自研芯片难闯天涯 百度获英特尔加持共同开发AI处理器

既然已经拥有多款自研AI芯片，百度为什么还要与英特尔合作共同开发Nervana神经网络训练处理器（NNP-T）呢？

自研AI芯片并不代表完全“自给自足”

百度已经发布了云端和终端的AI芯片，最新发布的鸿鹄是远场语音交互芯片，核心能力是远场阵列信号实时处理，高精度超低误报语音唤醒，离线语音识别。根据百度的说法，这款芯片根据车规级标准打造，将为车载语音交互、智能家具等场景带来巨大的便利。与鸿鹄面向终端不同，昆仑是云端AI芯片，包含训练芯片昆仑818-300，推理芯片昆仑818-100，将面向智能汽车、智能设备，语音图像等场景。

可以明确，百度无论在设计云端还是终端AI芯片时，都考虑到智能汽车领域，这结合了百度在AI领域的优势，也将有助于增强百度在自动驾驶领域的优势。

但是，自动驾驶只是目前AI落地的一个重要场景，AI未来将会变得无处不在。百度自然不会将AI看作一种工作负载，局限于自动驾驶汽车或语音识别等少数场景。

因此，面对不同场景的差异化需求，需要不同的AI芯片，通过多种选择方案来满足。可以看到，无论是百度、阿里、谷歌还是亚马逊，众多的科技巨头在这一轮的AI热潮中纷纷进入AI芯片市场。科技巨头们希望通过自主研发芯片，更好地挖掘他们已经掌握的大量数据的价值，同时降低成本，最大化在一些领域的领先优势。

与此同时，对于CPU、GPU、FPGA这些已经存在并且软硬件都比较成熟的产品，科技巨头们仍然保持需求。所以，科技巨头们自主研发AI芯片并非意味着传统的芯片巨头们将会被取代，科技巨头们自研AI芯片是希望在特定领域更好发挥优势。

英特尔作为全球重要的AI芯片玩家，是如何看待这一现象？英特尔公司副总裁兼人工智能产品事业部总经理Naveen Rao接受媒体采访时表示：“众多的公司进入AI芯片市场，实际上也从侧面反映出在AI计算方面需求非常强劲和高涨。我们欢迎也乐见市场当中有多种多样不同的解决方案推出来，尤其是在未来一到两年的时间里会比较多，这是创新必然的结果。然而AI不能只靠一块芯片来提供，而是要通过多种选择方案来实现，每一种方案都要针对具体用途来量身定制。AI的未来是一个异构的世界，要依靠合作伙伴之间的深度协作产生更好的解决方案，并助力推动AI价值的全面实现。”

为什么合作开发Nervana神经网络训练处理器？

2019百度AI开发者大会上，Naveen Rao宣布，英特尔正与百度合作开发英特尔Nervana神经网络训练处理器（NNP-T）。这一合作包括全新定制化加速器，以实现极速训练深度学习模型的目的。据悉，NNP-T是一类全新开发的高效深度学习系统硬件，能够加速大规模的分散训练。

Nervana是英特尔三年前收购的一家深度学习初创公司，CES 2019英特尔发布首款Nervana 系列神经网络处理器NNP-I，适用于企业级高负载推理任务的加速，英特尔计划在2019年投入生产。英特尔当时也透露，Facebook 为其 NNP-I芯片的开发合作伙伴。

新款NNP-T，英特尔也选择了多年的重要合作伙伴百度。这是为什么？**我们从NNP-T的合作开发中及双方的工作中寻找答案。**Naveen Rao表示: “在与百度合作开发NNP-T时，英特尔的主要贡献是提供全新的面向神经网络处理的架构。并且，我们在软件方面有所建树，使得整个生态系统相关方合作伙伴可以在我们的架构之上开展他们的工作。在合作中百度主要是提供实际使用和训练的反馈，包括他们在服务顾客时得到的反馈。”

Naveen Rao进一步表示：“通常人们会觉得我们不过是在做一个神经网络计算的事情而已，但实际上我们的合作内容绝不仅仅只局限于神经网络计算。除了计算本身，还要考虑到我们提供的解决方案的可服务性、有效性，包括宏观标准，使得后续的解决方案可以横向和纵向的加以拓展。另外，我们还会对具体出现的问题进行严密的监控，比如连接有没有问题，哪一块芯片会不会出问题等等。”

由此可以看出，Nervana系列是专用神经网络处理器，针对特定的算法和领域能实现最佳的能效比，发挥最大的价值。这也就能解释为什么每个Nervana系列处理器的推出都有对应的合作开发合作伙伴。

当然，这种合作能够实现双赢。英特尔在芯片领域有深厚的积累，与科技巨头合作开发专用AI芯片不仅能够增强其在AI时代的竞争力，还能更了解客户的需求。对于合作开发专用AI芯片的科技巨头而言，与英特尔的合作能够降低他们开发AI芯片的难度，借助合作，具有定制化意义的芯片也能更快速、更好地满足科技巨头们的部分AI需求。

AI芯片竞争未来如何？

AI芯片的需求多样，传统芯片巨头和科技巨头们的关系也会变为合作竞争。但AI时代软硬一体的重要性愈发突显，这也会是未来竞争的关键之一。**Naveen Rao透露，目前他的工作中和软件有关的部分会占六到七成，以后可能会更多。**

“对于英特尔来说之所以会逐渐加强在软件方面的投入，也是注意到异构计算的新趋势。以前的x86架构，微软会开发一个操作系统跑在x86架构之上。但异构计算出现后，情况就发生了变化，我们往往需要自己去建那个层，所以最后会有个问题：到底谁是管理软件呢？这个东西都很难界定。现在英特尔本身也是非常积极的参与到一些开发者社区的工作当中，为开发者提供能力让他们去从事开发工作，当然开发是在我们的硬件基础之上。”Nveen Rao表示。

因此，AI时代芯片的竞争将需要更多元化的创新，包括异构计算，以及软硬协同。量子计算、神经拟态计算、硅光计算这些都是未来计算的方向。在前沿计算方面芯片巨头们具有优势，早在2017年，英特尔就推出了自学习神经芯片Loihi。去年6月，英特尔称研究人员正在测试一种微小的新型“自旋量子位”芯片，这款芯片比铅笔的橡皮擦还小，是目前英特尔最小的量子计算芯片。

还值得一提的是，软件和硬件集中到一个在更多技术的加持下能够得到进一步增强的AI平台上，比如借助英特尔傲腾数据中心级持久内存提供的更高内存性能，百度能够通过其Feed Stream（信息流）服务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。

此外，鉴于数据安全对于用户极其重要，英特尔还与百度共同致力于打造基于英特尔软件保护扩展（SGX）技术的MesaTEE——内存安全功能即服务（FaaS）计算框架。

小结

AI的需求吸引了科技巨头们争相进入AI芯片市场，不过他们的进入并不意味着传统芯片巨头将被替代，因为AI的需求是多样的，需要不同AI芯片和有针对性的方案满足需求。并且，科技巨头们进入这一市场并不意味着最终的成功，除了芯片行业本身长周期、高投入、需要大量专业人才的特点，软件、生态等很多细小的因素都决定着其成败。因此，虽然在特定领域多了竞争的关系，但是未来科技巨头与传统芯片公司依旧会保持合作共赢。