實時人工智能技術究竟怎麼厲害法？

人工智能（Artificial Intelligence）和深度學習（Deep Learning）有望轉變人類與世界互動以及企業運作的方式，從而使人們做出更明智的決策，而英特爾技術正在實現這場變革。

全球最大的雲服務提供商之一微軟利用英特爾人工智能技術來運行複雜的深度學習模型，這些模型實現了從智能手機上的人臉識別和語音識別再到自動駕駛等等的各種應用。

微軟選擇了英特爾Stratix 10 FPGA作為其新的深度學習加速平台（代號為Project Brainwave）的關鍵硬件加速器。這種基於FPGA的深度學習加速平台可以提供“實時人工智能”技術，使雲基礎設施能夠以超低延遲來盡可能快速地處理和傳輸數據。在雲中，係統需要處理直播數據流（包括視頻，傳感器或搜索查詢）並快速將數據傳送回用戶。因此，提供實時人工智能變得越來越重要。

Stratix 10 FPGA 和 SoC FPGA

使用了英特爾14nm製程工藝

通過采用英特爾FPGA的Project Brainwave平台，微軟以“前所未有”的高性能靈活處理了極具挑戰性的深度學習模型。在2017年高效能芯片大會（Hot Chips 2017）上，微軟展示了基於FPGA的深度學習平台，和半導體技術領域中的最新成就。微軟是第一家在其公有雲基礎設施中部署FPGA的大型雲服務提供商，而其通過英特爾Stratix 10 FPGA實現的技術進步加速了深度神經網絡（DNN），這種網絡可以通過概念類似的方式複製人類大腦的“思維”。

人工智能是一個快速發展的領域，需要多種技術來有效管理各種工作負載的需求。英特爾提供廣泛的技術以推動市場演進，包括英特爾至強處理器，英特爾FPGA和英特爾Nervana ASIC技術。

相比於為運行單個工作負載而優化的專用深度學習硬件加速器，英特爾FPGA的高度靈活性讓用戶可以自定義硬件以滿足特定的工作負載需求，並可以隨著深度學習工作負載和使用模式的更改而快速地重新配置硬件。英特爾Stratix 10 FPGA結合了硬化處理器模塊，這種模塊可提供高水平的持續性能和效率，並可根據用戶的自定義來靈活的編程。

許多矽人工智能加速器目前需要將多個請求分組（稱為“批處理”）以實現高性能。微軟的Project Brainwave平台利用英特爾Stratix 10技術，在單個請求上展示了超過每秒39萬億次浮點運算的性能，在雲中確立了實時人工智能計算的新標準。Stratix 10 FPGA為實時人工智能計算確立了新的雲性能標準，具有創紀錄性的低延遲、高性能以及無需批量處理人工智能請求的多種特點。

微軟研究院NexT的著名工程師Doug Burger說：“我們利用英特爾FPGA的高度靈活性快速整合創新，同時提供與許多基於ASIC的深度學習處理單元相當或更高的性能。微軟正努力在Azure雲中部署Project Brainwave，以便客戶最終能夠以創紀錄式的高性能運行複雜的深度學習模型。”

通過加速模型訓練、快速評分和高度可擴展的基礎設施，基於英特爾技術的機器學習平台將數據轉化為可操作的商業智能。結合最新的英特爾至強可擴展處理器，英特爾FPGA可自定義和編程以提供低延遲和靈活的精度，與單獨的英特爾至強處理器相比，在深度學習推理方麵每瓦特功耗具有更高的性能。