Intel：將GPU用于深度學(xué)習(xí)僅只是人工智能技術(shù)的一部分

　　針對目前人工智能技術(shù)發(fā)展，Intel認(rèn)為目前將GPU運(yùn)算效能用于超級計(jì)算機(jī)作為平行運(yùn)算的普及作法，其實(shí)只是人工智能技術(shù)的一部分，重點(diǎn)依然在于如何讓深度學(xué)習(xí)以更具效率方式完成訓(xùn)練，藉此建立各類人工智能技術(shù)應(yīng)用。 而對于近年來ARM架構(gòu)處理器持續(xù)強(qiáng)調(diào)的端點(diǎn)運(yùn)算 (Edge Computing)，Intel也強(qiáng)調(diào)本身從終端裝置到云端服務(wù)器均有完整布局，同時在軟硬件部分也有相當(dāng)完整的技術(shù)發(fā)展，藉此對應(yīng)不同人工智能技術(shù)運(yùn)算需求。

　　根據(jù)Intel數(shù)據(jù)中心事業(yè)群副總裁暨人工智能解決方案技術(shù)長Amir Khosrowshahi說明，強(qiáng)調(diào)目前借助GPU執(zhí)行效能的平行運(yùn)算架構(gòu)，其實(shí)僅只是人工智能技術(shù)的一部分，許多深度學(xué)習(xí)應(yīng)用反而更聚焦在如何讓機(jī)器以更具效率方式分析不同數(shù)據(jù)，并且從中找出有價信息，進(jìn)而讓機(jī)器能以學(xué)習(xí)結(jié)果反應(yīng)在各類互動，例如讓自動駕駛車輛「 看見」前方路人時，即會自動啟動煞車讓車輛停下，或是在諸多記錄找出規(guī)律的行為模式。

　　事實(shí)上，以現(xiàn)行的深度學(xué)習(xí)運(yùn)算架構(gòu)來看，許多設(shè)計(jì)其實(shí)多少還是采用GPU加速縮短學(xué)習(xí)時間，或是用于平行運(yùn)算架構(gòu)縮短運(yùn)算所需時間，但確實(shí)如Intel說明，應(yīng)用GPU的運(yùn)算方式在所有運(yùn)算架構(gòu)設(shè)計(jì)里確實(shí)僅為其中一部分，更重要的還是取決人工智能技術(shù)應(yīng)用模式，以及背后學(xué)習(xí)框架、學(xué)習(xí)模型如何設(shè)計(jì)。

　　舉例來說，假設(shè)人工智能技術(shù)以反復(fù)學(xué)習(xí)正確應(yīng)對的模式居多，或是需要短時間內(nèi)完成運(yùn)算的情況，確實(shí)藉由GPU加速會是較好的運(yùn)算模式，而若涉及更多裝置端的運(yùn)算，或是必須有更多邏輯演算與判斷的話，借助多組處理器的運(yùn)算架構(gòu)就顯得更為重要。 因此以Intel的立場而言，導(dǎo)入GPU的演算架構(gòu)固然重要，目前在許多超級計(jì)算機(jī)、云端運(yùn)算也均借助NVIDIA、AMD等廠商GPU組件硬件效能進(jìn)行加速，但在特定運(yùn)算需求依然少不了處理器的執(zhí)行能力。

　　不過，就目前Intel在人工智能的軟件技術(shù)布局部分，雖然Amir Khosrowshahi強(qiáng)調(diào)Intel人工智能技術(shù)是采跨部門資源整合發(fā)展，除了本身硬件技術(shù)優(yōu)勢之外，軟件方面也從基層韌體、軟件工具到服務(wù)器端都有完整布局，同時投入發(fā)展資源比例幾乎與硬件相同，但以目前Intel在人工智能技術(shù)的深度學(xué)習(xí)使用框架， 除了本身透過收購Nervana取得的Neon學(xué)習(xí)框架資源，似乎尚未計(jì)劃建造針對本身處理器架構(gòu)深度優(yōu)化的學(xué)習(xí)框架，主要還是與第三方廠商如Google TensorFlow，或是其他開放架構(gòu)設(shè)計(jì)學(xué)習(xí)框家如Torch、Caffe或CNTK等合作，并且提供不同學(xué)習(xí)模型供開發(fā)者使用、修改。

　　但或許是考慮目前人工智能發(fā)展技術(shù)仍處于初期階段，因此Intel與其他廠商同維持以嘗試、觀望等情況投入技術(shù)研發(fā)，預(yù)期在技術(shù)發(fā)展方向更為明確，同時相關(guān)技術(shù)也更為成熟之余，Intel可能會以更俱全的軟硬件整合布局人工智能技術(shù)發(fā)展。

　　從終端裝置到云端服務(wù)器均有完整技術(shù)資源

　　而針對目前ARM架構(gòu)處理器經(jīng)常強(qiáng)調(diào)的端點(diǎn)運(yùn)算模式，Intel表示目前Intel在裝置端其實(shí)也有人工智能技術(shù)應(yīng)用布局，例如在終端裝置學(xué)習(xí)用戶操作習(xí)慣，讓自動駕駛車輛可依據(jù)駕駛操作行為進(jìn)行學(xué)習(xí)，同時在通訊連接、云端服務(wù)器也都有完整技術(shù)資源，因此認(rèn)為本身更具市場競爭優(yōu)勢。 不過，Intel方面也坦承ARM架構(gòu)處理器在行動裝置具有相當(dāng)技術(shù)優(yōu)勢，但本身同時具備裝置到云端的技術(shù)解決方案，甚至也能結(jié)合、對應(yīng)ARM架構(gòu)處理器使用，在市場更具多元發(fā)展機(jī)會。