人工智能的最大误区，图形处理器居然这么重要！

据国外媒体报道，人工智能是科技行业的下一个重大领域。大数据和物联网的发展促使从IBM到Facebook在内的科技巨头开发人工智能技术，利用未来物联网设备收集的海量数据。IBM称之为认知计算，Facebook和谷歌称之为机器学习或人工智能。

在对人工智能技术的讨论中，有一点被忽略了，那就是它运行的硬件。例如，最适合运行谷歌TensorFlow人工智能软件的不是英特尔X86芯片，而是图形处理器，英伟达是一家主要的图形处理器供应商。

英伟达周二新发布了两款图形加速器，帮助Facebook、百度和谷歌等公司开发新的深度学习模式，并在无需大规模服务器农场的情况下部署这些模式。这两款芯片，以及配套的软件工具，是半导体行业开发能完成人工智能任务芯片努力的一部分。

英伟达的两款芯片中包含Tesla M40，能为研究人员“训练”他们的神经网络提供强大的处理能力;另外一款被称作Tesla M4的芯片处理能力稍弱，面向谷歌、Facebook或亚马逊等公司使用的服务器。

人工智能技术需要图形处理器而非传统英特尔芯片的原因是，图形处理器更适合处理并行任务。一个图形处理器集成有数百个不同的运算内核，英特尔至强芯片集成有至多18个内核。训练神经网络要求大量更简单和重复性的步骤，更适合在图形处理器上运行。

今年早些时候，Facebook人工智能研究主管雅恩·乐坤解释称，在训练神经网络方面，图形处理器是更合适的芯片，但表示仍然面临一些挑战。例如，由于管理软件功能不够强大，在一个神经网络上配置多个图形处理器仍然相当困难。英伟达开发的新软件工具能把多块显卡捆绑在一起，帮助乐坤等研究人员解决了难题。

但是，英伟达并非是开发人工智能芯片和软件工具的唯一一家公司。例如，IBM的沃森(Watson)最初在自家的PowerPC芯片上运行，但也可以运行在SoftLayer的云计算环境中，SoftLayer采用基于X86和图形处理器的服务器。IBM还公布了新的PowerPC特性，能更好地满足人工智能研究人员的需求。

IBM和高通还在考虑把人工智能技术移植到智能手机。高通提出了Zeroth技术，在一个芯片上运行神经网络，例如利用手机中的数字信号处理器提供图像识别功能。

IBM的战略听起来更具野心。IBM希望开发一款模拟人脑功能的芯片，能在智能手机上完成人工智能任务。它以人脑为模型，因为人脑是迄今为止我们已知的效率最高的计算机，能耗仅为20瓦。相比之下，英伟达新款低配版图形处理器的能耗为50-75瓦。

IBM、英伟达、高通，甚至美光都投资开发人工智能和深度学习芯片，英特尔没有什么动作?英特尔上个月收购人工智能创业公司Saffron引起轩然大波，但总体而言它很少公开讨论在深度学习方面的努力。英特尔8月份曾表示，它可以综合利用Altera的可编程芯片和至强芯片运行专用算法，例如用于训练神经网络的算法。

鉴于芯片技术的进步通常需要数年时间的孕育，相对的沉默意味着麻烦。英特尔的新技术通常能给人们带来惊喜，但在芯片社区中，缺乏深度学习产品被认为是英特尔产品线的一大空白。半导体研究公司Tirias Research首席分析师吉姆·麦克格雷格说，“在芯片产业，厂商必须提前2-4年规划新产品，因此必须提前判断哪些是关键应用。英特尔错过了手机，不想再错过人工智能。”