در بین صحنه بین هوش مصنوعی معماری رومی و حس فن آوری، سکان نوین رائو اینتل صحبت کردن در مورد سخت افزار هوش مصنوعی AI اینتل و ترکیبی نرم افزار، اما سنگین تر از اطلاعات متوجه ارسال شده Nervana تراشه شبکه عصبی، با توجه به طرح این نرمافزار Nerva NNP L-1000 جدیدترین پردازنده AI اینتل است که به طور رسمی در سال 2019 به بازار عرضه خواهد شد. این نخستین پردازندههای اینتل از پردازندههای شبکه عصبی اینتل است.
دو سال پیش، نوین رائو و عمق یادگیری، مدیر عامل و یکی از بنیانگذاران راه اندازی سیستم های Nervana. پس از این شرکت توسط اینتل خریداری شد، Nervana تبدیل شدن به هسته از کشتی های اینتل هوش مصنوعی، Nervana سری NNP پدید آمده اند، نوین رائو است به عنوان رئیس بخش تقسیم اطلاعات هوش مصنوعی تعیین شده است.
اینتل معاون رئيس جمهور محصولات هوش مصنوعی تقسیم، کری Kloss Nervana از اعضای تیم در جاده ها در گفتوگو با خبرنگار کسب و کار هرالد مصاحبه قرن 21: روزهای اولیه ما شروع به توسعه دریاچه تاج (Nervana سری NNP از تراشه نسل اولیه، کد نام) کل تیم ما حدود 45 بود مرد، در حال ساخت یکی از بزرگترین قالب (تراشه سیلیکونی)، ما نئون (نرم افزار یادگیری عمق) را توسعه داده اند، نیز ساخته شده پشته ابر، این تیم کوچک انجام می شود. اما این که در آن چالش، وجود خواهد داشت یک تیم کوچک در حال رشد درد ما برای اولین بار محصولات خود را به مدت طولانی خریدیم. Nervana در سال 2014 تاسیس شد. تا سال گذشته، تراشه واقعا معرفی شد.
با این حال، پس از پیوستن به اینتل، Nervana می تواند از منابع مختلف اینتل استفاده کند. البته، فراخوانی منابع یک کار آسان نیست، اما اینتل تجربه زیادی در بازار گذاری محصولات دارد. در عین حال، اینتل تا به حال دیده ام بهترین مراقبت از پس از سیلیکون و تجزیه و تحلیل معماری. Carey Kloss به خبرنگار قرن بیست و یکم هرالد گفت: "ما صدها سیستم در حال اجرا در همان زمان در تراشه تولید، کارمندان Nervana و 6 ماه اعضایی که تازه وارد شده بودند روز و شب نیز کار می کردند تا برای محصولات جدید همکاری کنند. »وی معتقد است که نورانا در حال حاضر با سرعت معقول و تمام عناصر برای موفقیت در سال آینده دارد.
علاوه بر Nervana، اینتل به دست آورد مصنوعی شرکت گل سرسبد هوش نیز شامل تمرکز Movidius در پردازش بصری، FPGA (رشته برنامه ریزی دروازه آرایه) غول شرکت Altera، مربوط Mobileye رانندگی هوشمند، و غیره در واقع، شروع در سال 2011، اینتل شروع به همچنان به سرمایه گذاری شرکت هوش مصنوعی مربوط، از جمله افق کامبرین چینی در همان زمان، رقبای اینتل در حال رشد NVIDIA پیروزی GPU در زمینه هوش مصنوعی؛ .. گوگل به تازگی نسل سوم تراشه AI منتشر TPU، تراشه برای معماری آموزش بهینه سازی TensorFlow عمیق گوگل و Google برای ارائه توسعه دهندگان با TPU و سایر خدمات اساسی؛ سال گذشته، بایدو ARM مشترک، بنفش نشان تیز و Hanfeng تراشه های الکترونیکی DuerOS نشر حکمت، ارائه دهنده اصلی صوتی تعاملی حل برنامه های؛ فیس بوک و Alibaba نیز وارد چیپ زمینه، از جمله، Alibaba Dharma در حال توسعه یک شبکه عصبی تراشه به نام Ali-NPU، که عمدتا برای تصاویر، تشخیص ویدئو و سناریوهای محاسبات ابری استفاده می شود.
اینتل چگونه به "تجربه" این تراشه هوش مصنوعی پاسخ خواهد داد؟
سه جناح مبارزه برای هژمونی به طور کلی، الگوی جهانی فعلی از هوش مصنوعی است که هنوز روشن نیست، آیا متعلق به فن آوری های جنگ محلی مربوطه خود را به کشف، آن را هنوز وارد نشده جنگ کل شلوغ است. هوش مصنوعی یک مفهوم کلی، تفاوت قابل توجهی در حالات برنامه خاص، شرکت است تمرکز متفاوت است، اگر با توجه به مدارس فنی و کسب و کار طبقه بندی، شرکت های جهانی را می توان به سه جناح تقسیم شده است. یکی از برنامه های کاربردی سیستم مدرسه، نماینده ترین نمونه از گوگل و فیس بوک است. آنها نه تنها توسعه هوش مصنوعی چارچوب در سطح سیستم مانند چارچوب هوش مصنوعی معروف گوگل Tensorflow، Pytorch فیس بوک، بلکه برنامه سرمایه گذاری در مقیاس بزرگ. به عنوان مثال، گوگل به شدت در تحقیق و خلبان اتوماتیک توسعه، کسب و کار ترجمه راه اندازی 2C، سرمایه گذاری در حالی که فیس بوک نیز تکنولوژی هوش مصنوعی به طور گسترده ای در شبکه های اجتماعی استفاده می شود پردازش تصویر، پردازش زبان طبیعی و بسیاری از زمینه های دیگر.
دسته دوم جناح تراشه است، مهم این است که به ارائه نیروی پشتیبانی اپراتور، بزرگترین بازیکن اینتل و انویدیا. انویدیا فرصت محاسبات GPU برای به دست گرفتن نیازهای تجهیزات کلیدی، انجام محاسبات کامپیوتری در رندر کردن گرافیک، زمینه هوش مصنوعی و زنجیره ای بلوک است بسیار برجسته ای در این کسب و کار نیز فشار بر اینتل قرار دادن، در حالی که انویدیا و اینتل به نظر می رسد، اینتل در داخل 'مختلف، آن را ترجیح می دهند برای تبدیل شدن به یک اپراتور پلت فرم نیروی واقعی، و پرتاب موفقیت آمیز از پلت فرم CUDA آن است.
محاسبه پلت فرم DGX-2 به عنوان یک اپراتور سنتی در پشت نیروی میدان - در 30 ماه مه، NVIDIA اولین ادغام در جهان از هوش مصنوعی و کارایی بالا پلت فرم محاسبات محاسبات --HGX-2، که در حال حاضر بزرگترین GPU منتشر شده است. اینتل رئیس طبیعی به outdone، کسب و کار 50 سال و نه به معنای مردم قدیمی در سال های اخیر اغلب راه اندازی ادغام پرفروش و جمع آوری در زمینه هوش مصنوعی: 2،015 16.7 میلیارد $ کسب فیلد غول برنامه ریزی دروازه آرایه (درست دروازه برنامه ریزی آرایه، FPGA ) شرکت Altera، پایه و اساس روند توسعه پایگاه نیروی محاسبه آینده، FPGA در محاسبات ابری، شبکه، و دیگر جنبه های محاسبات لبه دارای پتانسیل بسیار زیادی؛ 2016، اینتل به دست آورد Nervana، این شرکت قصد دارد برای استفاده از این توانایی در یادگیری عمق برای مبارزه با GPU در همان سال نیز به دست آورد راه اندازی تراشه پردازش بصری Movidius؛ 2017 نیان اینتل برای 15.3 میلیارد $ کسب کمک اسرائیل رانندگی شرکت Mobileye، در نظر گرفته شده برای ورود به حوزه خلبان اتوماتیک.
علاوه بر نرم افزار سیستم برای ارسال و پای تراشه، دسته سوم استفاده از فن آوری به ارسال بسیاری از شرکت های بقیه سقوط در این دسته است. اگر چه شرکت های مختلف ادعا کرده اند به یک یادگیری عمق، هوش مصنوعی، حتی منحصر به فرد، عمیق تجمع فن آوری، اما در واقع بیشتر برنامه های کاربردی پلت فرم های فن آوری برای ارسال و پای تراشه است. فقط ارسال کاربران بیشتر فن آوری گرا C ترمینال، از جمله خلبان اتوماتیک، تشخیص تصویر، و دیگر برنامه های شرکت. عینی صحبت کردن، تکنولوژی جناح متعلق به "نجیب زاده خوب است در چیزها و چیزهایی نیز هستند".
مسابقه از نقطه فعلی از این دیدگاه، سیستم اعمال جناح به تدریج اشغال کل استفاده، با قابلیت های هسته ای در زمینه هوش مصنوعی در کامپیوتر و عصر تلفن همراه، سیستم های سنتی و تراشه رابطه همکاری بیشتر، و تراشه های حتی بیشتر تسلط. به طور خاص، برای مثال، در بازار کامپیوتر، اینتل به حساب به طور کامل سیستم میدان نیروی هژمونی از طریق کامپیوتر و اپل مک ماشین آلات. سیستم، ویندوز و iOS متفاوت است، نمی تواند جایگزین یکدیگر است، اما اینتل مشترک آنها اما می تواند جایگزین نیست. به دوران تلفن، اگر چه شخصیت نیرو بودند می رود از اینتل کوالکام، اما تراشه هنوز هم در موقعیت هسته سیستم عامل و اهمیت سهام برابر آن است.
اخیرا 1--2 سال، شرایط به سرعت در حال تغییر است، اپل خود را R & D منتشر شد و تولید به MAC حرف تراشه، اینتل سقوط کرد یک بار در زمینه هوش مصنوعی گرفتار، این روند واضح تر است، چرا که تقاضا برای تمایز حالات محاسبات قطب. بزرگ، گوگل با توجه به نیاز خود برای توسعه تراشه های لازم، لحاظ فنی امکان پذیر است. اینتل اگر می خواهید یک تراشه های مختلف صحنه های سفارشی، که بدان معنی است اینتل به طور کامل منتقل 2B مناطق بالغ تبدیل شده است، و قبل از حالت 2B2C به نسبت خالص کسب و کار 2B خواهد شد بدیهی است بیشتر شبیه به یک حزب، پیچیدگی خط کسب و کار به طور چشمگیری افزایش خواهد یافت، باشد. و از لحاظ تاریخی یک شرکت از تبدیل 2B 2C به طور کلی، اغلب به دلیل تسلط هسته از دست رفته در صنعت و مجبور به عقب نشینی به دنبال زمان.
شرط بندی Nervana NNP بنابراین، در رقابت شدید، تراشه اینتل اضافه وزن و چگونه برای پیشبرد علت؟
پس از نوین رائو اینتل پیوست، اینتل معاون رئيس جمهور، AI بخش (AIPG) فرد مسئول، که منجر به معرفی پردازنده اینتل شبکه عصبی (Nervana NNP) سری تراشه برای کنفرانس توسعه دهندگان سخت افزار در AIDC شد. پیشنهاد ارائه ابزار نرم افزار بوم شناسی در صنعت به نظر می رسد اینتل قدرت فنی، ابزار نرم افزار و سخت افزار یک مشکل نیست، اما محیط زیست به سوال باز بود. در دوران PC، هسته اصلی سازگار با محیط زیست تراشه است، بنابراین شما می توانید ساخت سازگار با محیط زیست در اطراف تراشه اینتل را تسخیر، اما در عصر هوش مصنوعی، هوش مصنوعی هسته اصلی سیستم زیست محیطی است، ارائه تعداد تراشه قدرت بخشی از محیط زیست است، تعداد CPU می تواند قدرت، GPU نیز می تواند ارائه شود، اینتل می تواند تولید، کارت گرافیک Nvidia می تواند تولید، حتی گوگل، اپل خود تولید هم اکنون می توانید در داده عمق و محاسبات علمی، طرح تراشه اینتل عمدتا Xeon اینتل (پردازنده های Xeon) سری تراشه، Movidius VPU تراشه چشم انداز، سری Nervana NNP، و همچنین FPGA (رشته برنامه ریزی دروازه آرایه). این مقالات را یاد بگیرند خطوط محصول به چندین سناریو تقسیم شده تقسیم می شوند.
سری Nervana NNP یک پردازنده شبکه عصبی، آموزش عمق فاز استنتاج و یادگیری است، Nervana NNP به طور عمده برای محاسبه مرحله آموزش، با توجه به برنامه ریزی اینتل، 2020 به عمق یادگیری و آموزش (یادگیری عمیق، به عنوان "DL" نامیده ) اثر 100 بار. این پردازنده شبکه عصبی توسط اینتل و طراحی در همکاری با فیس بوک، شما می توانید پیش بینی است که این تراشه باید تا حد زیادی چارچوب یادگیری ماشین Pytorch فیس بوک یک پشتیبانی خوب، بعد از همه Pytorch از جاه طلبی های فیس بوک مطمئنا این است که با Tensorflow گوگل رقابت کند. با این حال، آخرین تراشه ها به طور رسمی در سال 2019 راه اندازی خواهد شد. چگونه الگوی یادگیری عمیق غیر قابل پیش بینی می شود؟
نوین رائو در وبلاگ خود نوشت: "ما در حال توسعه اولین پردازنده های تجاری شبکه عصبی اینتل Nervana NNP-L1000 (با کد نام بهار تاج)، برای انتشار در 2019 برنامه ریزی شده در مقایسه با نسل اول کالا دریاچه تاج، ما. اینتل به Nervana NNP-L1000 انتظار می رود 3-4 بار عملکرد آموزش دست یابد. اینتل Nervana NNP-L1000 نیز bfloat16 است که به طور گسترده ای در صنعت استفاده می شود حمایت از یک فرمت داده های عددی برای شبکه عصبی از آینده، اینتل در هوش مصنوعی می شود خط تولید حمایت bfloat16 گسترش یافته، از جمله اینتل و پردازنده های Xeon اینتل پردازنده FPGA. »در واقع، بهار تاج در پایان 2018 از مدت ها شایعه شده است راه اندازی شد، اما در حال حاضر به نظر می رسد، در سال 2019 این نقطه در زمان استراتژی رسمی در این زمینه است تاخیر وجود دارد، کری Kloss به خبرنگاران: "به گره روند مدرن تر، ما ادغام میمیرند (تراشه های سیلیکونی) را می توان به دست آمده سرعت پردازش سریعتر، اما از آن زمان به تولید ویفرهای سیلیکونی طول می کشد همچنین زمان برای تراشه سیلیکون برای تبدیل شدن به یک پردازشگر شبکه عصبی جدید است که دلیل تاخیر است.
برای فرق بین دو نسل از تراشه، گفت: تجزیه و تحلیل خود را: "پردازنده دریاچه تاج به عنوان نسل اول، در GEMM (محاسبه ماتریس) و یک محاسبات عصبی کانولوشن یک استفاده بسیار خوبی دست یافته اند نه تنها به 96٪ توان اشاره دارد. میزان استفاده از، اما در غیاب سفارشی سازی کامل، ما نیز بیشتر از وضعیت برای رسیدن به 80 درصد بالاتر از بهره برداری محاسبات GEMM ساخته شده است. هنگامی که ما توسعه تراشه نسل بعدی، اگر ما قادر به حفظ یک بالا محاسبه شده با استفاده سرعت، محصول جدید بهبود عملکرد 3 تا 4 بار است.
عطف به رقابت، کری Kloss گفت: "من نمی دانم چه نقشه راه این است که از رقبای ما، اما سرعت واکنش ما نسبتا سریع است، بنابراین من فکر می کنم ما نمی خواهد در یک نقطه ضعف در پردازش شبکه عصبی مانند bfloat16 است برای برخی از زمان است. ، و آن را به تازگی تبدیل به محبوب تر، بسیاری از مشتریان به جلو در حمایت از bfloat16 مورد نیاز قرار داده است، ما به تدریج به نفع bfloat16 منتقل. TPU و نقطه مقابل گوگل از این دیدگاه، او معتقد است که TPU نسل دوم مشابه دریاچه تاج، TPU سه نسل مشابه بهار Crest
حمله از طرف همه علاوه بر نگرانی Nervana NNP، تراشه های Xeon اینتل برای سرورها و دستگاه های بزرگ محاسبات اصلی، مانند ابر رایانه ما از Tianhe-I و II در استفاده از پردازنده های Xeon اینتل پردازنده شش هسته.
از لحاظ بصری تراشه، کسب و کار اینتل سرعت رشد کرد. تراشه های Movidius VPU در حال حاضر در صنعت خودرو، وسایل نقلیه هوایی بدون سرنشین و سخت افزار های دیگر روبرو در بازارهای نوظهور، مانند DAJIANG بدون سرنشین وسایل نقلیه هوایی، کلیپ ها دوربین تسلا، و گوگل را اتخاذ کرده اند Movidius تراشه بصری
Movidius رهبر بازار گری براون خبرنگار قرن تجاری هرالد 21 گفت: «در Movidius، ما تراشه به نام واحد پردازش بصری VPU VPU را توسعه داده اند یک تراشه از بینایی کامپیوتر و پردازنده دوربین هوشمند بنابراین ما هر دو تراشه است. سه نوع پردازش انجام شده است: پردازش ISP، پردازش سیگنال تصویر، پردازش بر اساس تکنولوژی ضبط دوربین، و دید کامپیوتر و یادگیری عمیق است.
وی به جاده، حالات استفاده خاص شامل محصولات VR و رباتیک، خانه های هوشمند، دوربین های صنعتی، دوربین AI، و همچنین نظارت و امنیت. کجاست نظارت و امنیت یک بازار بزرگ است، به خصوص در چین، دوربین های نظارت، و امنیت بازار به ویژه بزرگ است و برخی از شرکت های بزرگ در حال توسعه دوربین های نظارتی مانند Hikvision و Dahua هستند.
گری براون همچنین به ذکر است که این رشته در حال حاضر خانه های هوشمند به سرعت در حال رشد است، اگر چه در بازار کوچک است، اما سرعت در حال توسعه. بسیاری از شرکت ها در توسعه دستگاه های هوشمند، مانند امنیت هوشمند خانه، خانه دستیار شخصی، زنگ هوشمند، و دسترسی به آپارتمان و خانواده وجود دارد کنترل. اما در میدان خانه، برای رسیدن به کم هزینه، کم قدرت، عمر باتری طولانی و بسیار دقیق کاملا به چالش کشیدن است. زیرا چنین به عنوان یک سایه در فضای باز در تلفن همراه، ممکن است به ماشه زنگ، و در نتیجه بسیار پایین میزان هشدار دروغ بسیار مهم است و باید دقت خوبی داشته باشد.
و یکی از چالش های این شرکت است که چگونه برای ادامه به ایجاد تراشه های با کارایی بالا، "ما تعدادی از استراتژی، مانند مصرف انرژی کمتر با یک الگوریتم جلویی، به طوری که ما می تواند تعطیل بسیاری از تراشه، تنها بخش کوچکی از بهینه سازی بهره برداری از عملکرد تشخیص چهره هنگامی که یک چهره ظاهر شد، تراشه های دیگر راه اندازی خواهد شد. این را حفظ خواهد کرد سیستم نظارت صورت روشن است. ما هنوز هم بسیاری از محاسبات از تکنولوژی صرفه جویی انرژی، هوشمند عمر دوربین خانه حدود شش ماه. گری براون توضیح داد.
علاوه بر این، FPGA تبادل مسئول این خط به این وضعیت است. با ورود موج 5G، تجزیه و تحلیل داده ها و محاسبه تقاضا چیزهایی اینترنت اشیا افزایش خواهد، شبکه و گره دسترسی و یا حداقل دهها میلیارد اندازه کلاس از اندازه از یک گوشی تلفن همراه به 1/2 سفارشات از قدر بالاتر از تقاضا معمولی از چیزهایی که نیاز به انعطاف پذیری تغییر الگوریتم است که قدرت از FPGA استفاده می شود، FPGA می تواند سفارشی با توجه به نیازهای از حالات محاسبات با تغییر ساختار خود را، که همچنین باعث می شود اینتل در آینده ارائه تراشه کارآمد امکان پذیر می شود به ارائه انواع مختلف بیشتر از تجهیزات را می توان از کسب آمریکا 16.7 میلیارد $ دیده می شود، اینتل است که به وضوح نه تنها خرید ارزش فوری.
سریعترین سناریوهای سطح سازمانی اینتل بررسی های اخیر نشان می دهد که مشتریان شرکت های بزرگ در ایالات متحده، بیش از 50٪ در حال حرکت به سمت راه حل ابر مبتنی بر پردازنده های Xeon اینتل موجود برای رفع نیازهای اولیه خود را برای هوش مصنوعی، در حالی که تعدادی از مدیران اینتل در مصاحبه با خبرنگاران گفت، هیچ کس راه حل برای همه سناریوهای هوش مصنوعی، اینتل با کسب و کار فنی و توجه به تقاضای مشتری انجام خواهد شد. برای مثال، پردازنده های Xeon اینتل و FPGA، و یا Xeon و Movidius با هم پیکربندی، به منظور دستیابی به عملکرد بالاتر هوش مصنوعی.
برای اینتل، این هوش مصنوعی خواهد شد افزایش یافته به طور گسترده ای در صحنه رده سازمانی نوین رائو استفاده می گوید: "هنگامی که محاسبات شتاب به درایو آینده انتقال هوش مصنوعی، ما نیاز به ارائه طیف گسترده ای از راه حل های سازمانی. این بدان معنی است که راه حل ما برای ارائه قدرت محاسباتی گسترده ترین، و می تواند معماری چندگانه از میلی وات به سطح کیلووات حمایت.
کری Kloss بیشتر به خبرنگاران 21 قرن تجاری هرالد سناریو تراشه هوش مصنوعی توضیح داد: «بهار تاج می توان گفت که بالاترین سطح از معماری پردازنده Nervana نورون تا مشتریان خود را شامل بزرگ مرکز محاسبات مقیاس، در حال حاضر دارای اطلاعات بسیار قوی است. کار علمی از شرکت های بزرگ، دولت، و غیره اگر شما نیاز به یک تاخیر کم و مدل های کوچک، پردازنده های Xeon قادر نخواهد بود به شما کمک کند، آن را می توانید از طریق داده ها را از ابر به پایان گرفتن.
به طور خاص، اینتل همچنین ساخته شده برای کشف پزشکی، بدون سرنشین، خرده فروشی جدید، شبکه و حالات دیگر، از جمله در مراقبت های بهداشتی، با توجه به گزارش ها، اینتل نوارتیس (نوارتیس) در همکاری با، استفاده از شبکه های عصبی برای سرعت بخشیدن به عمق مطلب بالا است غربالگری - این یک توسعه مواد مخدر اوایل یک عنصر کلیدی از همکاری بین دو طرف زمان برای آموزش مدل تجزیه و تحلیل تصویر از 11 ساعت به دقیقه 31 کاهش یافته بود است - بیش از 20 بار کارآمد تر.
هیچ کس در فروشگاه، اینتل فراهم می کند بدون فروشگاه راحتی به Jingdong 'مغز محاسبات، در حال حاضر در فروشگاه های هوشمند تر (سینوپک اکسپرس فروشگاه های رفاه، به Jingdong خانه) و هوشمند پروژه تلوان ماشین آلات. الگوریتمی مستقر، سمت Jingdong گفت الگوریتم یادگیری ماشین مورد استفاده در مغازه ها بدون سرنشین به طور عمده در دانا و محصولات شناخته شده است، بازی های شناخته شده سه جهت، از اطلاعات آنلاین و آفلاین، به خاطر، ویدئو و دیگر داده های بدون ساختار به ساختمان داده ها، و غیره، نیاز در الگوریتم های سنتی یادگیری ماشین به حال محبوب تر در بینایی ماشین سی ان ان (شبکه پیچیدگی های عصبی) الگوریتم، زنجیره تامین هوشمند استفاده می شود، مانند SVM، رگرسیون خطی های آماری، رگرسیون لجستیک و دیگر شرایط شبکه وضعیت بهتر ، اکثریت بزرگی از داده های ویدئویی را می توان مانند یک ترمینال تلفن همراه توسط ترمینال محاسبه برای تکمیل مدل در ابر است. در مورد ضعیف شبکه،، شبکه های لبه با استفاده از یک با استفاده از سخت افزار کوچک به اتمام جمله سرور لبه اینتل محاسبه شده است.
اگر چه اینتل دشمنان امر، انتقال، به سرعت گسترش بسیار محکم است. R & ارزش D تنها از نقطه نظر، با توجه به آمار IC بینش، قبل از سال 2017، 10 شرکت برتر نیمه هادی ها در کل تحقیق و توسعه هزینه از 35900000000 $، اینتل رتبه اول گزارش نشان می دهد که در سال 2017 هزینه R & D اینتل 13.1 میلیارد $، حسابداری برای 36 درصد از هزینه کل از این گروه، حدود یک پنجم از فروش اینتل 2017 با سرمایه گذاری عظیمی در جنگ های مختلف از تراشه AI نیز خواهد بود تشدید شده است.