英特爾看到 Nvidia 在 AI 領域大放異彩，也想要用手上晶片弄機器學習，用一堆 Atom 晶片組成 Xeon Phi 架構，但是看來效果沒想像中好。英特爾在 AI 開發者大會上發佈第一款機器學習晶片 Nervana NNP-L1000，打算用併購的技術與 Nvidia 一較高下。

對於英特爾來說積極在 AI 佈局相當重要，而從先前併購取得的技術當中，就屬 Nervana 的神經網路晶片，最被看好能在 AI 時代有發展潛力，而且能跟 Nvidia 競爭了。

英特爾發佈的文章指出 Nervana NNP-L1000 的性能：

一般性質的距陣對距陣乘法 (General Matrix to Matrix Multiplication, GEMM) 運算，使用 A(1536, 2048) 和 B(2048, 1536) 距陣大小，能達成單一晶片下超過 96.4% 的運算資源運用，這代表實際上有 38 TOPS/s 的單一晶片效能。 多晶片分散式 GEMM 運算則能支援模式平行訓練，能夠達到接近線性運算程度，以及 A(6144, 2048) 和 B(2048, 1536) 距陣下，96.2% 規模效能 – 具備串接多個神經網路運算，釋放其他架構下記憶體的限制。

我們量測單向晶片對晶片的理論頻寬效能，發現低於 790ns的延遲狀況，而且我們也相當興奮能套用上述結果到 2.4TB/s 的高速頻寬上面，具有同樣的雙向低延遲性。

這一切都是用低於 210 瓦的功耗，單一一片晶片就達成了，而這不過是早期合作夥伴回報的 Nervana NNP (Lake Crest) 原型晶片的數據。


▲ 英特爾人員在 COMPUTEX 之前的媒體活動，宣佈在 COMPUTEX 展覽重點。(Source：科技新報)

而對開發者來說，英特爾投入資源在每一項可能在 AI 有發展的技術上面。這次宣佈 Nervana NNP-L1000 晶片，開發者不必分神在每一項英特爾發佈的 AI 相關技術。


▲ 英特爾台灣分公司總經理陳立生介紹用在視覺辨識的 openVINO Toolkit。(Source：科技新報)

英特爾近年來積極併購公司，想要進入 AI 市場，避免與 Nvidia 的差距越拉越大。如買了 Altera 取得 field programmable gate arrays (FPGAs)，買了 MobilEye 取得自駕車晶片，以及買了 Nervana 取得他們手上神經網路晶片技術。

英特爾已經提供 Facebook Nervana NNP-L1000 晶片，用在 Facebook 的 AI 專案上面，而且看來數據表現上面很亮眼。期待英特爾在 2019 年正式推出 Nervana NNP-L1000 晶片 ，會在 AI 市場上，除了 Nvidia GPU 的方案，新的解決方案。