В перерывах между сценами между AI романской архитектуры и смысле технологии, Intel, штурвал Навин Рао говорить об оборудовании AI Artificial Intelligence Intel и комбинации программного обеспечения, но самый тяжелый, чем информация, размещенная уведомления Nervana нейронной сети чип, в соответствии с планом , Новейший AI-чип Intel Nervana NNP L-1000, будет официально представлен на рынке в 2019 году, это первый в России продукт для работы с нейронными сетями.
Два года назад, Навин Рао и глубина обучения, генеральный директор и соучредитель запуска Nervana Systems. После того, как компания была приобретена компанией Intel, Nervana стать ядром Intel кораблей искусственного интеллекта, серии Nervana ННП появились, Навин Рао Назначается руководителем отдела продуктов искусственного интеллекта.
Intel вице-президент искусственные продукты разведки дивизии, член команды Nervana Carey Клосс На дороге в интервью с корреспондентом Business Herald интервью 21-го века: «Наши первые дни началось развитие озера Crest (Nervana серии ННП чипа раннего поколения, под кодовым названием) была вся наша команда около 45 Люди, строят крупнейший Die (кремниевый чип), мы разработали Neon (программное обеспечение для глубокого обучения), также создали стек облака, это делаются небольшими командами. Но это также вызов, небольшой рост команды будет иметь боль Нам потребовалось много времени, чтобы выпустить первые продукты. Nervana была основана в 2014 году. До прошлого года чип действительно был представлен.
Однако, присоединившись к Intel, Nervana может использовать различные ресурсы Intel: «Конечно, вызов ресурсов - непростая задача, но Intel имеет большой опыт в маркетинге продуктов. В то же время Intel до сих пор я видел Кэри Клосс сказал репортеру 21-го века Business Herald: «У нас есть сотни систем, работающих одновременно с производственным чипом, сотрудниками Nervana и 6 месяцев Члены, которые только что присоединились, также работали день и ночь, чтобы вместе работать над новыми продуктами ». По его мнению, Нервана сейчас находится в разумном темпе и имеет все элементы успеха в следующем году.
В дополнение к Nervana, приобретение компанией Intel флагманских компаний в области искусственного интеллекта также включает в себя гигантский Alvera, FPGA (Field Programmable Gate Array), Altera, SmartDrive Mobileeye и т. Д., Которые фокусируются на визуальной обработке. Фактически, с 2011 года Intel постоянно инвестирует. В то же время конкуренты Intel также растут. Графический процессор Nvidia в области искусственного интеллекта добился больших успехов: Google недавно выпустил чипы AI третьего поколения, в том числе китайские компании Cambrian, Horizon. TPU, чип, оптимизированный для глубокой обучающей архитектуры Google TensorFlow, и Google предоставляет разработчикам TPU и другие базовые услуги: в прошлом году Baidu и ARM, Ziguang Zhuangrui и Hanfeng Electronics выпустили смарт-чип DuerOS, в основном для обеспечения решения для голосового взаимодействия Программы, Facebook и Alibaba также вошли в поле чипов, среди них Alibaba Dharma разрабатывает чип нейронной сети под названием Ali-NPU, который в основном используется для изображений, распознавания видео и сценариев облачных вычислений.
Как Intel ответит на «опыт» этого чипа искусственного интеллекта?
Три фракции, сражающиеся за гегемонию В целом нынешний глобальный ландшафт искусственного интеллекта еще не ясен, и он относится к местной войне за технологические исследования, а не к общей битве за толпы. Искусственный интеллект - это общая концепция. Конкретные сценарии применения сильно различаются. В отличие от технологий и бизнес-жанров, глобальные компании можно разделить на три группы: первая - это системная школьная программа. Наиболее типичными представителями являются Google и Facebook. Они не только разрабатывают системный уровень для искусственного интеллекта. , такие как известная в Google система искусственного интеллекта Tensorflow, Facebook Pytorch, но также и в крупномасштабном приложении. Например, Google тратит значительные средства на исследования и разработку автоматизированного вождения, запуск перевода и другие услуги 2C. Facebook также применяет технологию искусственного интеллекта, широко используемую в социальных сетях. Обработка изображений, обработка естественного языка и многое другое.
Вторая категория - это чип-школа. В настоящее время она в основном обеспечивает компьютерную поддержку. Крупнейшими игроками являются Intel и Nvidia. Графический процессор Nvidia фиксирует критический момент спроса на вычислительные устройства и вычислительную производительность в области графического рендеринга, искусственного интеллекта и блочных цепочек. В то же время Nvidia, похоже, отличается от Intel «Intel Inside», а также надеется стать реальной вычислительной платформой и успешно запустила свою собственную платформу CUDA.
30 мая Nvidia выпустила первую в мире вычислительную платформу, которая сочетает в себе искусственный интеллект и высокопроизводительные вычисления HGX-2. Это также самый большой GPU - вычислительная платформа DGX-2. В качестве традиционной вычислительной области. Intel босс естественно отстать, 50-летний бизнес, а значит, старые люди в последние годы часто запускаемых блокбастера слияний и поглощений в области искусственного интеллекта: 2015 приобретение $ 16,7 млрд «полевой гигант программируемой вентильной матрицы» (программируемой пользователем вентильной матрицы, FPGA Altera, закладывает основу для будущей тенденции развития вычислительной мощности. FPGA обладает большим потенциалом в облачных вычислениях, интернет-вещах и краевых вычислениях. В 2016 году Intel приобрела Nervana и планирует использовать способность компании заниматься глубоким обучением для борьбы с ней. GPU, а также приобретенный чип для Visual Processing Movidius в том же году, а в 2017 году Intel приобрела Израиль, чтобы помочь компании Mobileye с 15,3 миллиардами долларов США, предназначенной для входа в автоматизированное вождение.
В дополнение к школе прикладных программ и школе чипов, третья категория - школа прикладных технологий, и большинство остальных компаний относятся к этой категории. Хотя разные компании, как утверждают, изучают глубоко, область искусственного интеллекта имеет глубокие или даже уникальные Накопление технологий, но на самом деле большинство из них основаны на платформе системного приложения и чип-технологии. Только технические приложения отправляют больше пользователей C-end, включая автопилот, распознавание изображений, приложения на уровне предприятия и т. Д. Объективно говоря, технологические приложения Фракция принадлежит «джентльмен хорош в вещах, а вещи тоже».
Судя по нынешнему конкурентному ландшафту, система Application School постепенно приобрела общее преимущество и имеет самую основную конкурентоспособность в области искусственного интеллекта. В эпоху традиционных компьютеров и мобильных телефонов системы и чипы более кооперативны, а чипы еще больше Возьмите доминирующее положение. В частности, например, на компьютерном рынке, Intel полностью доминирует в области вычислительной мощности и охватывает компьютеры и MAC-машины Apple. С системной стороны Windows и iOS имеют свои достоинства и не могут заменить друг друга, но их общая Intel Но он не может быть заменен. В эпоху мобильных телефонов, хотя главный герой вычислений изменился с Intel на Qualcomm, чип по-прежнему находится в ядре, а его важность и операционная система разделены поровну.
В последние 1-2 года ситуация быстро изменилась: Apple выпустила собственную тактику для разработки и производства MAC-чипов. Цена акций Intel падала на некоторое время. В области искусственного интеллекта эта тенденция еще более выражена из-за различных требований вычислительных сценариев. Big, Google должен разрабатывать зрелые чипы в соответствии с их потребностями, и это технически более осуществимо. Если Intel хочет настроить чипы для разных сценариев, это означает, что Intel полностью перейдет на 2B по сравнению с предыдущей моделью 2B2C, чистая Бизнес 2B, очевидно, будет больше похож на бизнес партии B, и сложность бизнес-линии резко возрастет. Исторически сложилось так, что переход компании с 2C до 2B обычно происходит из-за потери основного доминирования в отрасли и должен отступить. Ищу время.
Ставки на NNP Nerva Итак, в жесткой конкуренции, как Intel еще больше увеличивает свой чип-бизнес?
После того как Naveen Rao присоединился к Intel, он стал вице-президентом Intel и руководителем AI Business Unit (AIPG) и возглавил запуск чипсов Intel Nervana NNP. На этот раз в AIDC он предложил предоставить разработчикам программные инструменты. , Экология. В отраслевом плане технологические возможности Intel, программные инструменты и аппаратные средства не являются проблемой, но экология еще не обсуждается. В эпоху ПК ядром экологии является чип, поэтому вокруг экосистемы чип-технологий Intel можно укрепить, но В эпоху искусственного интеллекта системы искусственного интеллекта являются ядром экосистемы. Предоставление микросхем для вычислительной мощности является частью экосистемы. ЦП могут обеспечить вычислительную мощность.Группы могут обеспечить их. Intel может их производить. Nvidia также может ее производить. Даже Google, сама Apple. В настоящее время в области наукоемких технологий и вычислений глубокого обучения микросхема Intel включает в основном чипсет Xeon (Xeon), чип Vision Vision от Movidius, Nervana NNP и FPGA (полевая программируемая матрица). Линии продуктов соответствуют нескольким различным сценариям приложений подразделения.
Nervana NNP series - это нейронный сетевой процессор. На этапе глубокого обучения и вывода, NNN Nervana предназначен главным образом для расчета фазы обучения. Согласно плану Intel, глубокое обучение (далее именуемое «DL») будет реализовано к 2020 году. ) Эффект в 100 раз лучше. Этот нейронный сетевой процессор был разработан Intel и Facebook вместе. Можно предсказать, что этот чип будет иметь большую поддержку для платформы Pytorch для машинного обучения Facebook. В конце концов, амбиции Facebook Pytorch. Конечно, это конкурировать с Tensorflow от Google. Однако последние фишки будут официально запущены в 2019 году. Как будет изменяться структура глубокого обучения непредсказуемо?
Naveen Rao написал в своем блоге: «Мы разрабатываем первый коммерческий продукт с процессором нейронной сети Intel Nervana NNP-L1000 (под кодовым названием Spring Crest), который планируется выпустить в 2019 году. По сравнению с первым поколением продуктов Lake Crest мы Ожидается, что Intel Nervana NNP-L1000 достигнет в 3-4 раза производительности обучения. Intel Nervana NNP-L1000 также будет поддерживать bfloat16, который широко используется в отрасли для формата цифровых данных для нейронных сетей. В будущем Intel будет заниматься искусственным интеллектом. Линия продуктов расширяет поддержку для bfloat16, включая процессоры Intel Xeon и FPGA от Intel. «Фактически, слухи о запуске Spring Crest в конце 2018 года уже существовали, но в настоящее время официальное объявление этого момента в 2019 году В ответ Кэри Клосс объяснил репортерам: «В более современные технологические узлы мы интегрируем больше Die (кремниевых чипов), которые могут получить более высокую скорость обработки, но для производства кремниевых пластин требуется определенное количество времени. Кроме того, требуется, чтобы кремниевый чип стал новым процессором нейронной сети, что и послужило причиной задержки.
Для разницы между двумя поколениями чипов он проанализировал это: «Lake Crest как первое поколение процессоров добился очень хорошего использования вычислительных ресурсов на GEMM (матричные операции) и сверточных нервов. Это не только около 96% пропускной способности. Объем использования, но при отсутствии полной настройки, мы в большинстве случаев также использовали коэффициент использования вычислительных ресурсов более чем на 80% для GEMM. Когда мы разрабатываем чипы следующего поколения, если мы можем поддерживать высокую вычислительную мощность Rate, новый продукт имеет производительность в 3-4 раза ».
Говоря о конкуренции, Кэри Клосс сказала: «Я не знаю, что такое дорожная карта наших конкурентов, но наш ответ относительно быстрый, поэтому я не думаю, что мы будем в невыгодном положении в нейронной сети. Например, bfloat16 существует некоторое время. В последнее время он стал более популярным. Многие клиенты обратились за поддержкой к bfloat 16. Мы также постепенно перешли на поддержку bfloat16. «Сравнивая с TPU от Google, он считает, что второе поколение TPU похоже на Lake Crest. Третье поколение TPU похоже на Spring. Crest.
Атака со всех сторон В дополнение к высоко оцененному NNP Nervana, чипы Intel Xeon ориентированы на серверы и крупные вычислительные устройства. Например, суперкомпьютеры Китая Tianhe № 1 и № 2 используют шестиядерные процессоры Intel Xeon.
Что касается визуальных чипов, объем бизнеса Intel быстро растет. Чипы Movidius VPU уже давно используются на новых рынках оборудования, таких как автомобили, беспилотные летательные аппараты, такие как беспилотные летательные аппараты DJI, камеры Tesla и Google Clips с использованием Movidius. Визуальный чип.
Гэри Браун, лидер рынка Movidius, рассказал репортеру 21-го века Business Herald: «В Movidius чип, который мы разработали, назывался визуальным процессором VPU. VPU - это чип, который сочетает в себе как компьютерное зрение, так и интеллектуальный процессор камеры. Выполняются три вида обработки: обработка ISP, обработка изображений, обработка на основе технологии захвата камеры, компьютерное зрение и глубокое обучение.
Он привел примеры конкретных сценариев использования, в том числе продуктов VR и робототехники, интеллектуальных домов, промышленных камер, камер видеонаблюдения и наблюдения и безопасности. Среди них «мониторинг и безопасность - огромный рынок, особенно в Китае, камеры наблюдения и безопасности Рынок особенно велик, и некоторые крупные компании разрабатывают камеры наблюдения, такие как Hikvision и Dahua.
Гэри Браун также упомянул, что рынок смарт-жилья в настоящее время быстро растет. Хотя рынок небольшой, он быстро развивается: «Существует множество компаний, разрабатывающих интеллектуальные устройства, такие как интеллектуальная домашняя безопасность, личные помощники дома, интеллектуальные дверные звонки и поездки на квартиры и дома. Но в домашних условиях низкая стоимость, низкое энергопотребление, длительный срок службы батареи и очень высокая точность очень сложны. Поскольку наружный тень, например, движется, это может вызвать сигнализацию взрыва и поэтому очень низкое. Частота ложных срабатываний очень важна и должна иметь хорошую точность.
Одна из проблем компании заключается в том, как продолжать создавать высокопроизводительные чипы: «У нас есть некоторые стратегии, такие как использование алгоритма front-end для снижения энергопотребления, поэтому мы можем отключить большинство чипов, лишь небольшая часть оптимизированной функции обнаружения лиц Когда лицо появится, будут активированы другие чипы, которые будут поддерживать систему мониторинга лица. У нас также есть много энергосберегающих алгоритмов, чтобы сделать домашнюю смарт-камеру длительностью около 6 месяцев », - пояснил Гэри Браун.
Кроме того, Altera отвечает за эту линейку FPGA. С появлением волны 5G будут увеличиваться требования к анализу и вычислению данных IoT Internet of Things. Количество узлов доступа в Интернете Things составляет не менее десятков миллиардов, что больше, чем у мобильных телефонов. Типичным требованием Интернета Things является необходимость гибкого использования алгоритмических изменений. Это сила FPGA. ПЛИС могут адаптироваться к потребностям настраиваемых вычислительных сценариев посредством собственных структурных изменений, что также делает Intel в будущем. Появилась возможность предоставлять эффективные чипы для более разных типов устройств. Из суммы приобретения в размере 16,7 млрд. Долл. Можно видеть, что покупка Intel, очевидно, не является непосредственной ценностью.
Быстрые сценарии на уровне предприятия Согласно недавнему опросу Intel, более 50% корпоративных клиентов США обращаются к существующим облачным решениям на базе процессоров Intel Xeon, чтобы удовлетворить их первоначальный спрос на искусственный интеллект. Несколько руководителей Intel В интервью они все сообщили журналистам, что нет единого решения для всех сценариев искусственного интеллекта. Intel будет соответствовать технологиям и предприятиям в соответствии с потребностями клиентов. Например, Intel будет настраивать Xeon и FPGA, или Xeon и Movidius, вместе. Для достижения более высокой производительности функция искусственного интеллекта.
Наверное, для Intel эти расширенные возможности искусственного интеллекта будут широко использоваться в сценариях на уровне предприятия. Навеен Рао сказал: «Нам нужно предоставить комплексное решение корпоративного класса для ускорения перехода к компьютерным вычислениям в будущем. Это означает, что наше решение обеспечивает самый широкий диапазон вычислительной мощности и может поддерживать несколько архитектур от милливатт до киловатт.
Кэри Клосс далее объяснила репортеру 21-го века Business Herald сценарию применения чипа искусственного интеллекта: «Spring Crest можно назвать самым высоким уровнем архитектуры нейронных процессоров Nervana, поэтому его клиентами являются супер-крупномасштабные вычислительные центры и уже имеют достаточно мощные данные. Крупные компании с научной работой, правительствами и т. Д. Если вам нужны недорогие и малые модели, Xeon может вам помочь, он может открыть данные из облака до конца.
В частности, Intel также изучила такие сценарии, как медицинское обслуживание, водительские права, новая розничная торговля и Интернет вещей. Например, в медицинской области, согласно сообщениям, Intel работает с Novartis, чтобы использовать глубокие нейронные сети для ускорения высокого содержания. Скрининг - это ключевой элемент раннего развития лекарств. Сотрудничество между двумя сторонами сократило время, необходимое для обучения модели анализа изображений с 11 часов до 31 минуты - эффективность увеличилась более чем в 20 раз.
Что касается неавтомобильных магазинов, Intel предоставила «вычислительные мозги» беспилотным супермаркетам Jingdong и была развернута и развернута в нескольких интеллектуальных магазинах (Sinopec Express Store, Jingdong Home) и смарт-торговых автоматах. Алгоритмически, JD.com заявила, что алгоритмы машинного обучения, используемые беспилотными магазинами, в основном ориентированы на знания, знания и знания. В трех направлениях необходимость использования неструктурированных данных, таких как видео, преобразуется в структурные данные из-за необходимости открывать и закрывать данные онлайн и офлайн. Популярный алгоритм CNN (сверточная нейронная сеть) в области машинного зрения, традиционные алгоритмы машинного обучения, используемые в интеллектуальной цепочке поставок, такие как SVM, линейная регрессия статистики, логистическая регрессия и т. Д. В случае улучшения сетевых условий Большая часть видеоданных может быть завершена в облаке с использованием более крупной модели. В случае плохой сети через пограничные вычисления, такие как мобильные, крайние вычисления выполняются с использованием небольшой сети. Используемое оборудование включает в себя периферийные серверы Intel.
Несмотря на сильные враги Intel, переход был очень прочным. С точки зрения стоимости R & D, согласно статистике IC Insights, общие расходы на исследования и разработки 10 ведущих полупроводниковых производителей в 2017 году составили 35,9 млрд. Долл. США. Согласно отчету, расходы на исследования и разработки Intel в 2017 году составили 13,1 млрд. Долл. США, что составляет 36% от общих расходов Группы, что составляет примерно одну пятую продаж Intel в 2017 году. Благодаря огромным инвестициям со стороны различных компаний битва за чипы ИИ также продолжится. усилилась.