據報道，Intel在芯片開發方面開辟了新方向：人工智能，它相信人工智能將滲透到所有應用和Web服務中。

　　當地時間周四，Intel宣布在開發一款能處理人工智能負載的新芯片。目前，人工智能芯片獨立于主流產品線，在計算機中被用作專用主芯片或協處理器。

　　但是，隨著時間推移，Intel將在其主流服務器、物聯網，甚至PC芯片中整合人工智能特性。人工智能特性可以應用在服務器、無人機、機器人和自動駕駛汽車中。為實現業務多元化，降低對PC市場依賴程度，Intel在積極進軍這些新市場。

　　人工智能計算的霸主是英偉達GPU（圖形芯片）和谷歌等公司的定制芯片。Intel計劃推出多款面向深度學習任務的非GPU芯片，加速進軍人工智能領域。由于反應遲緩，Intel錯過了手機市場機遇，它希望在人工智能市場上不會重蹈手機市場的覆轍。

　　Intel缺乏先進的GPU技術，希望替代性芯片能彌補其不足。Intel相信它不需要GPU也能進軍人工智能市場，不會像英偉達那樣把所有雞蛋都放在一個籃子中。

　　Intel正在開發代號為Knights Mill的人工智能芯片，它面向深度學習，是至強Phi芯片系列成員。Intel尚未披露這款芯片細節。Intel數據中心集團副總裁詹森·韋克斯曼（Jason Waxman）表示，在運行深度學習任務方面，Knights Mill運行速度將是代號為Knights Landing的現有至強Phi芯片4倍。

　　據悉，Knights Mill將于明年發布，表明Intel進入人工智能領域的急迫心情。上兩款至強Phi芯片發布時間相差4年。

　　與Intel開發的其他芯片相比，Knights Mill有數項獨門武功。不同于專注于數學計算的Intel高性能芯片的是，Knights Mill把一系列高速、底層浮點運算串在一起，得出結論。這些結論是深度學習的真髓——圖像識別等問題的結論不可能總是精確的。不過，隨著計算機深度學習模型越來越強大，結論也將越來越精確。

　　明年上半年，Intel還將發布首款利用Nervana技術的深度學習硬件。Intel今年8月收購了Nervana。Nervana芯片主要面向訓練——創建深度學習計算機模型，它也可以用于推理——通過更多數據強化深度學習模型。

　　Nervana芯片將主要被應用在服務器中。最初，Intel將以板卡形式銷售Nervana芯片，板卡可以插入標準PCI-Express插槽。Intel人工智能解決方案部門副總裁兼總經理納威恩·勞（Naveen Rao）表示，但隨著時間推移，Nervana芯片將越來越“靠近”處理器。納威恩·勞是Nervana創始人。

　　上述兩款新芯片將加入Intel人工智能芯片陣營。Intel最近收購了人工智能芯片廠商Movidius，谷歌眼鏡就配置Movidius的計算機視覺芯片。Movidius芯片可以應用在可穿戴設備、無人機和機器人中，完成目標識別和深度測量等任務。

　　Intel還銷售FPGA（現場可編程門陣列）芯片，希望這類芯片能被應用在服務器、自動駕駛汽車、機器人和無人機中。Intel明年將銷售被稱作“Deep Learning Inference Accelerator”（深度學習推理加速器）的FPGA芯片，競爭對手是谷歌Tensor Processing Unit等推理芯片。

　　Intel的急迫心情源自人工智能的快速普及。傳感器能生成大量數據，人工智能是理解這些數據意義的一種新興技術。

　　谷歌、Facebook和亞馬遜等大公司，都在部署軟件和硬件，嘗試理解這些數據的意義。微軟小娜語音助手是人工智能應用的一個范例，它利用算法和FPGA識別語音。

　　這些系統的效果取決于與深度學習模型有關的軟件。Nervana的軟件將成為Intel面向深度學習的并行編程框架，這款開放源代碼編程框架的競爭對手包括Caffe、Torch、谷歌TensorFlow和微軟CNTK等。

　　但這么多人工智能芯片會讓客戶感到無所適從嗎？韋克斯曼表示，芯片越多越好。Intel希望向客戶提供多種選擇，部分芯片擅長具體任務。

　　市場研究公司Tirias Research首席分析師吉姆·麥克格雷格（Jim McGregor）說，Intel迅速在人工智能市場占有一席之地是重要的。

　　麥克格雷格說，Intel在人工智能市場上推出多種芯片，目的是檢驗哪種芯片更有生命力，“Intel推出多種解決方案是很好的，但它與其他芯片廠商相比沒有任何優勢?！?/p>

　　Intel進軍人工智能市場并非沒有風險。麥克格雷格表示，Intel收購Nervana的目的在于后者軟件，任何把客戶鎖定在這些工具上的嘗試都不會被業界接受。Nervana的工具是開放源代碼軟件，針對Intel芯片，但Caffe等其他框架越來越普及。

　　麥克格雷格說，“這是一個有問題的戰略。過去10年Intel一直是這樣做的，它嘗試讓所有人都采用其技術。”

　　但深度學習尚處于發展早期，針對深度學習對計算技術進行優化還需要時間，量子計算機和人腦模擬芯片等新型硬件將改變市場格局。