这是我第二次见到Naveen Rao。
与初见一样，聊到AI，他的话匣子一下被打开，一直有层出不穷的想法与理论冒出，满腹经纶，侃侃而谈。
英特尔全球副总裁兼人工智能产品事业部（AIPG）总经理 Naveen Rao
与他这种温暖的教授般的气质形成“反萌差”的是他对极限运动的热爱。这位40刚出头的AI专家还是一名运动健将，以至于在滑雪、滑板、骑自行车、驾驶赛车、摔跤和打篮球的生涯中，弄伤了全部手指。或许就是这样一位冒险家，更适合带动人工智能，在他创立的深度学习初创公司Nervana被英特尔收购后，Nervana被迅速整合到英特尔AI核心战略之中，现在Rao已经成为英特尔人工智能事业群（AIPG）的掌舵人。
Rao说来到英特尔，“这里是一个开放的文化”，他很喜欢团队合作，然而调用资源并不是一件容易的事，但英特尔在产品的市场化方面拥有丰富的经验，强大的向心力正将公司各部门之间扭成一股劲，朝着一个目标通力协作。
在英特尔，实干永远比空谈更重要。在英特尔首届AI开发者大会上，由Rao率队带领，英特尔人工智能业务相关部门的“狠角色”集中露面，这应该是英特尔AI史上一次先例。要知道，除了英特尔内部会议，能够在公开场合看到一群“大牛”如此乖巧的集中出现，几乎是零概率事件。
但英特尔并没有让人失望。
这一次它拿出了一支配置超高的英特尔“AI银河战队”（姑且叫这名吧），如下图，从左到右依次是：
Jennifer Huffstetler，英特尔数据中心事业部副总裁兼数据中心产品和存储营销总经理
Reynette Au，英特尔可编程解决方案事业部副总裁
Jack Weast， 英特尔无人驾驶解决方案资深首席工程师兼首席架构师
Gayle Sheppard，英特尔新技术事业部副总裁兼Saffron人工智能事业部总经理
Remi El－Ouazzane，英特尔新技术事业部副总裁兼Moviduis总经理
Jonathon Ballon，英特尔物联网事业部副总裁
Naveen Rao， 英特尔公司副总裁兼人工智能产品事业部总经理
尽管这阵容堪比漫威“复仇者联盟”，但依旧有“大神”在画框外。
英特尔人工智能事业部副总裁、 Nervana团队核心成员Carey Kloss
Carey Kloss是英特尔人工智能事业群副总裁、 Nervana团队核心成员，虽然并没有在上图中出现，但他向科技行者表达出对团队的热爱，“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。”也正因如此，Nervana神经网络处理器（Nervana Neural Network Processor，NNP）才获得巨大提升。
事实上，NNP也是英特尔酝酿已久的“杀手锏”。在本次AI开发者大会上，Rao就爽快公开了英特尔新一代AI芯——英特尔Nervana NNP－L1000，代号为“Spring Crest”的专用人工智能芯片，而这款芯片也即将成为英特尔第一款商用神经网络处理器产品，并计划在2019年发布。
尽管Rao并没有再多透露新代AI芯片的细节，但同为Nervana创始团队的Carey Kloss却掌握着机密——我们当然不会放过他。就在AI开发者大会期间，科技行者与他进行了一次“接地气”对话，原来打着“如意算盘”的英特尔还可以这样玩。
Nervana NNP：新AI芯性能飙升3－4倍，但威力还没完全释放
在Rao长达1小时的主题演讲中，最重磅的发布非英特尔Nervana神经网络处理器莫属了，它对英特尔的意义非同小可。
如果拿去年10月首次公布的“Lake Crest”（Nervana NNP系列初代芯片代号）做一个比喻，可以说“Lake Crest”就像一场“及时雨”，成功帮助英特尔在AI专用芯片竞争中站住脚。但英特尔却提出了一个更大的目标，即到2020年要将深度学习训练的性能提升100倍。而Crest家族很可能成为英特尔目标实现的最快途径。
要知道一块芯片的打造并非易事，如果背后没有一支疯狂、专注的芯片开发团队，它也将是一块不足挂齿的芯片。所以懂门道的内行人更专注的问题是：Nervana神经网络处理器系列芯片背后的英特尔IC设计团队，究竟是如何打造出这颗能在现有性能上再飙升3－4倍的“Spring Crest”？
虽然Carey Kloss口风很紧，但关于Nervana神经网络处理器，科技行者还是在与他的聊天中，拿到以下犀利信息：
1、Lake Crest和Spring Crest的主要区别
Lake Crest作为第一代处理器，在GEMM（矩阵运算）和卷积神经上都实现了非常好的计算利用率。这不仅仅是指96％吞吐量的利用率，而是在没有充分定制化的情况下，Nervana也在大多数情况下实现GEMM高于80％的计算利用率。当开发下一代芯片时，如果能够保持高计算利用率，新的产品在性能上有3到4倍的性能提升。
2、Lake Crest计算利用率达到96％，为什么到Spring Crest不升反而降了？
这是一个市场策略，把利用率适当下降。有些情况确实可以实现98％，在没有资源冲突时，每个硅芯片都完全运行的情况下，可以达到99％甚至100％计算利用率。但英特尔想展示的是大多数情况下能能实现的利用率，所以适当调整了。
3、为什么Nervana芯片的发布节奏一再延期？
分为两个阶段，Nervana在2014年成立之初就开始研发Lake Crest，，当时整个团队大概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。但这也是挑战所在，小团队成长会有阵痛，Nervana花了很长时间才把第一批产品拿出来，直到去年芯片才真正问世。关于Spring Crest为何选择2019年年底推出，因为需要集成更多的Die（硅芯片），获得更快的处理速度，但需要一定的时间去制造硅片，也需要硅片变成新的神经网络处理器，这是延迟的原因。目前来看，Spring Crest正处于合理的节奏中，已具备明年取得成功的所有要素。
4、延迟给英特尔带来了哪些不利影响？
Carey Kloss并不认为英特尔会在神经网络处理器上处于劣势，因为英特尔的反应速度相对较快，比如逐步转向bfloat是一个重要因素，它是业内广泛采用的针对神经网络的一种数值型数据格式，很受市场欢迎，未来英特尔将在人工智能产品线上扩大对bfloat16的支持，包括至强处理器和FPGA。
5、拿nGraph与CUDA相比：没在怕的
抛开硬件层面，英特尔还在软件部署上加足马力。目前，英特尔AIPG事业部正在开发名为nGraph的软件，该软件是一个框架中立的深度神经网络（DNN）模型编译器。英特尔正在把TensorFlow、MXNet、Paddle Paddle、CNTK和ONNX等深度学习框架集成在nGraph之上。
同样是一个平台概念，很多人喜欢拿GPU代表企业英伟达与英特尔做比较，事实上，Carey Kloss就直言了nGraph与竞争对手CUDA平台的区别。
“nGraph与CUDA还是不一样的。CUDA你可以理解为 nGraph的底面，我们称之为变压器。nGraph通过一个固定的API接收来自TensorFlow，Caffe或MXNet的输入，然后通过图形编译器进行性能优化，排除一些不需要的东西，然后将其发送给CPU的MKL－DNN。所以CPU仍然使用MKL－DNN，即使在nGraph中也是如此。“不难看出，英特尔也有意把芯片开发放在统一平台上，将nGraph打造成为开发基于所有英特尔芯片的AI应用程序的接口做统一。
相比于新一代Nervana NNP－L1000还处于研发阶段，英特尔另一款专注于计算机视觉的芯片VPU实际已经商用。关于这款芯片，英特尔又寄托了怎样的市场期望，来看另一位同样在画框外的大神的解答。
12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。 ）
