图片来自网络

5月23日，在有着103年历史的旧金山艺术宫中， 英特尔的新晋科技大会――人工智能开发者大会（简称“AIDC”）如期而至。这一次，英特尔聚焦于拓宽人工智能生态。

在罗马式建筑和科技感的AI场景间之间，英特尔的AI掌舵者Naveen Rao侃侃而谈英特尔的人工智能软硬件组合，而最重磅的信息莫过于Nervana神经网络芯片的发布预告，按照规划，英特尔最新的AI芯片Nervana NNP L－1000，将在2019年正式推向市场，这也是英特尔第一个商用神经网络处理器产品。

两年前，Naveen Rao还是深度学习初创公司Nervana Systems的首席执行官兼联合创始人。在公司被英特尔收购后，Nervana成为了英特尔人工智能的核心战舰，Nervana NNP系列也应运而生，Naveen Rao则被任命为人工智能产品事业部的总负责人。

英特尔人工智能产品事业部副总裁、Nervana团队成员Carey Kloss在接受21世纪经济报道记者专访时谈道：“我们创业初期就开始研发Lake Crest（Nervana NNP系列初代芯片代号）。当时我们整个团队大概45人，正在构建一个最大的Die（硅芯片），我们开发了Neon（深度学习软件），还构建了云栈，这些都是小团队所完成的。但是这也是挑战所在，小团队成长会有阵痛，我们花了很长时间才把第一批产品拿出来，Nervana在2014年成立，直到去年芯片才真正问世。”

不过，加入英特尔后，Nervana可以使用英特尔的各类资源，“当然，调用资源并不是一件容易的事情，但是英特尔在产品的市场化方面拥有丰富的经验。同时，英特尔有迄今为止我见过的最佳的后硅培养（post－silicon bring－up）和架构分析。”Carey Kloss告诉21世纪经济报道记者，“出品芯片方面，我们有数百个系统同时运行，Nervana的员工和6个月前刚加入的成员也都为了新品夜以继日地协同工作。”在他看来，Nervana现在处于合理的节奏中，已经具备了明年取得成功的所有要素。

除了Nervana，英特尔收购的人工智能旗舰企业还包括专注视觉处理的Movidius、FPGA（现场可编程门阵列）巨头Altera、智能驾驶相关的Mobileye等。事实上，从2011年开始，英特尔就开始不断地投资人工智能相关的公司，其中也包括了中国的寒武纪、地平线。

与此同时，英特尔的竞争对手也在日益壮大。英伟达的GPU在人工智能领域高歌猛进； 谷歌 前不久发布了第三代AI芯片TPU，该芯片针对谷歌的深度学习架构TensorFlow进行了优化，并且谷歌对开发者提供了TPU等底层服务；去年， 百度 联合ARM、紫光展锐和汉枫电子发布DuerOS智慧芯片，主要提供语音交互解决方案； Facebook 和 阿里巴巴 也纷纷进军芯片领域，其中，阿里巴巴达摩院正在研发名为Ali－NPU的神经网络芯片，主要用于图像、视频识别以及云计算等场景。

在这场人工智能芯片的“遭遇战”中，英特尔又将如何应对？

三大派系争霸

从整体来看，目前全球人工智能的格局尚未明朗，属于各自做技术探索的局部战，尚未进入群雄逐鹿的总体战。人工智能是一个笼统的概念，具体的应用场景差异颇大，各家公司侧重点有所不同，若根据技术和业务流派进行分类，可以将全球公司分为三个派系。

其一是系统应用派，最典型的代表是谷歌和Facebook。他们不仅开发人工智能的系统级框架，比如谷歌出名的人工智能框架Tensorflow、Facebook的Pytorch，而且还大规模地投入应用。例如，谷歌斥重金研发自动驾驶，推出翻译等2C业务。而Facebook也将人工智能技术广泛应用在社交网络中的图像处理，自然语言处理等诸多领域。

第二类是芯片派，目前主要是提供算力支持，最大的玩家就是英特尔和英伟达。英伟达的GPU抓住了计算设备需求的关键时机，在图形渲染、人工智能和区块链领域的计算表现十分突出，在这些业务方面也给英特尔带来压力。同时英伟达似乎和英特尔的“Intel Inside”不同，它更希望成为真正的算力平台，并且成功推出了自己的CUDA平台。

就在5月30日，英伟达发布了全球首个融合人工智能和高性能计算的计算平台――HGX－2，这也是目前最大的GPU――DGX－2背后的计算平台。

作为传统算力领域的老大英特尔自然不甘示弱，50年的企业颇有老骥伏枥的意味，近年来在人工智能领域频频发起重磅并购：2015年167亿美元收购“现场可编程门阵列巨头”（Field Programmable Gate Array，FPGA）Altera，为未来算力的发展趋势奠定基础，FPGA在云计算、物联网、边缘计算等方面有很大的潜力；2016年英特尔收购Nervana，计划用这家公司在深度学习方面的能力来对抗GPU；同年还收购了视觉处理芯片初创公司 Movidius；2017年英特尔以153亿美元收购以色列协助驾驶公司Mobileye，旨在进军自动驾驶领域。

在系统应用派和芯片派之外，第三类是技术应用派，剩下的大部分公司都属于这一类型。虽然不同的公司都声称自己在深度学习、人工智能领域有着深厚甚至独特的技术积累，但实际上大多是基于系统应用派和芯片派的技术平台。只不过技术应用派更多的面向C端用户，包括自动驾驶、图像识别、企业级应用等。客观上说，技术应用派属于“君子善假于物也”。

从目前的竞争格局上来看，系统应用派已经逐渐占据了整体优势，在人工智能领域具备了最核心的竞争力。在传统的电脑和手机时代，系统和芯片更多是合作关系，芯片甚至更加占据主导地位。具体来看，比如在电脑市场上，英特尔在算力领域完全制霸，横跨PC和 苹果 的MAC机。而系统方面，Windows和iOS各有千秋，无法代替对方，但他们共同的英特尔却无法代替。到了手机时代，虽然算力的主角从英特尔变为了 高通 ，但是芯片依然处于核心的地位，其重要性和操作系统平分秋色。

而最近1－2年，形势变化很快，苹果放出要自己研发和生产MAC芯片的口风，英特尔股价一度闻风下跌。在人工智能领域，这样的趋势更加明显，由于计算场景的需求差异化极大，谷歌根据自己的需要研发成熟的芯片变得必要，技术上也更可行。英特尔如果要为不同的场景定制芯片，意味着英特尔将全面转入2B领域，和之前的2B2C模式相比，纯2B的业务显然会更像乙方，业务线的复杂度会急剧增长。而历史上来看，一家公司从2C转向2B总体来看往往都是因为失去了在行业中的核心统治地位而不得不退而求次。

押宝Nervana NNP

那么，在激烈竞争中，英特尔又如何进一步加码芯片事业？

Naveen Rao加入了英特尔后，成为英特尔副总裁、AI事业部（AIPG）负责人，主导推出英特尔神经网络处理器（Nervana NNP）系列芯片。这次在AIDC大会上提出为开发者提供软件工具、硬件、生态。在业内看来，以英特尔的技术实力，软件工具和硬件并不成问题，但是生态却有待商榷。在PC时代，生态的核心是芯片，因此围绕芯片构建生态就可以令英特尔固若金汤，但是在人工智能时代，人工智能系统才是生态的核心，提供算力的芯片是生态的一部分，CPU可以提供算力，GPU也可以提供，英特尔可以生产，英伟达也可以生产，甚至谷歌、苹果自己也可以生产。

目前在数据科学和深度学习计算领域，英特尔的芯片布局主要有Xeon（至强）芯片系列、Movidius的视觉芯片VPU、Nervana NNP系列、以及FPGA（现场可编程门阵列）。这几条产品线分别对应几个不同的细分应用场景。

Nervana NNP系列则是神经网络处理器，在深度学习的训练和推断阶段中，Nervana NNP主要针对训练阶段的计算，按照英特尔的计划，到2020年要将深度学习训练（Deep Learning，简称“DL”）的效果提高100倍。这款神经网络处理器由英特尔和Facebook一起合作设计，可以预测该芯片很大程度上应该会对Facebook的机器学习框架Pytorch有很好的支持，毕竟Facebook的Pytorch的野心肯定是要和谷歌的Tensorflow一决高下。不过最新款芯片2019年才会正式推出商用，届时深度学习的格局变化如何无法预料。

Naveen Rao在其博客中写道：“我们正在开发第一个商用神经网络处理器产品英特尔Nervana NNP－L1000（代号Spring Crest），计划在2019年发布。与第一代Lake Crest产品相比，我们预计英特尔Nervana NNP－L1000将实现3－4倍的训练性能。英特尔Nervana NNP－L1000还将支持bfloat16，这是业内广泛采用的针对神经网络的一种数值型数据格式。未来，英特尔将在人工智能产品线上扩大对bfloat16的支持，包括英特尔至强处理器和英特尔FPGA。”