英特尔的数据中心首席谈论没有GPU的机器学习

如果你想在Diane Bryant的皮肤下，请问她关于GPU。

本周英特尔数据中心集团的负责人在台北的Computex，部分是为了解释公司最新的Xeon Phi处理器如何适合机器学习。

机器学习是谷歌和Facebook火车软件这样的过程，以便在执行包括计算机视觉和理解自然语言的AI任务中获得更好的服务。改善各种在线服务的关键：谷歌最近说它重新思考在机器学习周围它做的一切。

它需要大量的计算能力，Bryant表示，六个月前发布的英特尔新的“Knight”Xeon Phi的72个核心和强大的浮点性能，使其成为每美元比例出色的优异性能训练机学习算法。

“这是一个很大的机会，将有一个曲棍球棒，每个企业都会使用机器学习，”她在接受采访时说。

英特尔的挑战是，目前最广泛用于机器学习的处理器是来自NVIDIA和AMD的GPU。

“我不知道任何超级七都是使用Xeon Phi培训他们的神经网络，”行业分析师Patrick Moorhead，探索和战略，参考驾驶机学习的七大公司 - 谷歌，Facebook ，亚马逊，微软，阿里巴巴，百度和腾讯。

在被问到英特尔在没有GPU的情况下，英特尔如何在这个市场上竞争时，谁是非常有理由的。她说，通用GPU或GPGPU是另一种类型的加速器，而不是一个独特地适合机器学习的加速器。

“我们将骑士登陆作为协处理器，但这是一个浮点作业的加速器，这就是一个GPGPU也是如此，”她说。

她承认，当多年前，当它在几年前将其GPU定位时，NVIDIA在市场上获得了高度绩效计算（HPC）工作负载。但是，自2014年第一个Xeon Phi发布以来，她说，英特尔现在拥有33％的市场，用于使用浮点加速器的HPC工作负载。

“所以我们赢得了对抗NVIDIA的份额，我们将继续赢得股票，”她说。

英特尔的机器学习业务的份额可能要小得多，但科比很快就注意到市场仍然年轻。

“去年运输的所有服务器中不到1％的人被应用于机器学习，所以听到[NVIDIA]在一个几乎不存在的市场中击败我们，但让我有点疯狂，”她说。

仍然，1％的全球服务器市场并不琐碎，而英特尔将继续发展Xeon Phi，以便在机器学习任务中更好地使其更好。

它并非没有客户在该地区，尽管它可以指向家喻户晓的名字。Bryant提到的Viscovery，它正在使用骑士登陆到培训视频搜索算法。

机器学习有两个方面，她注意到：培训算法模型，这是最具计算密集型部分，并将这些模型应用于前端应用中的现实世界，通常被称为推理。

从其Altera收购中获得的英特尔的FPGA与其普通Xeon处理器相结合，非常适合推断部分，所以英特尔覆盖了等式的两侧。

尽管如此，它可能很难在超奇公司中取代GPU - 更不用说谷歌的TPU，或张力加工单元，这是公司专门用于机器学习的芯片。

Moorhead说，Nvidia的GPU更难以与程序员合作，可以在英特尔的青睐中，特别是正常业务开始采用机器学习。和骑士着陆是“自我启动”，这意味着客户不需要将它与常规Xeon配对，以启动操作系统。

但英特尔最新的Xeon Phi具有浮点性能约为3 Teraflops，而Moorhead表示，与NVIDIA新的GP100的超过5次TEROPS相比。

“你可以坐落在骑士登陆的浮点数，并有一些看起来像GPU的东西，但这并不是现在是它的东西，”他说。

仍然，英特尔是持久的，它决定成功。“我们将继续推进产品线，我们将继续分享，”布莱恩特说。