Intel：將GPU用于深度學習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認為目前將GPU運算效能用于超級計算機作為平行運算的普及作法，其實只是人工智能技術(shù)的一部分，重點依然在于如何讓深度學習以更具效率方式完成訓練，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)強調(diào)的端點運算 (Edge Computing)，Intel也強調(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完整的技術(shù)發(fā)展，藉此對應(yīng)不同人工智能技術(shù)運算需求。

　　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，強調(diào)目前借助GPU執(zhí)行效能的平行運算架構(gòu)，其實僅只是人工智能技術(shù)的一部分，許多深度學習應(yīng)用反而更聚焦在如何讓機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，進而讓機器能以學習結(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。

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

　　舉例來說，假設(shè)人工智能技術(shù)以反復學習正確應(yīng)對的模式居多，或是需要短時間內(nèi)完成運算的情況，確實藉由GPU加速會是較好的運算模式，而若涉及更多裝置端的運算，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算架構(gòu)就顯得更為重要。 因此以Intel的立場而言，導入GPU的演算架構(gòu)固然重要，目前在許多超級計算機、云端運算也均借助NVIDIA、AMD等廠商GPU組件硬件效能進行加速，但在特定運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)的深度學習使用框架， 除了本身透過收購Nervana取得的Neon學習框架資源，似乎尚未計劃建造針對本身處理器架構(gòu)深度優(yōu)化的學習框架，主要還是與第三方廠商如Google TensorFlow，或是其他開放架構(gòu)設(shè)計學習框家如Torch、Caffe或CNTK等合作，并且提供不同學習模型供開發(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)常強調(diào)的端點運算模式，Intel表示目前Intel在裝置端其實也有人工智能技術(shù)應(yīng)用布局，例如在終端裝置學習用戶操作習慣，讓自動駕駛車輛可依據(jù)駕駛操作行為進行學習，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)展機會。