這一年來，除了雲端服務、大數據、行動應用持續走紅以外，人工智慧（AI）無疑是下一個即將起飛的熱門IT技術，許多人已經開始積極投入機器學習、深度學習的開發與應用，繪圖處理器大廠Nvidia今年的營收、獲利、股價持續上漲，也與此有關，而同樣是處理器大廠的英特爾，現在也對AI的發展寄予厚望，並正式宣布調整以AI為重的策略，全力發展軟硬體技術，以支援相關的發展。
在11月18日舉行的「Intel AI Day」活動當中，英特爾執行長Brian Krzanich提出了他們的願景，並期盼能推動AI普及，將AI變得更平民化，進而引領AI運算時代的來臨，使英特爾能夠成為加速AI發展的催化劑。
而就更實際的產品而言，英特爾在伺服器端處理器平臺上，也針對AI有所布局。在2017年，現有的Xeon E5、Xeon Phi處理器平臺都將推出新一代產品，同時，除了以Xeon搭配FPGA（Field Programmable Gate Array）晶片Altera Arria 10之外，英特爾也將以Xeon搭配新開發的「Lake Crest」晶片，專攻類神經網路的加速應用。
值得注意的是，Lake Crest的形式是一張基於矽晶片的獨立加速卡，技術源自於英特爾今年8月併購的新創公司Nervana Systems，該產品將於2017年第一季問世。之後，英特爾還將推出Xeon結合這種新型態加速AI處理機制的晶片，研發代號稱為「Knights Crest」，屆時，採用這顆晶片的伺服器直接具有系統開機的能力，無需搭配Xeon處理器。
-600-1.png)
英特爾AI伺服器平臺的發布時程
在2016這一年，英特爾已經推出了FPGA的系統單晶片解決方案Arria 10，以及Xeon Phi x200系列（Knights Landing）。2017年他們將發表新的Xeon Phi（Knights Mill），以及深度學習專用的運算晶片Lake Crest，而在通用伺服器級處理器Xeon系列，基於Skylake微架構的產品也將問世。
強化平行處理與向量處理性能，Xeon與Xeon Phi支援新指令集
英特爾在2017年即將推出的伺服器產品，還包括採用Skylake微架構的新一代Xeon處理器，以及Xeon Phi（代號為Knights Mill）。
以現行的Xeon E5-2600 v4系列處理器而言，根據英特爾提供的效能測試數據，若執行大數據與AI領域經常會運用的Apache Spark軟體環境，效能提升的幅度，可望達到18倍之高（以今年推出的Xeon E5-2699 v4搭配MKL 2017 Update 1程式庫，對上Xeon E5-2697 v2搭配F2jBLAS程式庫）。
英特爾表示，在初期出貨給特定雲端服務業者的「Skylake」Xeon處理器版本（preliminary version）當中，將會加入更多整合式加速運算的進階特色。例如，新的進階向量延伸指令集AVX-512，可針對機器學習類型工作負載的執行，提升相關的推理論斷能力。至於Xeon新平臺其他增益的功能與組態支援，預計將會在2017年中正式發布時，才會揭露。
若單看AVX-512這套指令集，目前只有今年6月推出的Xeon Phi x200系列處理器（Knights Landing）支援，接下來，英特爾的主力通用伺服器平臺Xeon處理器，會在下一代採用Skylake微架構的產品當中支援。
因此，就目前而言，英特爾現有處理器所支援的AVX指令集，總共可分為三代：Sandy Bridge和Ivy Bridge微架構處理器，內建的是第一代AVX，Haswell和Broadwell微架構處理器改為AVX2，而Skylake微架構和Knights Landing是採用AVX512。基本上，前兩代的AVX指令集，都是基於128位元SIMD暫存器，可延伸到256位元。
至於Xeon Phi的下一代產品 「Knights Mill」，英特爾表示，會把深度學習的應用效能，提升到現有Xeon Phi處理器（7290）的4倍，並同樣具備直接記憶體存取（Direct Memory Access）的能力——最高可存取到400GB（Knights Landing是以384GB的DDR4記憶體，搭配16GB的MCDRAM）。
同時，在橫向擴展到32節點的系統環境當中，目前的Xeon Phi也已經能大幅縮短機器學習的訓練時間，成效差距可達到31倍之大。
基於FPGA可程式化硬體運算技術，推出深度學習加速卡DLIA
FPGA則是另一個英特爾近年來極力發展的重點，他們在2015年併購了專攻FPGA技術的Altera公司，並以此成立新的業務單位──可程式化解決方案事業群（Programmable Solutions Group）。
針對高效能運算（HPC）領域當中也相當熱門的AI應用，英特爾在今年11月稍早舉行的Supercomputing 2016大會期間，也宣布將於2017年初推出基於FPGA的AI加速解決方案，名為Deep Learning Inference Accelerator（DLIA），可用於影像辨識應用，並且具備大量的資料吞吐能力與高度的能源效益。
DLIA的硬體是英特爾FPGA 系列產品當中的Arria 10的介面卡，晶片之間傳輸率，最高可達到25.78 Gbps，最大浮點運算效能為1,500 GFLOPS，可因應卷積神經網路（CNN）的部署架構，提供最佳化效能。而且，Arria 10本身所採用的處理器，是20奈米製程的ARM系統單晶片（SoC）Cortex-A9 MPCore，比起前一代FPGA與SoC晶片，號稱能節省4成的電力。
同時，由於DLIA是基於FPGA技術而成，所以秉持了可程式化的特性，用戶能從遠端對DLIA進行韌體更新，以便隨時因應AI技術的改變，而且也能直接運用深度學習的軟體開發框架，例如英特爾自己維護、發行的Caffe，以及MKL-DNN（Math Kernel Library for Deep Neural Networks）等程式庫。
專為深度學習應用所設計的Crest系列晶片，預計將在2017年問世
英特爾2016年併購Nervana公司後，預計在2017年推出運算晶片Nervana Engine。
這顆代號為Lake Crest的處理器，是專為深度學習的工作負載所設計的，將提供極高的運算密度，大幅超越現行GPU的運算能力。
在資料存取的方式上，Lake Crest本身也配置了新一代的高速頻寬記憶體技術HBM2，搭配的總容量為32GB，存取速度高達8Tb/s。而晶片之間進行互相溝通時，Lake Crest提供12個雙向的連結通道，有助於在彼此互連的架構下，進行高速資料傳輸。
英特爾強調，Lake Crest能支援真正的資料模型平行處理作業，因為在這樣的運算架構當中，每一個運算節點，都會配置專用的記憶體介面，如此一來，系統能夠存取的資料模型大小較不受限，同時也可以藉此增進記憶體I/O效率。
而在Lake Crest之後，英特爾打算師法Xeon Phi x200系列處理器的作法，推出更進一步整合Xeon與Nervana加速技術的晶片，研發代號為Knights Crest。展望AI運算平臺的未來目標，他們希望將現行AI應用耗費在深度學習訓練的時間，盡可能地縮短，在2020年能做到即時訓練，達到節省幅度100倍的目標。
-600-2.png)
Lake Crest的深度學習處理架構
Lake Crest是基於多維度資料陣列（tensor-based）的處理架構，而且，提供Flexpoint的作法，所能支援的平行處理層級是現行技術的10倍。這顆晶片內建的記憶體也很特別，是HBM（High Bandwidth Memory）的第二代技術，記憶體頻寬是目前DDR4的12倍。