英特尔全球副总裁兼人工智能产品事业部总经理 Naveen Rao 时隔两年再次接受新智元采访，AI 已成为英特尔“绝不能输的战场”。Naveen认为谷歌、微软等巨头自己造芯的做法不会持久，终将重回英特尔的怀抱。英伟达在AI领域的生态很强大，但英特尔CPU在基础设施里有更雄厚的基础。芯片创业公司要活下去很难。AI时代，仍将由英特尔来主导。

2018 英特尔人工智能大会（AIDC）14、15日在京举行，英特尔全球副总裁兼人工智能产品事业部总经理 Naveen Rao 时隔两年，再次接受新智元的采访。

尽管外界对英特尔10 纳米芯片“难产” 和英特尔 Nervana 神经网络处理器 NNP 发布时间一再延迟充满了“焦灼的期待”，但与两年前相比——那时候 Naveen刚加盟英特尔不久，他告诉新智元英特尔预计在 2017 年第一季度推出一款深度学习芯片——Naveen 显得更加从容。

当被问及“是否觉得在 2019 年底才推出 AI 芯片有些晚”时，他反而笑着问道：“为什么会觉得晚呢？”

收购Nervana Systems——Naveen Rao 出走高通，在 2014 年与人联合成立的深度学习芯片初创公司，成为英特尔全面拥抱人工智能的一个重要节点，Naveen 表示 AI 已是英特尔“绝不能输的战场”。

如今，英特尔上下全面意识到了 AI 的重要性，他率领的包括 Nervana 团队在内的人工智能产品事业部，推进 Nervana 神经网络处理器之外，还为英特尔其他所有部门提供技术支持。“最近两年英特尔至强处理器的改进也基本来自于我们组的工作。” Naveen 说。

一把钥匙开不了所有的锁。Naveen 表示不同的计算需要不同的架构，但任何计算都离不开CPU。市面上已经安装并投入使用的CPU 是英特尔的巨大优势。“客户的基础设施更新是逐步做起的，” Naveen 说：“没有人会一下子把旧的全扔掉然后换新的。” 在这些基础设施中，英特尔的 CPU 占了近九成，眼下最火热的人工智能推理，也有近 90% 是在英特尔的芯片上完成。

英伟达占据了很大的AI训练市场，也在为GPU添加更多的AI元素，“这是很正确的做法，”Naveen说：“但我们也将提供对 AI 来说最好的 CPU。”

“CPU 加 GPU 再加各种 AI 加速器很好，如果客户需要，把它们全部封装进一个芯片里也很好，” Naveen 说：“两者在我看来是一样的。”

换言之，AI时代，仍将由英特尔来主导。

谷歌TPU不是英特尔的对手

2018 年 5 月，谷歌在 I/O 大会上发布了第三代 TPU，由 TPU 3.0 组成的 TPUPod 运算阵列，性能相比上一代提升了 8 倍，每秒运算性能 “远超” 100PFLOPS，也即 10 亿亿次——中国引以为傲的超级计算机神威·太湖之光的 Linpack 浮点性能是 9.3 亿亿次——为了给它降温，谷歌第一次在其数据中心引入了液冷。

为了给 TPU 3.0 Pod 运算阵列降温，谷歌第一次在其数据中心引入了液冷

除了谷歌，微软、亚马逊等巨头都在研发自己的 AI 芯片。国内，大公司自己造芯的声势更加明显：百度的“昆仑”，阿里的“平头哥”，华为的“昇腾”，一个比一个浩大。

不管怎么看，形势对英特尔来说都很不利。

但 Naveen 却说，“除了TPU（还仅供谷歌内部使用）和GPU，你还能再说出一款已经量产的AI训练芯片吗？”

“英特尔不与我们的客户相竞争，” Naveen 说：“谷歌、微软等大公司自己做芯片，归根结底是由于我们芯片厂商没有提供给他们适合的产品，因此，短期看他们自己做芯片更省钱，更有效率。我不认为他们会销售芯片，也不认为他们想要进入芯片行业，等到英特尔研发出工艺更好、价钱更便宜的芯片时——芯片制造工艺是英特尔的核心价值所在——大公司自然就会重新使用英特尔的产品，不再自己做芯片。”

而且，英特尔的产品线可是从云到端全面覆盖的。

佩服英伟达十年建生态，但英特尔要一统江湖

至于英伟达，Naveen认为英伟达在一个正确的时机做出了正确的选择，大力投入深度学习，现在也在不断为GPU 增加更多的“AI元素”，“这是很正确的做法”。

Naveen 表示，英特尔近年来对AI的认识也有了很大转变。见证了人工智能几起几落的英特尔，在2014年之前并不认为这一次深度学习真的能掀起些什么。

收购Naverna 代表着英特尔对人工智能态度的转变，从“不重要”变为“非要不可”，Nervana团队现在为英特尔的所有部门，从CPU到FPGA再到物联网……提供技术支持。“实际上，至强处理器近两年来的性能提升基本上都来自我们组的贡献。”Naveen说。

抢占先机的英伟达，市值已经翻了几十番，GPU在AI训练市场拥有毋庸置疑的领先地位。但真正成就英伟达的，是其配套软件生态系统 CUDA。

“英伟达最初在2005年推出CUDA，这也就是说他们花了十年时间才让CUDA能够使用，”Naveen说，没有人能一夜之间颠覆这种优势，要让一款硬件取得成功，相关的软件生态系统至关重要，而要打造这样一套生态，“非常、非常地难”。

面对英伟达在人工智能领域凭借GPU+CUDA构建起的强大生态，Naveen表示英特尔的应对之道是他们两年前便开始布局的nGRAPH——如今，有各种各样的机器学习框架，而这些框架上的模型又需要在不同的硬件上面运行。以前做深度学习和人工智能运算，大家主要用GPU来加速，训练直接在框架里调用英伟达的CUDA库，推理则是用英伟达的TensorRT。现在硬件的选择变多了，大家也想做更多的优化，“框架编译器”（compiler）的概念也随之兴起。

最初是谷歌的XLA（Accelerated Linear Algebra/加速线性代数），但XLA是用于 TensorFlow的编译器，针对的也自然是谷歌的TPU。类似的是Facebook的Glow，实际上现在每家公司都在不同的层级上构建属于自己的中间表示，好让编程语言能够适应更多的硬件组合。

2016年8月，陈天奇团队推出了TVM，让包括图模型（Graph）在内的编程语言能够适应越来越多的硬件。Naveen告诉新智元，实际上TVM是比nGRAPH更低一级的中间表示，而英特尔正在与TVM合作。

英特尔要做的事情是，不与谷歌、Facebook、百度等公司直接竞争，“因为他们都是我们的客户”，nGRAPH能支持所有的框架，“无论你使用哪种框架，新建一个框架也行，我们都乐意支持”。

框架编译器，比如英特尔的nGRAPH，能将不同框架上运行的模型针对各种硬件进行优化，包括英伟达的GPU和其他硬件。

但Naveen也承认，业界现在确实有在所有这些中间表示中确定一个“标准”的意向，因为标准就是标准，有了大家都方便，而英特尔也不讳言想让nGRAPH成为这个标准。

“我们比所有人都领先，目前最接近的就是谷歌的XLA。”

“台积电的7nm从晶体管密度上说远不及英特尔的10nm”

但是等等，2019年底英特尔预计推出的可是“10纳米”芯片，对手台积电、三星早就量产了10nm，高通骁龙835已经在市场上整整卖了一年，台积电今年“7纳米”芯片量产成功，明年更是已经确定要上EUV 5纳米的研发。

Tags：对手(18)智能(159)芯片(35)人工(11)英特尔(13)产(8)谷歌TPU(1)Naveen(1)

转载请标注：我爱技术网_SEO三人行——谷歌TPU不是对手，英特尔要用AI一统芯片江湖