作者：聞菲
AI芯片的戰(zhàn)場更加熱鬧了。4月18日，F(xiàn)acebook宣布招聘ASIC和FPGA設(shè)計(jì)工程師，向設(shè)計(jì)自己的AI芯片邁出了第一步。
4月19日，國內(nèi)巨頭阿里巴巴宣布正在自主研發(fā)AI芯片。這款由阿里巴巴達(dá)摩院研發(fā)的AI芯片是一款神經(jīng)網(wǎng)絡(luò)芯片，名叫Ali-NPU，將用于圖像和視頻分析、云計(jì)算等商業(yè)場景的AI推理運(yùn)算問題。
Facebook和阿里巴巴的入局，表明互聯(lián)網(wǎng)巨頭自主研發(fā)AI芯片已是大勢所趨。在此之前，谷歌、蘋果、微軟、亞馬遜等公司，都紛紛自研AI芯片。
谷歌從2012年左右開始研發(fā)名為張量處理器（TPU）的專用AI芯片，現(xiàn)在已經(jīng)公布到第二代，既能推理也能訓(xùn)練，針對(duì)谷歌的深度學(xué)習(xí)框架TensorFlow做了優(yōu)化；2017年谷歌開放Cloud TPU云服務(wù)，任何人都能通過谷歌云租借TPU。此外，谷歌還自研了圖像專用芯片Pixel Visual Core，用于谷歌的智能手機(jī)Pixel 2，今年下半年發(fā)布的Google Pixel 3也采用自主研發(fā)的SoC芯片。
蘋果公司則為iPhone設(shè)計(jì)芯片，并在去年隨著iPhone 8和iPhone X的發(fā)布，公布了神經(jīng)引擎（Neural Engine），作為其A11仿生芯片的一部分。微軟早前投注FPGA，這已經(jīng)成為微軟Azure云計(jì)算系統(tǒng)的基礎(chǔ)，提供比GPU更靈活的架構(gòu)和更低的功耗；微軟也在為下一代HoloLens混合現(xiàn)實(shí)頭戴設(shè)備研發(fā)專門的AI芯片。至于亞馬遜，則是在今年初宣布為智能音箱Echo/Alexa打造專用AI芯片，同時(shí)也有外媒報(bào)道，亞馬遜可能正在為其云計(jì)算部門AWS開發(fā)AI處理器。芯片支撐未來發(fā)展，但如今似乎軟件定義硬件的趨勢愈加明顯。
芯片是支撐AI的基礎(chǔ)。而由于AI芯片受算法和模型影響非常大，因此掌握算法和模型，自己做軟件和服務(wù)的公司，如果精確地了解自己要什么，比如谷歌，比如最新加入戰(zhàn)局的Facebook和阿里，與其等待英特爾和英偉達(dá)等傳統(tǒng)硬件商，自己出手造芯反而能更快更準(zhǔn)，更能滿足自己特定的需求。
同時(shí)，像谷歌這樣，將TPU與谷歌云和TensorFlow綁定——TensorFlow在TPU上會(huì)有更好的運(yùn)行效果，而谷歌也將TPU實(shí)現(xiàn)的AI計(jì)算優(yōu)勢通過谷歌云提供，為自己構(gòu)建起生態(tài)閉環(huán)。
所有這些，無疑都對(duì)傳統(tǒng)的硬件制造商，提出了更大的挑戰(zhàn)。在AI芯片戰(zhàn)火更旺的當(dāng)下，CPU巨頭英特爾通過收購Nervana Systems（神經(jīng)網(wǎng)絡(luò)專用加速器NNP）、Mobileye（自動(dòng)駕駛）、Movidius（視覺處理芯片）、Altera（FPGA）等公司，在AI芯片領(lǐng)域構(gòu)建起從云到端各種應(yīng)用比較完善的布局。然而，收購這一行為本身，從一定程度上反映了自主研發(fā)的滯后。
在谷歌、阿里等巨頭紛紛進(jìn)軍AI芯片，眾多AI芯片初創(chuàng)公司涌現(xiàn)的當(dāng)下，英特爾如何應(yīng)對(duì)？
日前，英特爾人工智能事業(yè)部副總裁、人工智能實(shí)驗(yàn)室和軟件總經(jīng)理Arjun Bansal博士接受了新智元的專訪，對(duì)AI芯片局勢以及AI技術(shù)的發(fā)展做了分析。
英特爾人工智能事業(yè)部副總裁、人工智能實(shí)驗(yàn)室和軟件總經(jīng)理Arjun Bansal。在2016年8月英特爾收購Nervana System之前，他是Nervana的聯(lián)合創(chuàng)始人兼算法副總裁，領(lǐng)導(dǎo)機(jī)器學(xué)習(xí)軟件與數(shù)據(jù)科學(xué)部。他的研究領(lǐng)域包括神經(jīng)生理學(xué)和大規(guī)模機(jī)器學(xué)習(xí)。Arjun在加州理工大學(xué)獲得了計(jì)算機(jī)科學(xué)學(xué)士學(xué)位，在布朗大學(xué)獲得了神經(jīng)科學(xué)博士學(xué)位，并在波士頓兒童醫(yī)院和哈佛醫(yī)學(xué)院完成了博士后研究。
Bansal博士是Nervana的聯(lián)合創(chuàng)始人之一，他表示英特爾的優(yōu)勢在于從芯片設(shè)計(jì)、制造到銷售一整套流程和生態(tài)的強(qiáng)大。作為曾經(jīng)的AI芯片初創(chuàng)公司的一份子，他十分了解初創(chuàng)芯片公司面臨的挑戰(zhàn)。要真正實(shí)現(xiàn)原型的量產(chǎn)，有很多具體的細(xì)節(jié)需要去考慮，包括市場和銷售?！坝⑻貭柕膬?yōu)勢并不是只在芯片本身，而是結(jié)合了產(chǎn)品、技術(shù)、生態(tài)系統(tǒng)的一個(gè)合力?！盉ansal博士說。
或許這也是在眾多公司進(jìn)軍AI芯片，眾多初創(chuàng)公司喊出在速度或性能上超越CPU多少多少倍，而英特爾Nervana神經(jīng)網(wǎng)絡(luò)專用處理器延遲發(fā)布，英特爾仍然游刃有余的一個(gè)原因。
同時(shí)，這也再次印證了AI芯片創(chuàng)業(yè)和市場開拓的艱難。中國的眾多AI芯片初創(chuàng)公司，即使擁有很好的產(chǎn)品，前路也似乎依然坎坷。
采訪中的另一個(gè)重點(diǎn)，是英特爾的定位——Bansal博士在介紹英特爾智能醫(yī)療布局時(shí)表示，英特爾要做的，是成為對(duì)客戶和合作伙伴來說，能夠?qū)崿F(xiàn)選擇最大化的一家公司。
“我們英特爾主要還是根據(jù)不同客戶的需求，在全棧的不同層級(jí)上都有相應(yīng)的能力匹配，英特爾并不認(rèn)為可以一刀切?！?/p>
這一點(diǎn)也體現(xiàn)在英特爾的AI處理器——英特爾Nervana神經(jīng)網(wǎng)絡(luò)處理器（NNP）上面。英特爾Nervana NNP是專為深度學(xué)習(xí)設(shè)計(jì)的架構(gòu)。這種新架構(gòu)的目標(biāo)是提供深度學(xué)習(xí)所需的靈活性，以支持所有深度學(xué)習(xí)元語（primitives），同時(shí)使核心硬件組件盡可能高效。
Nervana從2016年前開始規(guī)劃神經(jīng)網(wǎng)絡(luò)處理器（也即現(xiàn)在英特爾Nervana NNP），Bansal博士說，如今AI的發(fā)展符合他們的預(yù)期，雖然市面上出現(xiàn)了眾多AI芯片，但他們?nèi)匀挥凶孕臢NP能滿足當(dāng)前以及未來深度學(xué)習(xí)所需。
與谷歌、亞馬遜專門為了自己的軟件和應(yīng)用而設(shè)計(jì)的AI芯片相比，英特爾Nervana NNP可以稱得上是“大家的AI處理器”。
PC時(shí)代X86架構(gòu)一統(tǒng)天下的時(shí)代已經(jīng)過去，未來也不大可能出現(xiàn)一款A(yù)I芯片統(tǒng)領(lǐng)一切。然而，還是會(huì)有勝利者，在各個(gè)不同的垂直領(lǐng)域，分得更大的蛋糕。
以下為整理后的采訪錄音文字片。
深度學(xué)習(xí)發(fā)展保持穩(wěn)定，軟件整合是痛點(diǎn)
新智元：對(duì)于計(jì)算機(jī)體系結(jié)構(gòu)來說現(xiàn)在是一個(gè)令人激動(dòng)的新時(shí)代。得益于深度學(xué)習(xí)，AI芯片領(lǐng)域出現(xiàn)了很多新的架構(gòu)，在這些眾多新架構(gòu)里面，有英特爾沒有考慮過的嗎？考慮過但沒有繼續(xù)深入的原因是什么？
Arjun Bansal：的確現(xiàn)在有很多新的面向深度學(xué)習(xí)的架構(gòu)，英特爾在這方面有自己的Nervana神經(jīng)網(wǎng)絡(luò)處理器（NNP），NNP專為加速神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，采用標(biāo)準(zhǔn)緩存層次結(jié)構(gòu)，在片上片下都有大量存儲(chǔ)，并使用軟件來管理片上內(nèi)存，連接也使用大的帶寬，從而為深度學(xué)習(xí)模型實(shí)現(xiàn)更快的訓(xùn)練時(shí)間。另外比如說Movidius架構(gòu)，用于要求低功耗和邊緣計(jì)算應(yīng)用，它和X86非常不一樣，能夠用在AR相機(jī)或無人機(jī)上進(jìn)行視頻分析。英特爾還收購了Mobileye公司，它的能力主要是在汽車領(lǐng)域。還有FPGA，很靈活，實(shí)際上有很多自動(dòng)駕駛公司使用FPGA，因?yàn)樗惴ê湍Ｐ驮诓粩嘌葑?。還有一種是集成GPU，很多產(chǎn)品比如筆記本，都已經(jīng)使用，可以用于語音識(shí)別、圖像識(shí)別等任務(wù)?，F(xiàn)在市面上有很多新的想法，英特爾不會(huì)輕易追隨，但是我們會(huì)仔細(xì)地觀察每一個(gè)新的想法。
新智元：設(shè)計(jì)芯片需要對(duì)技術(shù)的發(fā)展進(jìn)行預(yù)判。Nervana在2016年之前就考慮做神經(jīng)網(wǎng)絡(luò)加速器，現(xiàn)在看AI技術(shù)發(fā)展是否符合你們當(dāng)初的預(yù)期？
Arjun Bansal：設(shè)計(jì)處理器的目的是優(yōu)化深度學(xué)習(xí)的元語（primitives），而我們看深度學(xué)習(xí)中進(jìn)行的計(jì)算，主要是卷積、密集矩陣乘積、elementwise operations、非線性等等，過去三四年里，這些primitives基本保持穩(wěn)定，沒有超出我們當(dāng)時(shí)的預(yù)期，未來三到四年也將繼續(xù)如此。因此，我們?nèi)匀缓苡心芰M足當(dāng)前和今后神經(jīng)網(wǎng)絡(luò)計(jì)算所需。在編譯器方面，我們有nGraph，能夠讓開發(fā)人員比較簡單易行地從事相關(guān)的開發(fā)，可以運(yùn)行在英特爾至強(qiáng)可擴(kuò)展處理器上。
新智元：剛才您提到nGraph，去年Facebook、亞馬遜等聯(lián)合發(fā)布了ONNX，同樣作為深度學(xué)習(xí)的中間表示，現(xiàn)在已經(jīng)獲得相當(dāng)大的受眾和競爭力。nGraph如何與ONNX以及其他類似的IR競爭？您如何看未來深度學(xué)習(xí)軟件整合的發(fā)展？
Arjun Bansal：我們與ONNX并不是直接競爭關(guān)系，英特爾也是ONNX聯(lián)盟的一分子，也參與一些標(biāo)準(zhǔn)界定工作，nGraph也支持ONNX中間表示（IR），nGraph有編譯器和執(zhí)行器，可以在CPU上實(shí)現(xiàn)，可以在NNP上實(shí)現(xiàn)，也可以在GPU上實(shí)現(xiàn)，支持不同的框架。目前nGraph的IR只支持推理，因此很顯然我們還需要能夠支持訓(xùn)練的。
目前ONNX在做的和nGraph在做的更多是互補(bǔ)，我們還需要繼續(xù)工作，確保一個(gè)API或者一個(gè)中間表示能夠適用于不同的框架，這樣數(shù)據(jù)科學(xué)家就可以無縫的“開箱即用”。nGraph和ONNX都是開源的項(xiàng)目，我們也邀請(qǐng)其他感興趣的方面可以一起參與到我們的合作中。我們的重點(diǎn)就在于把研究開發(fā)的成果盡早、盡快的體現(xiàn)在具體的產(chǎn)品當(dāng)中。目前的一個(gè)技術(shù)難點(diǎn)是在模型研究、數(shù)據(jù)中心部署、邊緣計(jì)算方面有很多不同的方法，但是這些方法之間彼此切換并不容易，這是英特爾想要解決的一個(gè)痛點(diǎn)。
單靠芯片并不能贏得市場，創(chuàng)業(yè)公司難以撬動(dòng)既有生態(tài)
新智元：英特爾Nervana神經(jīng)網(wǎng)絡(luò)處理器是業(yè)界非常關(guān)注的一款處理器產(chǎn)品，但一直沒有發(fā)布。與此同時(shí)，以谷歌TPU為代表，各種AI芯片產(chǎn)品問世，今年很多AI芯片創(chuàng)業(yè)公司也都發(fā)布產(chǎn)品，沖擊市場。這種情況下您是否感到有壓力？
Arjun Bansal：我不會(huì)用“壓力”這個(gè)詞，我覺得現(xiàn)在正是進(jìn)入市場一個(gè)非常有趣的時(shí)間點(diǎn)。把一個(gè)產(chǎn)品帶入市場是非常復(fù)雜的過程，我們的信心來自于英特爾在制造的能力、算法和模型的能力，并且和客戶已有的pipeline、工具鏈進(jìn)行集成的能力。英特爾有自己專業(yè)的技術(shù)，但更重要的是我們和現(xiàn)有的整個(gè)生態(tài)系統(tǒng)的配合非常好，比如不同的用戶對(duì)于功耗、對(duì)于尺寸、對(duì)于形態(tài)都會(huì)有自己的想法和考慮，英特爾在這方面有很豐富和專業(yè)的經(jīng)驗(yàn)。
作為Nervana的聯(lián)合創(chuàng)始人之一，我非常了解初創(chuàng)芯片公司面臨的挑戰(zhàn)。要真正實(shí)現(xiàn)原型的量產(chǎn)，實(shí)際上是有很多具體的細(xì)節(jié)需要去考慮，包括市場和銷售。現(xiàn)在加入英特爾，我們能有效利用英特爾和整個(gè)生態(tài)系統(tǒng)不同的相關(guān)方之間的關(guān)系。我們的優(yōu)勢并不是只在芯片本身，而是結(jié)合了產(chǎn)品、技術(shù)、生態(tài)系統(tǒng)的一個(gè)合力。
新智元：基礎(chǔ)算法發(fā)展會(huì)給行業(yè)帶來很多不確定性，五年以后可能算法全都變了，英特爾為此做了哪些準(zhǔn)備？
Arjun Bansal：我們做了大量的研究工作，密切關(guān)注追蹤這些趨勢的發(fā)展。英特爾有自己的研究院，還有專門的AI部門，也在做大量工作。我們會(huì)關(guān)注業(yè)界最新發(fā)布的成果，我們和學(xué)界，包括面向整個(gè)產(chǎn)業(yè)，服務(wù)于整個(gè)產(chǎn)業(yè)的研究機(jī)構(gòu)之間都有配合，看看能夠怎么比較好的把研究成果和我們的硬件匹配起來。在研究和硬件開發(fā)之間我們有非常緊密的配合，不會(huì)說市場突然出現(xiàn)一個(gè)東西，忽然讓我們大吃一驚，這種情況不會(huì)出現(xiàn)。
未來四五年的重點(diǎn)是將AI能力變?yōu)楫a(chǎn)品原型
新智元：您怎么看未來算法的發(fā)展？有什么值得關(guān)注的趨勢？
Arjun Bansal：現(xiàn)在推動(dòng)AI發(fā)展的主導(dǎo)力量是監(jiān)督學(xué)習(xí)，需要大量帶標(biāo)簽的數(shù)據(jù)集。未來值得關(guān)注的方向是無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)，其中有的會(huì)不需要那么多數(shù)據(jù)但需要更多計(jì)算，還有的則需要在模擬和計(jì)算之間有新的動(dòng)態(tài)，從硬件的角度看，這些都是值得關(guān)注的趨勢。從AI研究的角度，則是如何讓AI技術(shù)賦能產(chǎn)品。所以未來四五年的重點(diǎn)，是將這些AI能力變?yōu)楫a(chǎn)品原型，比如將語音識(shí)別或圖像識(shí)別模型融入pipeline，為各行各業(yè)帶來能力。再遠(yuǎn)一點(diǎn)，則是構(gòu)建能夠綜合語音、圖像等能力的系統(tǒng)，結(jié)合強(qiáng)化學(xué)習(xí)，甚至類腦計(jì)算系統(tǒng)，得到更加有常識(shí)的機(jī)器。
新智元：硬件團(tuán)隊(duì)最該過硬的是軟件部門。作為軟件部門負(fù)責(zé)人，你們?cè)谡惺杖瞬艜r(shí)有怎樣的標(biāo)準(zhǔn)？如何吸引人才？
Arjun Bansal：對(duì)外界來說“軟件”只是一個(gè)詞，實(shí)際上軟件可以細(xì)分到四五個(gè)層級(jí)，在比較低的層級(jí)上，比如說驅(qū)動(dòng)、固件、系統(tǒng)級(jí)的軟件，在此之上是優(yōu)化層，這里面可以用到NNP，這之上是編譯器，比如NGraph，還要確保它們能夠在框架當(dāng)中正常運(yùn)行，各家都有自己的框架，比如TensorFlow、BigDL，在系統(tǒng)編譯器方面我們能夠?yàn)閿?shù)據(jù)科學(xué)家提供他們所需要的編譯器。在上述幾個(gè)領(lǐng)域我們都要招募人才。
英特爾對(duì)產(chǎn)業(yè)有很大影響力，基本上你走到世界上任何一個(gè)屋子里都能找到一個(gè)用到英特爾的東西，從這一點(diǎn)上說，我們對(duì)人才還是很有吸引力的。在AI方面，實(shí)際上英特爾做了很多工作，也有很多的部署，雖然并不是家喻戶曉，但從事這一行的人還是知道的，英特爾對(duì)于AI的影響還是非常大。所以我們能夠吸引到人才。
新智元：那這些人都從哪里來？
Arjun Bansal：各方各面都有。在數(shù)據(jù)科學(xué)家方面，我們關(guān)注Kaggle專業(yè)類競賽，也會(huì)招收神經(jīng)科學(xué)、物理學(xué)博士，在硬件還有系統(tǒng)級(jí)方面，英特爾現(xiàn)有人才已經(jīng)非常豐富了。
英特爾的定位：實(shí)現(xiàn)選擇最大化
新智元：英特爾與許多醫(yī)療相關(guān)的企業(yè)和研究機(jī)構(gòu)合作，在選擇合作伙伴和項(xiàng)目方面的標(biāo)準(zhǔn)是什么？
Arjun Bansal：英特爾在智能醫(yī)療領(lǐng)域的合作伙伴，比如說生物技術(shù)公司、醫(yī)院還有醫(yī)藥公司，很多都是我們既有的客戶，他們已經(jīng)大量使用英特爾的計(jì)算和存儲(chǔ)產(chǎn)品。我們和這些既有的合作伙伴一起，在新的AI領(lǐng)域當(dāng)中合作。有一些合作方可能沒有自己的數(shù)據(jù)科學(xué)家資源，我們會(huì)為他們提供相應(yīng)的能力，有一些合作方有自己的數(shù)據(jù)科學(xué)家資源，我們英特爾幫他們做的主要是對(duì)模型進(jìn)一步優(yōu)化，比如軟件或者芯片。因?yàn)槲覀兡軌蛱峁┤珬Ｊ浇鉀Q方案，所以具體的合作取決于合作方的需求和他們內(nèi)部的能力，比如需要獲得診斷能力的醫(yī)院，我們會(huì)按照他們需要的方式，將技術(shù)或者原型投入到主流的實(shí)際產(chǎn)品當(dāng)中去。
新智元：英特爾對(duì)于精準(zhǔn)醫(yī)療的生態(tài)有怎樣的設(shè)想和布局？最先落地的或者說目前成果最多的是哪方面的應(yīng)用？
Arjun Bansal：我們密切關(guān)注著這個(gè)市場的變化，精準(zhǔn)醫(yī)療需要大量的技術(shù)支撐，所以算法和模型會(huì)很關(guān)鍵。我們有和數(shù)據(jù)收集和分析有關(guān)的項(xiàng)目，也有針對(duì)個(gè)人用戶的核磁共振和CT掃描的解決方案，還有對(duì)系統(tǒng)收集和觀察到的東西進(jìn)行分析的能力。我們?cè)谥悄茚t(yī)療上大力投入，但我們的工作目標(biāo)并不是生產(chǎn)面向最終消費(fèi)者的產(chǎn)品，而是與合作伙伴，包括獨(dú)立軟件開發(fā)商共同合作。英特爾擁有端到端的、業(yè)界領(lǐng)先的人工智能全棧解決方案，我們會(huì)與合作方配合，針對(duì)不同的使用目的，提供特定的解決方案。
我認(rèn)為落地比較快的是CPU方面的成果。從數(shù)據(jù)科學(xué)家角度來說，第一步還是從CPU開始的。再下一步要看具體的情況，比如說對(duì)于計(jì)算能力的要求、對(duì)于數(shù)據(jù)分析能力的要求、對(duì)于延時(shí)的要求、對(duì)于速度的要求、對(duì)于內(nèi)存規(guī)模的要求，不同的要求會(huì)有不同的解決方案，這取決于最終的用途到底是什么。所以，英特爾的優(yōu)勢是在于我們提供選擇的空間，你可以根據(jù)自己的實(shí)際需要來選擇，是使用FPGA還是CPU還是NNP（神經(jīng)網(wǎng)絡(luò)處理器）。
至于應(yīng)用，在輔助醫(yī)生閱片方面，我們與浙江醫(yī)院合作，已經(jīng)有實(shí)際部署，病人已經(jīng)在使用了。算法有一定的能力，準(zhǔn)確度也在不斷提高，但是仍然處在將原型帶到這個(gè)市場變成實(shí)際產(chǎn)品的過程當(dāng)中。在這個(gè)過程當(dāng)中，還是要針對(duì)不同的用途，面向不同的挑戰(zhàn)來進(jìn)行處理。比如說有一些我們的合作方或者客戶，它面臨的是政府監(jiān)管的挑戰(zhàn)，還有一些是社會(huì)認(rèn)知上的誤解，覺得這些新技術(shù)的采用會(huì)讓很多人失去飯碗。還有一些人比較關(guān)注個(gè)人隱私，數(shù)據(jù)會(huì)不會(huì)被泄露。所以還是要看不同用途、不同挑戰(zhàn)，根據(jù)合作伙伴的實(shí)際需要相應(yīng)的加以處理。在中國和印度這種人口很多，但相對(duì)來說醫(yī)生數(shù)量又不夠的國家，相應(yīng)的部署速度還是非?？斓?。
新智元：現(xiàn)在醫(yī)療領(lǐng)域很大一部分?jǐn)?shù)據(jù)是圖像數(shù)據(jù)，而說到影像處理，GPU有天然的優(yōu)勢，英偉達(dá)也在智能醫(yī)療領(lǐng)域大量投入，建立了生態(tài)。與之相比，英特爾的特點(diǎn)和優(yōu)勢在哪里？
Arjun Bansal：前面我提到英特爾與浙江醫(yī)院的合作，甲狀腺檢測，就是處理醫(yī)療影像。另外我們與GE醫(yī)療合作，主要是做CT掃描，還有合作方做核磁共振，以及做腫瘤檢測、人體器官掃描分析，這些都涉及圖像處理。實(shí)際上現(xiàn)在在醫(yī)學(xué)影像方面，我們做得還是不錯(cuò)的，也有實(shí)際客戶在使用。醫(yī)學(xué)影像一個(gè)很大的挑戰(zhàn)，就是需要在內(nèi)存里面放大量的數(shù)據(jù)組，這意味著要實(shí)現(xiàn)深度學(xué)習(xí)的能力，需要占用很大的字節(jié)空間，而CPU在處理大量數(shù)據(jù)的時(shí)候，精度是比GPU更高的。在自然語言處理和字節(jié)空間上我們有一定的技術(shù)優(yōu)勢，這也是我們接下來繼續(xù)努力的方向，就是如何把大規(guī)模的數(shù)據(jù)放在內(nèi)存里面。然后在此基礎(chǔ)上，還要有空間去訓(xùn)練模型，這也是英特爾可以做的。
總之，對(duì)客戶也好、對(duì)供應(yīng)商也好、對(duì)伙伴也好，我們是可以實(shí)現(xiàn)選擇最大化的那一家公司。
聯(lián)系客服
