百度 Intel 联手打造新一代 Nervana NNP 芯片，性能提升 3 到 4 倍

记者消息，在 7 月 3 日举行的百度 AI 开发者大会上，百度发布了鸿鹄芯片以及多个智能音箱新品，宣布与华为麒麟合作，智能小程序也进入新连接。（详见记者此前报道）

英特尔副总裁兼人工智能产品事业部总经理 Naveen Rao 也出席现场为百度打 Call，并宣布了与百度在 AI 方面的重磅合作——结合自家的专业知识，共同打造用于训练 AI 的 Nervana 神经网络处理器（NNP，Neural Network Processor）。

英特尔表示，这款与百度合作开发的处理器简称 NNP-T，代号为“Spring Crest”；它的开发意味着 AI 模型硬件的发展进入“新阶段”，因为它可以加速大规模分布式训练；它还对图像识别进行了优化，删去了标准的快取阶层（cache hierarchy），片上存储器（on-chip memeory）直接由软件管理。

据 VentureBeat 报道，NNP-T 有 24 个计算集群，32GB 的高频宽存储器（HBM2）和本地 SRAM，因此，这款即将推出的处理器在 AI 训练方面比同类产品要强上最多 10 倍，比英特尔推出的首款 Nervana NNP 芯片 NNP-L 1000（代号 Lake Crest）的性能强 3-4 倍。（记者按：2016 年，英特尔收购人工智能公司 Nervana，2017 年，英特尔推出专为机器学习设计的 Nervana NNP 系列芯片）

不过，英特尔也发表了声明，AI 并非单一的工作负载，而是一种广泛的、能够强化所有手机上或者是大数据中心内的应用性能的强大能力；然而，不同的应用对性能和功耗有着不同的要求，因此单一的 AI 硬件无法满足一切需求。

在 AI 方面，英特尔认为不仅要提供优越的硬件选择，还要通过软件来最大化释放硬件的性能，从而帮助客户自如地运行 AI 应用，无论数据多么复杂。而英特尔选择与百度密切合作，则能够确保英特尔开发部门始终紧跟客户对训练硬件的最新需求。

Naveen Rao 表示，

未来几年，人工智能模型的复杂性将会激增，对大规模深度学习计算的需求也会激增。英特尔和百度正专注于自己长达十年的合作，建立全新的硬件，支持软件协同设计，这将随着不断变幻的现实情况而发展。我们称之为 AI 2.0。

记者了解到，近年来，英特尔与百度已经共同创建了许多基于 AI 应用的解决方案。

自 2016 年以来，英特尔就一直为百度 PaddlePaddle 深度学习框架而优化 Xeon Scalable processor，今后，NNP-T 的优化也将专注于 PaddlePaddle 的应用，专注于神经网络的分布式训练，以完成其他类型的 AI 应用。

Constellation 研究公司的首席分析师兼副总裁 Holger Mueller 表示，

处理器架构和平台需要针对进行优化才能发挥作用，无论是目前的还是即将推出的处理器，这就解释了英特尔与百度本次合作的重要性。

两家公司探讨了集成百度 PaddlePaddle 和英特尔 nGraph DNN（Deep Nerual Network）编译器，有了 nGraph 的助力，数据科学家只用编写一次代码就可以让自己的 DNN 模型在各个平台上有效地运行，无需做额外的调整。

百度也借助英特尔傲腾数据中心级持久内存的高性能，向数百万用户提供个性化移动内容，并通过百度 AI 推荐引擎获得更高效的客户体验。

在数据安全方面，百度和英特尔在去年推出了 MesaTEE，一个基于英特尔 SGX （Software Guard Extension，软件保护扩展技术）的 FaaS 计算框架；MesaTEE 使金融、自动驾驶和医疗等安全敏感服务能够安全地在远程平台上处理数据。

今年早些时候，百度和英特尔还推出了全新硬件产品 BIE-AI-BOX。这款产品融合了百度智能边缘技术，连接摄像头进行车内视频监控和分析。

尽管百度与英特尔长期以来都保持着紧密的合作关系，但本次两家公司联手打造 AI 加速处理器也显得十分重要，因为即便硬件的性能再强大，也需要软件的不断磨合才能最大化地发挥 AI 的优势。

总而言之，百度与英特尔各取所长，开发和优化这款加速处理器，不仅能将大规模神经网络训练的步骤化繁为简，还能在一定程度上，加速 Naveen Rao 所说的 AI 2.0 的到来。