准确来说，Nervana—英特尔砸了4．08亿美元（也有报道称3．5亿）买下的那家加州创企——他们那款专用AI芯片的大招已经憋三年半了。
2014年4月，在Nervana获得首笔60万美元的成立之初，这家公司就宣布要打造一款“ 学习专用硬件”。而在2014年8月，在获得第二笔融资（330万美元）后，其CEONaveenRao就表示，“用户能在大约6个月后尝试到这些 学习专用硬件。”
三年多后，在经历了第三轮2050万美元融资并且被英特尔收购后，在今年10月17日，英特尔CEO科再奇在采访中表示，这块芯片在今年年底就会正式和用户见面。与此同时他还说，Facebook正在参与合作打造这款AI专用芯片。
然而，随着2017年转眼就要余额不足，英特尔这款Nervana专用AI芯片的还是没有正式亮相。尤其是在欧美连珠炮假日季“感恩节－圣诞节－元旦”来临的12月底，我们可以大胆地假设一句——明年见（也许是2018CES？）
不过，虽然大招一再推迟，但是英特尔集团上下依旧对于Nervana项目十分看重。英特尔CEO科再奇不仅在不同场合内一再为Nervana站台，而且在收购Nervana后短短几个月间，前NervanaCEO就被晋升为英特尔人工智能事业部总负责人，直接向科再奇汇报——在以资历排位著称的英特尔内，晋升速度堪称火箭。
今天，我们就来扒一扒Nervana与这块英特尔专用AI芯片，同时也来看一看英特尔这三年多的等待和3．5亿美元的资金砸出了多大一个响来？也看看英特尔这个曾经PC时代当之无愧的霸主，如今能不能靠着Nervana在人工智能领域提刀再战？
一、比GPU更好、更快、更强大
学习分为训练（Training）和应用（Inference）两个阶段，Nervana芯片瞄准的是训练阶段，这一阶段需要计算机处理大量的数据，现有的CPU难以满足如此强大的计算需求，这也是英伟达靠着GPU崛起的重要原因。
目前Nervana芯片主要应用在云计算数据机房内。NervanaCEONaveenRao曾经表示，Nervana使用的这种新型芯片设计架构比GPU更快、功耗更低、性能更好。
根据英特尔在2016年11月的AIDay上，我们第一次了解到了这块Nervana 学习专用芯片的设计架。这款芯片为2．5D封装，搭载了32GB的HBM2内存，内存带宽为8Tbps。芯片中没有缓存，完全通过软件去管理片上存储。它可以支持各类神经网络算法框架的加速，比如Nervana的Neon、谷歌的TensorFlow、Facebook的Caffe等。
NervanaCEO表示，之所以这款芯片能够做到比更快CPU、比GPU更快地加速处理 神经网络，原因有二：
1、这块芯片由“处理集群”阵列构成，处理被称作“活动点（flexpoint）”的简化数学运算，基于张量处理器的架构。相对于浮点运算，这种方法所需的数据量更少，因此带来了10倍的性能提升。
英特尔迟到的三年：3．5亿美元买下前高通团队，AI芯片却迟迟未发－芯智讯
2、“互联（interconnect）”技术——这是Nervana芯片的真正亮眼之处，不过Nervana一直这一技术的细节讳莫如深——NaveenRao将这项互连技术描述为一种模块化架构，其芯片结构可以在编程上扩展成与其它芯片的高速串行连接，帮助用户创造更大、更多元化的神经网络模型。
在GPU上，数据在芯片内部处理和芯片外部通信处理有很大的不同，必须将内存映射到I／O，在内存不同层次结构中移动数据，造成延时等复杂问题。而Nervana的互联技术能让芯片内的数据传输和芯片间的数据通信看起来一样，从而加快了处理速度。
“正如在PC时代，人们发现用GPU处理图片比CPU更快，于是转而购买独立GPU；而在人工智能时代，人们会发现用我们的芯片处理 神经网络比GPU更好，于是转而选择我们，”NaveenRao曾经这样说，“我们可以在硬件上打败英伟达。”
如此看来，也许英特尔这三年多的等待和3．5亿美元的资金砸得不亏？——可以说亏，也可以说不亏。
123下一页>（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
