【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔( 二 )



【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔
本文插图

2017 年 11 月 8 日:来自 AMD 的 Raja Koduri 空降英特尔并担任资深副总裁 , 宣示打算「砍掉重练」整个绘图技术 , 抛弃对 x86 指令集相容性的执念 , 从头到尾打造货真价实 GPGPU , 2019 年 3 月公布 GPU 架构的称呼「Xe」和一个让人摸不着头绪、看起来很像「在所有硬体平台包含 FPGA 都能跑的 OpenCL」的「软件堆叠」OneAPI , 就是最后的解答 。

【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔
本文插图

2018 年 5 月 Google I/O:Google 再接再厉 , 发表整体性能和规格是前代两倍的第三代 TPU , 不过依然还是 Google 自研自用就是了 。
【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔
本文插图

2018 年 7 月 23 日:从 Larrabee 开始挣扎超过十年 , 英特尔总算完全放弃「超级多核心 x86 处理器绝对无所不能」的南柯大梦 , 宣布放弃 Xeon Phi 产品线 。 有趣的是 , 停产通知提到「市场对产品的需求已转移到其他英特尔产品」 , 但这些产品并不存在于英特尔产品线 , 没有任何产品提供类似 Xeon Phi 的性能和功能 , 这些需求「转移」到 nVidia 的机率可能还高一点 。
笔者 2017 年底就预期 Xeon Phi 的处境非常危险 , 「x86 义和团」的最后碉堡即将失守 , 不幸一语成谶 , 早知就去买彩票了 。

【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔
本文插图

2018 年 7 月 26 日:Google 发表适用物联网、「可以在消耗极少资源和能源的情况下提供绝佳效能 , 因此能够在边缘部署高精确度 AI」的边缘推论用 TPU , 这也让 Google TPU 踏出自家资料中心 , 与一群盘据半导体市场已久的豺狼虎豹捉对厮杀 。

【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔
本文插图

【【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔】2018 年 8 月:nVidia 发表采用 Xavier 系统单芯片的 Jetson Xavier , 同时应用于边缘 AI 运算及自动驾驶系统 。

【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔
本文插图

2018 年 9 月 20 日:采用台积电 12 纳米制程的 Turing , 融合两者之长 , 结束了短暂的「消费型」(Pascal)和「专业型」(Volta)分立局面 , Tensor Core 增加了新 INT8 和 INT4 精度模式 , FP16 半精度能完整支持经常用到的矩阵融合乘加(FMA)运算 。

【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔
本文插图

此外 , Tensor Core 也不再只是「限定专业应用」 , 可用来执行消除混叠的深度学习程式(深度学习超级采样 , DLSS) , 利用先前向执行 Neural Graphics Framework 的超级电脑 , 喂食游戏画面进行训练神经网络的学习成果 , 渲染出接近 64 倍取样的画面滤镜 , 再套用回玩家的游戏画面 , 柔化画面锯齿边缘 。

【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔
本文插图

2019 年 1 月 7 日:AMD 发表采用台积电 7 纳米制程的 Vega , 芯片大幅缩小 , 性能大幅提升 , 然后我们现在也知道为何 AMD 初代 7 纳米制程 APU 的绘图核心还是 Vega , 不是更新一代的 Navi 了 。

【数码狂人】在人工智能芯片战场追逐 GPU 背影的英特尔
本文插图


推荐阅读