Nvidia制定了清晰的AI战略，英特尔在AI芯片市场该如何反击？
8月27日，英特尔已经是x86服务器市场的垄断者，成功遮住了双眼，它忽视了移动设备的崛起，对gpu加速系统大爆炸反应迟钝，最终，当奄奄一息的ai再获新生、变成一个前景可观的市场时，nvidia成为主角，英特尔落选。
ai就是下一代计算，nvidia制定了清晰的ai战略，它用历史数据来认证自己的观点：gpu已经打破摩尔定律设置的障碍。有些人甚至开始高呼“黄仁勋定律”。黄仁勋正是nvidia的创始人。在过去3年里，nvidia营收翻了一倍，股价更是上涨10倍。
以前，在英特尔眼里nvidia只是小角色，向自己的pc伙伴提供小众产品，一夜之间，它成为新市场举足轻重的玩家，而英特尔却呆呆旁观。
巨人已经觉醒。英特尔明确向世人暗示，在ai市场，它不会重蹈移动市场一样的错误，不会将ai市场割让给对手。英特尔已经知道，ai是数据中心业务增长的关键，在未来5年里，ai芯片销售额的年复合增长率估计会达到30％。
正因如此，在最近的数据中心创新峰会（data－centric innovation summit）上，英特尔才会高调进军ai芯片市场，还说去年公司的ai芯片营收已经达到10亿美元。
ai芯片市场不只有gpu还有其它
nvidia刻意强调说，目前的ai发展以是gpu作为根基的，它的说法有相当高的可信度，但是忽视了一些事实。
按照英特尔的解释，这种说法最大的问题在于忽视了ai软件与gpu硬件的融合，ai运行是相当复杂的，不可能一招通吃，所以上述论断过于简单。
英特尔ai产品集团主管 naveen rao曾经在博客中指出，近几年ai取得成功主要依赖三大支柱：一是软件工具的优化和成熟，二是硬件更加出色（多种形式的硬件，不限于gpu），三是研发生态系统欣欣向荣，而且许多时候还是开源的。
naveen rao进一步强调说：
“客户发现，没有什么单一的好硬件可以应付各种各样的应用，因为ai的类型不是单一的。受到应用的限制，从数据中心到边缘设备，需要的能力各有不同，所以我们需要多种多样的硬件组合形式。覆盖多种多样的应用，就可以为英特尔客户带来最高的投资回报。”
深度学习模式越来越复杂，需要强大的并行处理能力，不过naveen rao认为，它只是ai软件生命周期的一部分。
联想一名ai高管曾经在文章中介绍说，从构想到部署，总个周期相当漫长，涉及到规划、数据收集、验证，开发部署模型时也要经历这样的流程。
naveen rao在峰会上曾表示，ai的执行环境多种多样，有小设备，比如物联网传感器和手机，也有自动驾驶汽车，远程设备，它们处在网络边缘，还有分散系统，比如云数据中心。
英特尔ai战略的基石是“宽度”，就是说英特尔有多种多样的技术，可以用在多种多样的环境中使用，另外，英特尔还向开源项目投资，增强软件性能，提高开发者的生产力。
按照naveen rao的说法，英特尔ai战略会用“三条腿”走路：一是工具（软件），二是硬件，三是社区（开发者生态系统）。 从英特尔的ai产品组合可以看出，它能满足各种需要，无论是端点、边缘系统还是数据中心，都可以使用英特尔产品。在英特尔帝国内已经有许多ai技术，有些是英特尔自己开发的，有些是收购的，比如：
——低能耗atom处理器，内置movidius视觉处理单元（vpu），用于物联网和移动设备。
——mobileye先进驾驶员辅助系统（adas）和eyeq芯片，用于无人驾驶汽车。
——桌面及移动x86处理器，内置gpu、gna神经网络协处理器和inference engine加速技术。
——基于altera开发的fpga，它既给低能耗嵌入式系统用（arria 系列产品），也给高性能数据中心用（stratix系列产品），在实时数据评估中，可以加速深度学习模型的执行速度。altera是英特尔收购而来的。
——nervana神经网络处理器，它用高性能、灵活的gpu处理相同类型的模型训练和推断任务。
——xeon scalable x86处理器，用于执行一般任务，训练轻量级ai模型，完成繁重的模型推断工作。
产品消息不多
在峰会上，英特尔的重点只是讲述战略，所以没有过多谈到产品，这也是情理之中的事。不过在会议上英特尔的确谈到一些新ai技术，以及升级的ai技术，具体有如下几种：
——dl boost x86指令，通过支持低精度16位浮点运算，它可以让深度学习运算加速，与avx－512指令是兼容的。
——vnni指令集（vector neural network instruction），它相当于avx－512的扩展指令，通过支持8位乘法和32位加法，可以让深度神经网络训练进一步加速。cooper lake xeon处理器将会引入dl boost和vnni，新处理器2019年推出，它是cascade lake的接班人。
——ngraph编译器，它可以优化ai代码，方便代码应用于不同的硬件平台。ngraph支持多种技术开发的模型。
——升级mkl－dnn数学库，改进矩阵乘法性能。
——展示nervana nnp l－1000 神经处理器，它的目标是挑战gpu，帮助数据中心完成深度学习任务。
英特尔数据中心cpu架构主管 sailesh kottapalli介绍说，除了提升矩阵乘法计算能力，支持低精度和混合精度运算，未来xeon处理器还会增加各个层级的缓存大小，扩充存储带宽，缩短延迟时间。所有这些都会提升ai性能，让通用cpu有能力替代gpu，完成许多工作。
最好的思考
英特尔收购了许多ai企业，比如nervana，movidius、mobileye，最近还收购了vertex．ai，这样英特尔就可以制定连贯的策略，解决各种ai问题。
因为ai工作多种多样，运行ai软件时设备的资源受到限制，所以英特尔拥有多种组合产品还是蛮重要的。不过英特尔的战略横跨几个处理器架构和指令集，所以优化工作必须做好。
nvidia的产品没有英特尔那么丰富，它的gpu分成大中小三等，分别是volta、xavier和jetson，都用到了cuda编程平台。虽然nvidia拥有先发优势，但是随着时间的推移，它的优势会削弱，因为开发者会接受更加先进的ai框架，比如tensorflow，先进框架可以让开发者瞄准其它平台。
另外，nvidia的神经网络优化gpu（配有tensor内核）性能不错，现在还有优势，但是未来优势会缩小，因为下一代英特尔xeon处理器推出之后，x86系统的性能会进一步提升，可以帮助数据中心做更多的事情。
英特尔说去年它的ai芯片销售额达到10亿美元，如果数据是真实的，我们可以断言英特尔已经在早期赢得许多企业的支持，在飞速膨胀的市场，它已经成为重要的竞争者。
就眼下来说，在硬件和软件工程方面，英特尔需要将关键工作做好，然后将各部分融合，将产品抛向市场，让购买者无法抗拒诱惑。
整个市场都对nvidia入迷，不过如果认为英特尔已经失败，无力反击，那就大错特错了。
如何使用CMW500测试频谱模板
汽车机油控制阀作用
用科技抗击疫情，人工智能发挥着什么作用
国产高端光刻胶新进展，KrF、ArF进一步突破！
“AI算力荒”解困的短、中、长策
Nvidia制定了清晰的AI战略，英特尔在AI芯片市场该如何反击？
求一种基于51单片机的太阳能路灯控制系统设计方案
飞行试验颤振数据实时监控系统
使用CNN进行2D路径规划
InfraScan推出下一代手持式颅内血肿检测器
韩媒称三星电子计划将图像传感器等更多的非存储芯片外包
NFC天线的ESD解决方案
BC847CE6327HTSA1 原装现货
物联网快速发展，物联未来美好世界
上半年开出产能并不多，DRAM持续缺货涨价
手机屏蔽器电路图解
如何编写代码以捕获十六进制和十进制值的远程控制代码
面向电源电路的MLCC解决方案（输出电容器的最佳构成验证）
三星效仿苹果取消附送充电器,好事还是坏事?
智慧水产养殖传感器盘点
ai就是下一代计算，nvidia制定了清晰的ai战略，它用历史数据来认证自己的观点：gpu已经打破摩尔定律设置的障碍。有些人甚至开始高呼“黄仁勋定律”。黄仁勋正是nvidia的创始人。在过去3年里，nvidia营收翻了一倍，股价更是上涨10倍。
以前，在英特尔眼里nvidia只是小角色，向自己的pc伙伴提供小众产品，一夜之间，它成为新市场举足轻重的玩家，而英特尔却呆呆旁观。
巨人已经觉醒。英特尔明确向世人暗示，在ai市场，它不会重蹈移动市场一样的错误，不会将ai市场割让给对手。英特尔已经知道，ai是数据中心业务增长的关键，在未来5年里，ai芯片销售额的年复合增长率估计会达到30％。
正因如此，在最近的数据中心创新峰会（data－centric innovation summit）上，英特尔才会高调进军ai芯片市场，还说去年公司的ai芯片营收已经达到10亿美元。
ai芯片市场不只有gpu还有其它
nvidia刻意强调说，目前的ai发展以是gpu作为根基的，它的说法有相当高的可信度，但是忽视了一些事实。
按照英特尔的解释，这种说法最大的问题在于忽视了ai软件与gpu硬件的融合，ai运行是相当复杂的，不可能一招通吃，所以上述论断过于简单。
英特尔ai产品集团主管 naveen rao曾经在博客中指出，近几年ai取得成功主要依赖三大支柱：一是软件工具的优化和成熟，二是硬件更加出色（多种形式的硬件，不限于gpu），三是研发生态系统欣欣向荣，而且许多时候还是开源的。
naveen rao进一步强调说：
“客户发现，没有什么单一的好硬件可以应付各种各样的应用，因为ai的类型不是单一的。受到应用的限制，从数据中心到边缘设备，需要的能力各有不同，所以我们需要多种多样的硬件组合形式。覆盖多种多样的应用，就可以为英特尔客户带来最高的投资回报。”
深度学习模式越来越复杂，需要强大的并行处理能力，不过naveen rao认为，它只是ai软件生命周期的一部分。
联想一名ai高管曾经在文章中介绍说，从构想到部署，总个周期相当漫长，涉及到规划、数据收集、验证，开发部署模型时也要经历这样的流程。
naveen rao在峰会上曾表示，ai的执行环境多种多样，有小设备，比如物联网传感器和手机，也有自动驾驶汽车，远程设备，它们处在网络边缘，还有分散系统，比如云数据中心。
英特尔ai战略的基石是“宽度”，就是说英特尔有多种多样的技术，可以用在多种多样的环境中使用，另外，英特尔还向开源项目投资，增强软件性能，提高开发者的生产力。
按照naveen rao的说法，英特尔ai战略会用“三条腿”走路：一是工具（软件），二是硬件，三是社区（开发者生态系统）。 从英特尔的ai产品组合可以看出，它能满足各种需要，无论是端点、边缘系统还是数据中心，都可以使用英特尔产品。在英特尔帝国内已经有许多ai技术，有些是英特尔自己开发的，有些是收购的，比如：
——低能耗atom处理器，内置movidius视觉处理单元（vpu），用于物联网和移动设备。
——mobileye先进驾驶员辅助系统（adas）和eyeq芯片，用于无人驾驶汽车。
——桌面及移动x86处理器，内置gpu、gna神经网络协处理器和inference engine加速技术。
——基于altera开发的fpga，它既给低能耗嵌入式系统用（arria 系列产品），也给高性能数据中心用（stratix系列产品），在实时数据评估中，可以加速深度学习模型的执行速度。altera是英特尔收购而来的。
——nervana神经网络处理器，它用高性能、灵活的gpu处理相同类型的模型训练和推断任务。
——xeon scalable x86处理器，用于执行一般任务，训练轻量级ai模型，完成繁重的模型推断工作。
产品消息不多
在峰会上，英特尔的重点只是讲述战略，所以没有过多谈到产品，这也是情理之中的事。不过在会议上英特尔的确谈到一些新ai技术，以及升级的ai技术，具体有如下几种：
——dl boost x86指令，通过支持低精度16位浮点运算，它可以让深度学习运算加速，与avx－512指令是兼容的。
——vnni指令集（vector neural network instruction），它相当于avx－512的扩展指令，通过支持8位乘法和32位加法，可以让深度神经网络训练进一步加速。cooper lake xeon处理器将会引入dl boost和vnni，新处理器2019年推出，它是cascade lake的接班人。
——ngraph编译器，它可以优化ai代码，方便代码应用于不同的硬件平台。ngraph支持多种技术开发的模型。
——升级mkl－dnn数学库，改进矩阵乘法性能。
——展示nervana nnp l－1000 神经处理器，它的目标是挑战gpu，帮助数据中心完成深度学习任务。
英特尔数据中心cpu架构主管 sailesh kottapalli介绍说，除了提升矩阵乘法计算能力，支持低精度和混合精度运算，未来xeon处理器还会增加各个层级的缓存大小，扩充存储带宽，缩短延迟时间。所有这些都会提升ai性能，让通用cpu有能力替代gpu，完成许多工作。
最好的思考
英特尔收购了许多ai企业，比如nervana，movidius、mobileye，最近还收购了vertex．ai，这样英特尔就可以制定连贯的策略，解决各种ai问题。
因为ai工作多种多样，运行ai软件时设备的资源受到限制，所以英特尔拥有多种组合产品还是蛮重要的。不过英特尔的战略横跨几个处理器架构和指令集，所以优化工作必须做好。
nvidia的产品没有英特尔那么丰富，它的gpu分成大中小三等，分别是volta、xavier和jetson，都用到了cuda编程平台。虽然nvidia拥有先发优势，但是随着时间的推移，它的优势会削弱，因为开发者会接受更加先进的ai框架，比如tensorflow，先进框架可以让开发者瞄准其它平台。
另外，nvidia的神经网络优化gpu（配有tensor内核）性能不错，现在还有优势，但是未来优势会缩小，因为下一代英特尔xeon处理器推出之后，x86系统的性能会进一步提升，可以帮助数据中心做更多的事情。
英特尔说去年它的ai芯片销售额达到10亿美元，如果数据是真实的，我们可以断言英特尔已经在早期赢得许多企业的支持，在飞速膨胀的市场，它已经成为重要的竞争者。
就眼下来说，在硬件和软件工程方面，英特尔需要将关键工作做好，然后将各部分融合，将产品抛向市场，让购买者无法抗拒诱惑。
整个市场都对nvidia入迷，不过如果认为英特尔已经失败，无力反击，那就大错特错了。
如何使用CMW500测试频谱模板
汽车机油控制阀作用
用科技抗击疫情，人工智能发挥着什么作用
国产高端光刻胶新进展，KrF、ArF进一步突破！
“AI算力荒”解困的短、中、长策
Nvidia制定了清晰的AI战略，英特尔在AI芯片市场该如何反击？
求一种基于51单片机的太阳能路灯控制系统设计方案
飞行试验颤振数据实时监控系统
使用CNN进行2D路径规划
InfraScan推出下一代手持式颅内血肿检测器
韩媒称三星电子计划将图像传感器等更多的非存储芯片外包
NFC天线的ESD解决方案
BC847CE6327HTSA1 原装现货
物联网快速发展，物联未来美好世界
上半年开出产能并不多，DRAM持续缺货涨价
手机屏蔽器电路图解
如何编写代码以捕获十六进制和十进制值的远程控制代码
面向电源电路的MLCC解决方案（输出电容器的最佳构成验证）
三星效仿苹果取消附送充电器,好事还是坏事?
智慧水产养殖传感器盘点