收购Nervana,英特尔缘何看中AI市场

简介:

英特尔支持着数以万计的云和数十亿的智能互联设备。当前,云计算无处不在,计算成本延续摩尔定律的脚步也日益下降,终端连接的可用性也不断提高,这些互联设备每天都在产生数百万 TB 的数据。如何分析这些数据并从中发掘蕴藏的价值是所有人面临的最大机遇之一,而人工智能对于把握这一机遇至关重要。

尽管人工智能时常被视为奇思幻想,常常出现在科幻小说和电影中,但其实它早已应用到我们人类生活的方方面面。从语音转文本 (talk-to-text)、照片标记、欺诈检测等常见用途到精准医疗、伤害预测、自动驾驶汽车等前沿领域,它几乎无处不在。人工智能涵盖高级数据分析、计算机视觉、自然语言处理和机器学习等计算方法,它正在革新企业的运营方式以及人类与世界的互动方式。

机器学习(Machine Learning)及其分支深度学习(Deep Learning)是拓展人工智能应用领域的重要途径。如今,大多数支持机器学习工作负载的服务器都是基于英特尔至强处理器所打造,不仅如此,英特尔拥有在深度学习推理领域部署广泛的处理器--英特尔至强处理器 E5产品家族,且最近发布的第二代英特尔至强融核处理器可提供深度学习训练阶段所至关重要的高可扩展性能。

将 Nervana Systems 加入英特尔人工智能产品组合

人工智能领域的成功需要持续创新,通过优化的可扩展平台,实现以最低的总体拥有成本获得最高的性能。今天,英特尔宣布签订了收购深度学习领域公认领导企业 Nervana Systems 的最终协议。Nervana 成立于 2014 年,总部位于加利福尼亚圣迭哥,拥有为深度学习而全面优化的软件和硬件堆栈。Nervana的知识产权以及他们在加速深度学习算法方面的领先技术将极大拓展英特尔在人工智能领域的布局。英特尔将整合 Nervana 的软件专业知识以进一步优化其数学核心函数库,并帮助将其集成到行业标准框架中。Nervana 所带来强大引擎和芯片级专业技术将有助于改进英特尔的人工智能产品组合,提升英特尔至强和英特尔至强融核处理器的深度学习性能并降低它们的总体拥有成本。

 收购Nervana,英特尔缘何看中AI市场

英特尔执行副总裁兼数据中心事业部总经理柏安娜

与Nervana联合创始人Naveen Rao, Arjun Bansal, Amir Khosrowshaki

以及英特尔副总裁Jason Waxman

英特尔崇尚协作,坚信就各种新想法和观点进行交流能擦出智慧的火花。开发英特尔至强和英特尔至强融核处理器的英特尔工程师与才华横溢的 Nervana Systems 团队,是推动行业更快发展和创新的天作之合。英特尔将继续投资于领先技术,致力于补充和增强英特尔的人工智能产品组合。

在下周即将举行的英特尔信息技术峰会(IDF16)上,英特尔将分享有关人工智能及其带来的卓越体验的更多精彩。

编辑点评

近年来随着PC市场和服务器市场逐步趋于稳定,处理器的需求也趋于稳定,摩尔定律的魔力逐步消退,英特尔一直在寻找CPU之外新的增长点,人工智能就是被英特尔看好的一个新兴市场。为此,英特尔在人工智能领域不断布局。此前已经推出了PHI芯片,还以167亿美元收购FPGA厂商ALTERA。显然,英特尔并不满足于此。此次又通过收购深度学习的初创公司 Nervana Systems,期望借助Nervana在深度学习方面的技术积淀,来加强英特尔至强和至强Phi处理器的深度学习表现。英特尔在人工智能市场的连续出手,充分展示了英特尔对人工智能市场志在比得的决心,也让业界对英特尔的未来有了更多期待。


原文发布时间为:2016年8月10日

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。

相关文章
|
3月前
|
存储 算法 Sentinel
熔断降级
本内容介绍了微服务中熔断降级的实现原理及Sentinel的底层机制。通过OpenFeign集成Sentinel,利用断路器统计异常和慢请求比例,触发熔断并降级,提升系统稳定性。还讲解了Sentinel使用的限流算法,如滑动窗口、令牌桶和漏桶算法,以应对不同场景下的流量控制需求。
|
7月前
|
编解码 边缘计算 文字识别
SmolVLM:资源受限环境下的高效多模态模型研究
SmolVLM是一系列专为资源受限设备多模态模型,通过优化架构与训练策略,在图像和视频处理任务中表现出接近大型模型的性能。该系列包含三种变体:SmolVLM-256M、500M和2.2B,分别适用于极端边缘计算、中等资源设备及高端边缘系统。研究探索了视觉与语言组件间的参数分配、高效视觉信息传递机制、视频编码策略等关键技术,并在多个基准测试中展现出卓越性能。SmolVLM不仅在计算效率和内存占用上具有显著优势,还在设备端部署中表现出高吞吐量和广泛适用性,适用于智能手机、笔记本电脑以及专业领域如文档理解与生物医学视觉问答等场景。论文由Ritvik Rastogi发布,详细探讨了模型设计与实验结果。
336 3
SmolVLM:资源受限环境下的高效多模态模型研究
|
6月前
|
测试技术 定位技术
【分享】实测AiPy多模型!酒店可行性报告对比
文章来自微信公众号“蚂蚁逛高速”,作者蚁大彪。本文测试了开源工具AiPy v0.1.28集成的三大模型(阿里千问、DeepSeek、腾讯混元)在生成商业分析报告上的表现。任务是为成都天府三街的情侣酒店项目提供可行性分析。结果表明,阿里千问报告最精美且数据详实,但耗时最长;DeepSeek报告简单快速,但缺乏具体数据;腾讯混元虽尝试生成图表,但内容缺失严重。
【分享】实测AiPy多模型!酒店可行性报告对比
|
9月前
|
机器学习/深度学习 计算机视觉
RT-DETR改进策略【注意力机制篇】| WACV-2021 Triplet Attention 三重注意力模块 - 跨维度交互注意力机制优化
RT-DETR改进策略【注意力机制篇】| WACV-2021 Triplet Attention 三重注意力模块 - 跨维度交互注意力机制优化
256 1
RT-DETR改进策略【注意力机制篇】| WACV-2021 Triplet Attention 三重注意力模块 - 跨维度交互注意力机制优化
|
存储 Kubernetes 关系型数据库
KubeSphere 核心实战之一【在kubesphere平台上部署mysql】(实操篇 1/4)
KubeSphere 核心实战之一【在kubesphere平台上部署mysql】(实操篇 1/4)
1174 0
|
存储 安全 中间件
【Go语言专栏】Go语言中的安全认证与授权机制
【4月更文挑战第30天】本文探讨了Go语言中实现安全认证与授权的方法。认证机制包括HTTP Basic Auth、表单认证、OAuth和JWT,可借助`net/http`及第三方库实现。授权则通过中间件或拦截器,如RBAC、ABAC和上下文相关授权,`casbin`和`go-permission`等库提供解决方案。实践中,需设计认证流程、存储用户凭证、实现逻辑、定义授权策略和编写中间件,并确保安全性。案例分析展示了认证授权在RESTful API服务中的应用。在Go开发中,不断学习和优化安全策略以应对安全挑战至关重要。
380 0
|
Linux 程序员
mac/linux中使用windwos软件,无缝兼容
作为一个程序员,如果不能为所欲为,那么生活将毫无意义。。。。 工作原因,经常在mac,linux和windows系统间切换,保存一个通用的软件环境很重要 有个开源的工具wine,可以在mac和linux上运行exe程序 然后有人商业或封装了下,使其变的非常好用 Crossover 官网地址:https://www.
1808 0
|
Java 应用服务中间件 Maven
nested exception is java.lang.IncompatibleClassChangeError: Implementing class(已解决)
nested exception is java.lang.IncompatibleClassChangeError: Implementing class(已解决)
764 0
nested exception is java.lang.IncompatibleClassChangeError: Implementing class(已解决)
|
Android开发 容器
View 的事件分发机制
View 的事件分发机制
View 的事件分发机制
【数字IC手撕代码】Verilog边沿检测电路(上升沿,下降沿,双边沿)|题目|原理|设计|仿真
【数字IC手撕代码】Verilog边沿检测电路(上升沿,下降沿,双边沿)|题目|原理|设计|仿真
【数字IC手撕代码】Verilog边沿检测电路(上升沿,下降沿,双边沿)|题目|原理|设计|仿真
下一篇
oss云网关配置