深度学习的硬件之争关键年：NVIDIA, AMD, Intel鹿死谁手？

随着英伟达Titan V的发布，我们迈入了深度学习硬件发展的动荡期。NVIDIA能否在2018年保住深度学习硬件首要供应商的地位还未可知，AMD和Intel Nervana都仍有机会。

所以对于想买硬件的消费者，最精明的选择就是等上3至9个月，到这种不确定的状态过去之后再决定。

深度学习芯片领域的竞争从未停止过。

NVIDIA决定在竞争初现端倪之前，先将自己的垄断地位变现。通过这种方式，他们希望在未来1-2年内确保行业领先，所以他们的Titan V的售价高达3000美元！

虽然Titan V的深度学习专用核心Tensor Core有着独特的性能，但性价比实在太糟，使其市场吸引力不足，只是现阶段除此之外又没有别的选择，所以至少当前就有什么用什么吧。

AMD的硬件水平已经赶超NVIDIA了，而且他们计划再开发出相匹配的深度学习软件。如果这一步实现的话，其性价比会轻松超越NVIDIA，并在此领域成为新的标杆。而届时NVIDIA就会凭借着雄厚的资金实力来拼市场，所以我们或许会在未来看到非常便宜的NVIDIA产品。注意这种情况是建立在AMD推出高质量软件的基础上——如果AMD跳票，则丧失了抢走桂冠的机会，而NVIDIA的产品将仍停留在高价位。

市场上还有另一位新晋竞争者：Intel Nervana的神经网络处理器（NNP）。凭借着几种迎合CUDA开发者需求的独特性能，它表现得还比较有竞争力。NNP处理器可以解决优化深度学习的CUDA内核中绝大多数的问题，这款芯片才真正称得上第一枚深度学习芯片。

通常意义上，对于单一芯片之间的排名，我们会按照Nervana > AMD > NVIDIA的顺序来排，因为NVIDIA的芯片不得不在游戏、深度学习和高性能运算中维持平衡，AMD也需要同时考虑游戏和深度学习，只有Nervana可以聚焦于深度学习，这是一个巨大的优势，使得他们的芯片较其他两家少了很多无用的结构设计。

然而，获胜者往往不是取决于纯粹的性能或者性价比，而是要综合考虑性价比+周边生态+深度学习框架。

让我们来仔细了解一下这三家公司产品的优劣，看看它们到底处于什么位置。

Nervana的神经网络处理器（NNP）

图：当前并没有专门为AI所设计的硬件产品，而Intel Nervana NNP帮我们摆脱了这种限制。

Nervana芯片的独特之处在于它为计算扩展出大空间的缓存（类似CUDA共享内存），相当于GPU的10倍，而单个计算单元的缓存是GPU的50倍。有了这种设计，其运算速度会提升至少一个量级，就可以在缓存内完成算法与模型计算并轻松地训练TB字节的数据（如一个带有200个单元的多层LSTM）。

阅读原文