0
人工智能处于早期是无法否认的事实，不过传统芯片巨头、云服务厂商以及一大批初创公司的加入也带到了人工智能市场的增长，随着市场未来几年算力和数据量的提升，人工智能将更快发展。
雷锋网消息，英特尔几天前首次披露了其人工智能芯片的销售额在2017年达到10亿美元。并且英特尔人工智能事业部主管Naveen Rao表示，客户们正在为AI购买芯片，而且客户数据中心中有多少用于此类工作的计算也是一清二楚。因此，公司能够得出这一10亿美元的估值数据。
AI的三个趋势如何影响AI芯片发展？
英特尔人工智能事业部产品副总裁Gadi Singer认为自从深度学习在2014年左右有突破以来，AI行业有三大趋势：
英特尔人工智能事业部产品副总裁Gadi Singer
首先，应用深度学习正在开发更加丰富的功能并收集更多的数据，例如，图像识别已经从只能识别猫到了可以识别3D图像中潜在的恶性细胞。
其次，人工智能将从训练和概念验证部署转向推理。 Singer表示，随着这种转变的出现，人们将越来越关注成本。
最后，深度学习框架的出现。像如今主流的深度学习框架Caffe、 TensorFlow等在几年前要不是不存在，或者在几年前还处于早期阶段。 Singer说，这促使人工智能从专有解决方案向高规模的集合解决方案转型。
如何才能适应AI的竞争？
人才和技术
为了适应更加成熟的深度学习的部署，AI芯片销售额达到10亿美元的英特尔也进行了战略的挑战，雷锋网认为这值得初创公司参考。为了更快向AI市场转型， 在过去几年中，除了Altera，英特尔已经收购了Nervana ， Movidius和Mobileye ，通过这些收购英特尔获得的除了技术还是有人才团队。
Singer表示，随着这些收购的进行，英特尔同时专注于建立硬件和软件。 硬件方面Xeon处理器将作为英特尔人工智能的基石，当然提升Xeon也与软件有很大关系。
Singer认为，即使引入了GPU和专用加速器，Xeon也将扮演“主要角色”。首先，对于考虑整体成本的云服务提供商和企业而言，它的效率更高。 此外，英特尔通过AVX和其他扩展功能增强了Xeon，以帮助实现并发工作负载。
一个具体的例子是，Singer指出机器翻译中的“attention”功能，它在翻译更有针对性的数据集时会引用更大的数据集。这个功能有效地模仿了当你试图在大脑已经存在的情境中理解一个图像或单词。
多样化的产品线
英特尔正在构建一系列针对不同需求的解决方案，Singer说，“有时它的性能，有时是功率效率，有时是延迟。”
英特尔的AI芯片除Xeon外还有支持Microsoft Azure的Movidius VPU和FPGA，另外第一款商用Nervana处理器也将将于明年上市。
因此，英特尔正在构建一系列针对不同需求的解决方案，Singer说有的是针对性能，有的是针对功率效率，有的是延迟。
对于越来越多的科技巨头开始研发自主AI芯片，他特别指出，英特尔的一些大客户正在根据自己的需求设计自己的芯片，例如谷歌拥有TPU，有人认为其中的原因是谁比谷歌自己更了解谷歌的人工智能处理需求？但其实英特尔的产品组合可满足云提供商当前的计算需求以及未来的新兴需求。
系统集成
系统集成是英特尔AI芯片能够获得10亿美元销售额的另一个重要因素。
“大多数任务，当你说有GPU或加速器执行任务时，实际上有一个工作负载需要组合来解决它。” Singer解释说。 他说，英特尔专注于“如何创建最佳系统解决方案，这将最终扩展，为客户提供真实的解决方案。”
雷锋网编译，via zdnet
相关文章：
Google推出AI芯片Edge TPU，可在边缘运行TensorFlow Lite机器学习模型
中国芯的新机会：AI芯片如何实现弯道超车？｜CCF-GAIR 2018
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
