（文章來源：智東西）

英特爾在舊金山舉行2019人工智能峰會，推出代號為Keem Bay的下一代Movidius VPU，可用于邊緣媒體、計算機視覺和推理應用，并計劃于明年上半年上市。此外，英特爾還在現場展示了Nervana神經網絡處理器（NNP），并正式宣告商用。這是英特爾的NNP研發項目對外宣告三年后，正式開始商用交付。

此外，英特爾副總裁兼人工智能產品事業部總經理Naveen Rao、英特爾物聯網事業部副總裁兼視覺市場和渠道部門總經理Jonathan Ballon在會上發表演講，介紹了英特爾最新的AI產品與相關技術進展。Naveen Rao在現場演講中談到，隨著英特爾AI產品的更新與發布，AI解決方案的產品組合也將得到進一步的提升與優化，而這也有望在2019年創造超過35億美元的營收。

我們先來說說最新的重量級產品——英特爾Movidius Myriad視覺處理單元（VPU），代號為Keem Bay，其經過優化可在邊緣端進行工作負載的推理。性能方面，與上一代VPU相比，Keem Bay的推理性能提升了10倍以上，能效則可以達到競品的6倍。同時，英特爾還介紹到，Keem Bay的功耗僅為英偉達TX2的四分之一，后者的功耗約為30W。同時，它比華為海思的昇騰310快1.25倍。

Jonathan Ballon在現場提到，該芯片擁有新的片上存儲器架構。同時，Keem Bay提供的Tops推理量是英偉達Xavier的4倍，在充分利用的情況下，該芯片可幫助客戶獲得50%的額外性能。“與同類競品相比，Keem Bay的性能比GPU的性能更好，不僅功率、大小和成本都實現了一定程度的降低，而且還進一步補充了我們完整的產品、工具和服務產品組合。”Jonathan Ballon補充說到。此外，Keem Bay計劃將于2020年上半年上市。

今年，英特爾在面向AI推理和AI訓練領域，相繼推出了NNP-T和NNP-I兩款Nervana神經網絡處理器，專為大型數據中心而設計。同時，Nervana神經網絡處理器也是英特爾研發的首個針對復雜深度學習的專用ASIC芯片，主要提供給云端和數據中心客戶。實際上，英特爾早在2016年就已對外提出將啟動Nervana神經網絡處理器的項目研發。然而，英特爾在去年的AI大會中也尚未揭開該系列處理器的神秘面紗，直到今年才面世，現在終于正式交付商用。

Naveen Rao說，作為系統級AI解決方案的一部分，Nervana神經網絡訓練處理器目前已經投入生產，并已完成客戶交付。其中，NNP-T采用臺積電16nm制程工藝，擁有270億個晶體管，硅片總面積達680平方毫米。應用上，它據有高度的可編程性，并支持所有主流深度學習框架，如TensorFlow、PYTORCH 訓練框架和C++深度學習軟件庫等。同時，它還能夠實現計算、通信和內存之間的平衡，而且不管是針對小規模群集，還是最大規模的pod超級計算機，它都可以進行近乎線性且極具能效的擴展。

一方面，NNP-I基于英特爾10nm Ice Lake處理器架構，同樣支持所有的主流深度學習框架，在ResNet50上的效率可達4.8 TOPs/W，功率范圍為10W到50W之間 。此外，它具有高能效和低成本，能將傳統的AI和多個引擎結合，實現高效率的AI推理工作負載，適合在實際規模下運行高強度的多模式推理。在Naveen Rao看來，隨著AI推理計算不斷發展，并逐漸向智能化邊緣轉移，英特爾的AI競爭優勢進一步明顯。

“我們非常驕傲，能成為客戶背后的算力支柱，我們也將持續用創新和技術來幫助客戶布局AI。”Naveen Rao說到，目前，英特爾的許多客戶已將其AI解決方案應用于各個層級的設備，部署在本地數據中心和超大規模公有云設施中。值得一提的是，這兩款Nervana神經網絡處理器主要面向英特爾的前沿AI客戶，如百度和Facebook等，并針對這些企業的AI處理需求進行定制開發。

Naveen Rao說，截至目前，英特爾在無人機、機器人和自動駕駛等設備的邊緣計算方面，已實現20%的同比增長。而今年，在邊緣AI方面，英特爾推出了DevCloud for the Edge。它與OpenVINO工具包結合使用，可讓開發人員在購買硬件前，使用現有的工具和框架，免費測試和優化OpenVINO中用于英特爾硬件的模型，例如CPU和FPGA等，進一步幫助開發人員對邊緣設備進行AI部署和測試。

Jonathan Ballon在現場演講中也提到，隨著DevCloud for the Edge的發布，客戶將能使用英特爾在夏季推出的Deep Learning Workbench工具進行建模和仿真，并可免費將其部署于開發云中的各種硬件配置。實際上，早在六個月前，DevCloud for the Edge的beta版本就已經推出，截至目前已經有2700個客戶在使用。另一方面，OpenVINO支持從CPU、GPU、FPGA和英特爾Movidius神經計算棒等一系列深度學習加速器。

在Naveen Rao看來，隨著人工智能的進一步發展，現有的計算硬件和內存都將在未來達到臨界點，同時專用型硬件的重要性也愈加明顯。因此，對英特爾來說，利用AI技術來提升業務成果，需要進一步推出涵蓋硬件和軟件的多種技術組合。
（責任編輯：fqj）