據Engadget報導, 電腦視覺, 語音辨識等深度學習應用通常需在大型陣列進行矩陣計算, 而這並非英特爾Core或Xeon等通用型晶片的長項. 英特爾期望藉由即將推出的NNP彌補AI這塊缺口, 並邀請到致力於深度學習及AI展的Facebook參與晶片設計.
除了Facebook擅長的社群媒體應用外, 英特爾還計劃將其AI晶片推廣到健康醫療, 汽車, 氣象等領域.
Nervana NNP是一款特定用途積體電路(ASIC), 能以極高運算效率從事深度學習演演算法的訓練與執行. 英特爾捨棄了CPU上常見的快取, 改由特殊軟體負責特定演演算法的晶片存儲器管理, 希望能藉此將晶片的運算密度與性能提升到新的層次.
Nervana NNP還可透過晶片內外部的高速互連, 支援大量雙向資料傳輸. 如果連結多個NNP晶片, 就可組成一個巨大的虛擬晶片, 應付規模不斷升級的深度學習模組.
值得一提的是, Nervana NNP採用了一種精度較低的Flexpoint格式. 英特爾AI副總裁Naveen Rao表示, 神經網路對於資料的雜訊有相當高的容忍度, 而這些雜訊甚至還可協助神經網路彙集出新的解決方法. 精度較低的Flexpoint有助提升系統平行處理能力, 降低延遲, 增加頻寬.
在英特爾投入AI發展前, NVIDIA便藉著GPU的平行運算能力搶先一步攻克市場, 但GPU擅長的是演演算法訓練而非執行. 另一方面, 英特爾最大競爭對手高通(Qualcomm)則投入了擅長執行AI程式的晶片研發.
英特爾的NNP晶片同時以AI的訓練與執行為目標, 並會陸續推出新的版本. 除此之外, 英特爾還投入了一款名為Loihi的神經形態(neuromorphic)晶片, 以及機器視覺晶片Myriad X的研發.
就在英特爾努力追趕之際, NVIDIA也針對AI應用程式(App)推出了V100晶片, 並延攬到Clement Farabet擔任AI架構副總, 希望能提升其晶片執行深度學習程式的能力.
在此同時, Google為數據中心應用自行打造了一款Tensor Processing Unit (TPU)晶片, IBM也發表了名為True North的仿神經型態晶片.