英特尔 NNP 芯片家族迎来新成员，面向推理及应用的新品已正式商用

在今年 7 月，InfoQ 曾对英特尔公司副总裁兼人工智能产品事业部总经理 Naveen Rao 进行过一次专访，在采访中，Naveen 透露面向训练及推理的 NNP 系列产品会在年底发布。经过四个月的等待，我们迎来了这两款新品。

2019 年 11 月 12 日，2019 英特尔人工智能峰会在美国旧金山召开。会上英特尔展示了一系列新产品进展，包括 Nervana 神经网络处理器 NNP 系列新品：面向训练的 NNP-T1000 和面向推理的 NNP-I1000，以及下一代 Movidius Myriad 视觉处理单元（VPU），用于边缘媒体、计算机视觉和推理应用。

NNP 家族迎来新成员

Naveen Rao 表示，新推出的英特尔 Nervana 神经网络处理器现已投入生产并完成客户交付，是系统级人工智能解决方案的一部分。

英特尔 Nervana 神经网络推理处理器（Intel Nervana NNP-I），代号 Spring Hill，基于 10nm Ice Lake 处理器架构，支持所有的主流深度学习框架，在 ResNet50 上的效率可达 4.8 TOPs/W，功率范围为 10W 到 50W 之间 。具备高能效和低成本，且其外形规格灵活，非常适合在实际规模下运行高强度的多模式推理。

而英特尔 Nervana 神经网络训练处理器（Intel Nervana NNP-T）采用的是台积电 16nm 制程工艺，代号 Spring Crest，拥有 270 亿个晶体管，硅片总面积达 680 平方毫米，具有高可编程性，支持所有主流深度学习框架。据介绍，NNP-T 在计算、通信和内存之间取得了平衡，不管是对于小规模群集，还是最大规模的 pod 超级计算机，都可进行近乎线性且极具能效的扩展。

目前这两款产品面向百度、 Facebook 等前沿人工智能客户，并针对他们的人工智能处理需求进行了定制开发。

新一代 Movidius VPU

新一代的 Movidius Myriad 视觉处理单元代号为 KEEM BAY，是一个高性能、低能耗 VPU，其架构是专门为边缘定制的，主要是用作视觉和媒介媒体处理。

和上一代相比，新产品的性能提升了 10 倍，同时可以提供更高密度的、可扩展的 AI 的加速。英特尔方面表示，与竞争对手相比，KEEM BAY 的性能比 Nvidia TX2 要高 4 倍，比 ASCEND 310 快 1.25 倍；从效率上来看，KEEM BAY 要比 Xavier 高出 4 倍。

据介绍，新的英特尔 Movidius VPU 计划于 2020 年上半年上市。

其他工具发布

英特尔还发布了全新的英特尔 DevCloud for the Edge，与英特尔 Distribution of OpenVINO 工具包共同解决开发人员的主要痛点，即在购买硬件前，能够在各类英特尔处理器上尝试、部署原型和测试 AI 解决方案。OPENVINO 可以让客户来编写自己的神经网络模型，实现性能最大化，并且能够为对架构的知识不甚了解的人，提供简化的方法来实现更高的性能。

除了 OPENVINO 以外，DevCloud 也是今天发布的一大亮点。这是一款面向边缘进行优化的产品，实际上已经在六个月前推出，通过 DevCloud for the Edge，用户可以将模型在 DL Boost 深度学习加速方案里进行优化，同时获得相应的硬件的配置建议，以找到最适合的、最高效的硬件配置。

结语

身为老牌硬件大厂，英特尔的转型之路一直备受关注，随着用户对数据处理、算力的要求进一步提升，英特尔也顺应时代推出了如 NNP 系列芯片这样的产品。Naveen Rao 在演讲中说：

“在计算、内存、互联、封装等领域，每一个要素都对用户的体验和性能产生影响…随着人工智能的进一步发展，计算硬件和内存都将到达临界点。如果要在该领域继续取得巨大进展，专用型硬件必不可少。”

不难看出，专用型芯片市场仍有巨大的潜力有待挖掘，Naveen 更是大胆预测：2019 年英特尔在 AI 领域的收入能够达到 35 亿美元。但由此引发的竞争也将会是更加激烈的，英伟达、AMD 等一众芯片厂商更是不会放过这样的发展机会，未来专用芯片市场又将呈现出怎样的局势，实在令人期待。