。它将于2017年问世,针对深度学习市场。

  传统芯片巨头的AI战略 英特尔深度学习处理器 Knights Mil强在哪里?

  Xeon Phi是Intel针对高性能计算市场推出的加速卡,主要与NVIDIA的Tesla、AMD的FirePro S等产品竞争,不过后两者是基于GPU的,而Xeon Phi是X86众核架构的。

  Xeon Phi目前已经发展了三代,第一代Knigts Corner,22nm工艺,最多61个核心,浮点性能1TFLOPS。第二代是Knights Landing,14nm工艺,最多72核心,浮点性能3+TFLOPS。

  英特尔于2014年宣布第三代Knights Hill,制程工艺升级到10nm。然而这周,该公司没有提到Knights Hill,Knights Mill是否是换了名字的Knights Hill,或是Knights Mill的制作工艺如何都不得而知。考虑到Knights Mill将于2017年问世,它应该不是Knights Hill,因为英特尔不可能这么早就制作完成10nm的芯片。

  Knight Mil,可以用作主处理器的深度学习加速器

  英特尔为该处理器增加了他们称之为“可变精度”(variable precision)的支持。但是,Intel并没有公布太多细节,具体的性能等级也未知。但使用低精度模式一直是以机器学习为重点的处理器的性能发展的主要因素。所以这很可能意味着,英特尔将会把FP16和其他低精度模式加入其中,而目前的Knights Landing就没有。(机器学习一般不需要高精度,这些较低的精度模式可能会大幅增加处理器的吞吐量,而且,少量的操作可以被压缩成一个SIMD。)

  英特尔最终的目标是让Xeon Phi处理器表现得更好,这能降低大型复杂数据集的训练时间。同时,Knights Mill的内存也有所改变,英特尔称其是“灵活、高容量的内存”。

  有了Knights Mill,英特尔终于能与Nvidia的GPU在机器学习的地位抗衡了。谷歌也开发了自己的TPU,与GPU一起用于机器学习。但是,Knights Mill与其竞争者之间是不同的。而谷歌的TPU和Nvidia的GPU都是辅助处理器,必须和CPU一起工作。

  英特尔介绍,Knights Mill像Knights Landing一样,能充当主处理器。因此,我们可以期待,英特尔肯定会夸赞Knights Mill不需要单独的主机处理器和辅助处理器,以及Knights Mill可以直接连接到RAM系统中。这一点,再加上GPU架构和Knights Mill之间的性能差异,无疑将成为两家公司之间的经常性冲突。

  英特尔公司副总裁Jason Waxman在接受采访时说,Knights Mill的目的是能快速计算,并根据概率和联系(probabilities and associations)做决策。其设计也将为计算带来更多的浮点性能,这对机器学习很重要。Waxman表示,英特尔正在快速推进AI战略,Knights Mill就是一个飞跃。

  许多机器学习模型都在数据中心使用。除了其自主研发的软件堆栈,英特尔还可以使Xeon Phi兼容不同的机器学习模型,比如Caffe和TensorFlow。

  英特尔表示愿意与其他公司合作。Waxman说,英特尔和百度正在利用Xeon Phi平台研究 “Deep Speech”语音识别技术。

  英特尔正在为快速增长的AI、VR和AR市场提供一大批芯片,但是唯独没有高性能的GPU。

1  2  下一页>  
责任编辑:Trista
免责声明: 本文仅代表作者个人观点,与 OFweek电子工程网 无关。其原创性以及文中陈述文字和内容未经本站证实, 对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅 作参考,并请自行核实相关内容。

我来说两句

(共0条评论,0人参与)

请输入评论

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码: