“英特尔深入探讨Nervana NNP”

英特尔向热门芯片31发布了期待已久的spring crest深度学习加速器的详细信息。 nervana神经互联网培训解决方案( nnp-t )配备了24个解决核心和新的数据移动功能，由32gb HBM 2内存供电。 宽广的270亿个晶体管分布在688平方毫米的芯片上。 奇怪的是，nnp-t还使用了英特尔竞争对手台湾积体电路制造的尖端技术。

人工智能和机器学习已经风靡了数据中心，重新定义了如何在极短的时间内大规模采用和部署计算机。 因此，在超级计算机行业，gpu长期以来成为人工智能培训业务负荷的优先处理方案的兴起十分火爆。 2008年，没有使用gpu进行计算的超级计算机，而是依赖于久经考验的cpu，但目前500台超级计算机中有80%的人从gpu获得了计算能力。 正如我们多次看到的那样，hpc和超级计算的发展趋势正在被过滤到更广泛的数据中心。 这一ai / ml工作负载的激增是因为单个gpu取代了一些至强解决方案，威胁到了英特尔数据中心的主导权。

作为回应，英特尔开发了一种多管齐下的方法来固定手柄。 计算量大的培训业务负荷，构建多而复杂的神经互联网，执行对象识别、语音转换、语音合成业务负荷，举几个例子，然后作为轻量级推理代码导入。 由于无处不在，至强解决方案仍然是计算密集型推理工作负载的理想平台，但英特尔开发了多种处理方法来解决nvidia gpu的重要基础——培训工作问题。

nvidia声称gpu是所有形式的ai和机器学习的最终处理方案，但英特尔反复认为各业务负荷有不同的处理方案。 英特尔对培训的部分响应以源自未来推出的xe图形架构和altera的fpga形式显示，但该公司有几个为培训业务负载而定制的新nervana硅芯片

本文：《“英特尔深入探讨Nervana NNP”》