O tom, že začíná taková menší válka v oblasti umělé inteligence, jsme vás už několikrát informovali. Vznikají nové platformy, ale také hardwarová řešení, která umožňují rychlejší a efektivnější učení a běh neuronových sítí. Technologičtí velikáni kupují menší startupy a tentokrát se jedná o samotný Intel.
Vlastní framework, pokročilý čip i cloud
Intel oznámil, že koupil poměrně malý startup Nervana Systems, který existuje pouhé dva roky a zahrnuje pouze 48 lidí. Tyto parametry ale nejsou zas tak tak důležité. Společnost totiž založil a řídí zkušený expert Naveen Rao, který dříve pracoval v Qualcommu spolu s dalšími technickými specialisty a vědci z oboru strojového učení. V průběhu zmíněných dvou let získali od investorů přibližně 28 milionů dolarů.
Akvizicí získá Intel velmi zkušený a nadějný 48členný tým, za který Intel dle odhadů zaplatil 408 milionů dolarů (Zdroj: Intel)
Společnost vyvíjí vlastní open source framework Neon, který je dle tvrzení výkonnější než konkurence v podobě Google TensorFlow, Caffe, Torch nebo Theano a pochopitelně podporuje akceleraci přes grafické karty. Důvodem vyšší rychlosti mají být optimalizace na úrovni assembleru a použití algoritmu Winograd.
Startup se ale pustil i do vývoje vlastního hardwarového čipu (ASIC) s označením Nervana Engine, který je určený přímo pro hluboké neuronové sítě a ve spojení s frameworkem Neon prý poskytuje až desetkrát vyšší výkon než grafický čip na bázi architektury Maxwell od Nvidie (minulá generace GeForce Titan X).
Nervana Engine je ASIC čip s 32 GB rychlé HBM paměti (Zdroj: Nervana Systems)
Spojení softwaru a hardwaru bylo přípravou pro Nervana Cloud, který v současnosti běží na grafikách od Nvidie, ale na příští rok je plánována implementace čipů Nervana Engine. U současného prototypu se počítalo s 28nm výrobní technologií u TSMC, výkonem v oblasti 55 teraops/s a využitím rychlých HBM pamětí s kapacitou 32 GB přímo na čipu, které poskytují propustnost 8 Tb/s.
Pro srovnání - v případě používaných GeForce Titan X od Nvidie (Maxwell, 28 nm) jde přitom jen o přibližně 20 teraops/s. Dle šéfa Nervana Systems bude finální čip asi pětkrát až šestkrát výkonnější pro využití v oblasti hlubokých neuronových sítí než aktuálně uvedená GeForce Titan X s architekturou Pascal (16 nm).
To je také hlavní rozdíl oproti grafickým čipů, které jsou mnohem obecnější a podporují práci s pohyblivou řádovou čárkou. Vzhledem k tomu, že Nvidia sama potvrdila, že umělá inteligence bude do budoucna všude kolem nás, je to pro Nvidii problém a tuší to také Intel.
Pojistka hlavně pro budoucnost Intelu
Intel se snaží udržet silnou pozici v datacentrech, protože přesně tam se tyto specializované čipy pro umělou inteligenci budou dodávat v neuvěřitelně obrovském množství. Intel sice vyvíjí vlastní univerzální výpočetní kartu Xeon Phi, ale jde spíše o podobný obecnější segment, na jaký cílí Nvidia s grafickými kartami.
Na budoucnost efektivní umělé inteligence v cloudu, která bude dostupná nejen pro interní použití jednotlivých firem a jejich služeb, ale i pro ostatní za nějaký poplatek, se připravuje i Google, který vytvořil nejen open source framework TensorFlow, ale také hardwarový procesor TPU (Tensor Processing Unit). Google u něho rovněž prezentoval, že je z pohledu výkonu a spotřeby více než desetkrát efektivnější, než cokoli aktuálního na trhu.
Akvizice Intelem dává jasný smysl a neoficiální cena 408 milionů dolarů je za tak malý tým určitě náznakem, že kvalita lidí a vyvíjených technologií je na velmi vysoké úrovni.
Intel může v tomto směru značně urychlit vývoj a poskytnout modernější výrobní technologii, která umožní nabídnout bezkonkurenční řešení. Díky tomu by si mohl i nadále udržet vysoký tržní podíl v datacentrech a pokud se mu to podaří, tak i teoreticky zvýšit na úkor Nvidie a dalších budoucích hráčů.
Je ale otázkou, jak se situace vyvine – společnosti jako Google mohou využívat výhodné spojení softwaru a hardwaru pro tvorbu zajímavějších cloudových řešení, přičemž dřívější náskok výrobní technologie Intelu už TSMC dohnalo. Oba už mají k dispozici 14nm, respektive 16nm technologii a zatím není jasné, jak rychle přijdou další fáze v podobě 10nm či ještě menší technologie.