英特尔的大鼠将采用NVIDIA的GPU和谷歌的TPU

英特尔的Chip Arsenal似乎有一些耀眼的弱点。其中一个是缺乏高端图形处理器，这对于游戏，虚拟现实和机器学习非常重要。

然而，该公司确实拥有强大的替代方案：两个怪物筹码将在机器学习和超级计算领域采取GPU和竞争对手芯片，这对公司来说很重要。

2018年，英特尔可能会发布更快，更高效的Xeon Phi，这是一个已经在世界上一些最快的计算机中使用的超级计算芯片。英特尔也在超越CPU到FPGA（现场可编程门阵列），可以在关键任务中更快。

Charles Wuischpard在英特尔数据中心集团副总裁Charles Wuischpard表示，下一个Xeon Phi将比目前的版本更快，更加多才多多数，该代码名称骑士登陆，该骑士最多可达72个核心。

Xeon Phi Chips可以作为服务器和超级计算机的主要CPU或协处理器。这使得它与GPU一样的竞争对手大型竞争对手提供了优势，它只能作为CPU与IBM，ARM，AMD或Intel等公司一起使用。

四个骑士着陆筹码本周在国际超级计算会议上宣布。骑士着陆将用于超级计算机上，如奥斯汀的德克萨斯高级计算中心的18-Petaflop Stampede 2，它将在明年上线。

FPGA和超级计算芯片很重要，因为英特尔降低了对PC的依赖，专注于数据中心，通信和事物互联网。具有讽刺意味的是，英特尔试图建立自己的全面GPU，称为Larrabee，2009年被报废，Xeon Phi作为副产品。

Wuischpard表示，超越超级普通的超级计算，Xeon Phi将扩展到需要大量马力，如机器学习，电信和互联网的数据中心工作负载。

WuischPard表示，骑士着陆已经在机器学习中进行了测试，声称它比GPU提供更好的性能。表面上，下一个Xeon Phi芯片将提供更好的机器学习性能。

Intel的Xeon E系列服务器芯片 - 最多可用于24个核心 - 已经在机器学习中使用，但Xeon Phi将成为一个更强大的替代品。目前，NVIDIA的GPU正在推动机器学习，谷歌还建立了一个名为TPU（张量处理单元）的自定义芯片，专门用于机器学习。

此外，即将到来的Xeon Phi可以与尖端存储和存储器配对，如3D XPoint，其中Intel声称比DRAM更密集10倍，比闪存存储更快，更耐用1000倍。

称为OmniPath的新互连可以提供更快的带宽和加速CPU，内存，存储和其他处理器之间的通信。

WuischPard表示，英特尔提供了一个蓝图，因此可以轻松地部署具有这些新功能的系统。

英特尔还拥有FPGA（现场可编程门阵列），它将投注的技术作为CPU的速度替代。它在去年购买了167亿美元的替代品后获得了FPGA技术。微软使用FPGA来提供更快的Bing结果，并通过百度来加速图像搜索结果。

FPGA具有重新编程的独特特征，可以采用特定的机器学习任务，如对象识别。FPGA可以模拟图形函数，而是像GPU一样多功能。FPGA限于编程到芯片中的特定应用，也已知令人忙碌的电力。

英特尔可以将FPGA插入已启动的Xeon Phi芯片。英特尔正在将FPGA与MultiChip包中的Intel Xeon Server处理器一起集成，并希望将来将其集成在处理器内。