Nvidia und Intel streiten darüber, wer das „Gehirn“ der Zukunft sein wird . Nvidia ist davon überzeugt, dass die GPU (Graphic Processing Unit) im Bereich des Deep Learning mit künstlicher Intelligenz weit vorne liegt und ihren Vorsprung noch ausbauen wird, während Intel davon überzeugt ist, dass seine CPU (Central Processing Unit) die GPU ersetzen kann, um die Rechenleistung zu beschleunigen. Am 13. September fand in Peking die GTC CHINA 2016 (GPU Technology Conference) statt. NVIDIA hat weltweit erstmals zwei neue Produkte für Deep Learning und autonomes Fahren auf den Markt gebracht und eine strategische Partnerschaft mit JD.com zum Aufbau eines gemeinsamen Labors angekündigt. Auf der Baidu World Conference, die letzte Woche stattfand , kündigte NVIDIA-Mitbegründer, Präsident und CEO Jensen Huang an, dass NVIDIA und Baidu im Bereich des autonomen Fahrens zusammenarbeiten würden. Aufgrund seines frühen Layouts hat NVIDIA einen großen Vorteil auf dem Deep-Learning-Markt. Derzeit verlässt sich die überwiegende Mehrheit der Deep-Learning-Unternehmen und -Institutionen im In- und Ausland auf die GPU-Beschleunigung von NVIDIA. Globale Internetgiganten wie Facebook , Google, Alibaba , Baidu usw. unterhalten allesamt Kooperationsbeziehungen mit NVIDIA. Auch Googles AlphaGo, das im letzten Jahr konkurrenzlos war , war mit 170 GPUs verbunden. „Derzeit ist die GPU die Standardkonfiguration für neuronale Netzwerkberechnungen. Intels Investitionen in diesem Bereich sind unzureichend und die CPU läuft zu langsam.“ Eine zuständige Person von Turing Robotics, einem führenden inländischen Entwickler künstlicher Intelligenz, erklärte dies den Reportern von Interface News. In einem Interview mit Interface News glaubt Hu Rui, leitender Forschungs- und Entwicklungsdirektor der Gruppe für künstliche Intelligenz an der Microsoft (Asia) Internet Engineering Academy, dass GPUs zu einer Mainstream-Komponente der Computerarchitektur für künstliche Intelligenz geworden sind, da GPUs, die in der Grafik- und Bildverarbeitung verwendet werden, große Datenmengen parallel verarbeiten können, was sich sehr gut für Datenszenarien mit hoher Parallelität und hoher Lokalisierung für Deep Learning eignet. Im Bereich der künstlichen Intelligenz verwenden die meisten Unternehmen derzeit eine kollaborative Computerkombination „CPU+GPU“. In diesem heterogenen Modus läuft der serielle Teil der Anwendung auf der CPU, während die GPU als Coprozessor hauptsächlich für den aufwändigsten Teil der Rechenaufgabe verantwortlich ist. Die Leistung der Rechenzentrumsabteilung von Nvidia stieg im Jahresvergleich um 109 %, was auf die starke Nachfrage nach GPUs für Deep Learning zurückzuführen ist. Laut Nvidias jüngstem Finanzbericht vom August belief sich der Gesamtumsatz auf 1,428 Milliarden US-Dollar, was einer Steigerung von 24 % gegenüber dem Vorjahr entspricht. Der Gewinn erreichte 253 Millionen US-Dollar, was einer Steigerung von 873 % gegenüber dem Vorjahr entspricht. Gleichzeitig hat sich die Zahl der Entwickler, die NVIDIA verwenden, verdreifacht – auf 400.000 – und die Zahl der KI-Entwickler, die NVIDIA-GPUs verwenden, hat sich um das 25-fache erhöht. „NVIDIA ist ein Computerunternehmen für künstliche Intelligenz“, sagte Huang Renxun auf der Baidu-Konferenz. Nvidias plötzlicher Aufstieg im Bereich der künstlichen Intelligenz stellt für Intel, einen Prozessorgiganten mitten in einer Transformationsphase, eine Bedrohung dar. Ohne die Situation vollständig zu erfassen, verfolgte Intel eine Strategie zur Rekrutierung und Ausweitung seiner Präsenz. Im Mai dieses Jahres gab Intel die Übernahme des Computer-Vision-Softwareunternehmens Itseez bekannt. Im Juni übernahm Intel den FPGA-Hersteller Altera für 16,7 Milliarden US-Dollar, um seine Kapazitäten für die Herstellung dedizierter Chips zu stärken. am 9. August gab Intel die Übernahme des Deep-Learning-Startups Nervana Systems bekannt; Am 7. September übernahm Intel das Machine-Vision-Startup Movidius und baute damit seine Deep-Learning-Lösungen vom Gerät bis zur Cloud weiter aus. Unter ihnen wurde Nervana 2014 vom ehemaligen Leiter der Forschung und Entwicklung für neuronale Netzwerke bei Qualcomm gegründet. Es verfügt derzeit über das schnellste Deep-Learning-Framework und es wird erwartet, dass im nächsten Jahr ein dedizierter Deep-Learning-Chip auf den Markt kommt, der zehnmal schneller als GPUs sein soll. Nachdem Intel eine gewisse Energie angesammelt hatte, konnte es den heftigen Gegenangriff auf Nvidia kaum abwarten, und es drohte ein Wortgefecht zwischen den beiden Seiten auszubrechen. Auf dem im August abgehaltenen Intel Information Technology Summit (IDF 2016) stellte Intel die neue Xeon Phi-Serie Knights Mil vor und gab in einem Testbericht an, dass die Rechenleistung des neuen Intel Xeon Phi-Prozessors höher sei als die der derzeit auf dem Markt befindlichen GPU-Prozessoren und die Trainingsgeschwindigkeit 2,3-mal schneller sei als die von GPUs – ein direkter Schuldzuweisungsversuch an Nvidia. Gleichzeitig kündigte Intel an, dass es 2017 einen speziellen Chip für künstliche Intelligenz auf den Markt bringen werde. Der Chip werde die Funktion haben, Rechenaufgaben im Bereich der künstlichen Intelligenz zu beschleunigen, was Anwendungen in Bereichen wie Spracherkennung, Bilderkennung und autonomes Fahren ermöglichen werde. Anschließend wies Nvidia die Behauptung von Intel, dass „die GPU nicht so gut sei wie die CPU“, entschieden zurück. Ian Buck, Vizepräsident des Accelerated-Computing-Geschäfts von Nvidia, veröffentlichte einen Blog-Beitrag mit dem Titel „Lassen Sie uns über Intels Fehler beim Deep Learning Benchmark sprechen“ und wies darauf hin, dass Intel für den Vergleich Daten von vor 18 Monaten verwendet habe. Wenn die aktualisierten Caffe AlexNet-Daten verwendet werden, stellt man fest, dass vier Maxwell-GPUs 30 % schneller sind als vier Xeon Phi-Prozessoren. „Intel sollte zunächst die Fakten klären“, sagte Ian Buck, ohne nachzugeben. In Bezug auf Intels verschiedene Layouts im Bereich der künstlichen Intelligenz äußerte Huang Renxun im Namen von Nvidia Zweifel: Wenn der Xeon Phi-Coprozessor für KI sehr gut geeignet ist, warum dann Altera erwerben? Da Sie Altera gekauft haben, das sich sehr gut für KI eignet, warum sollten Sie Nervada Systems kaufen? Wenn Nervada Systems die wahre KI-Technologie ist, die entwickelt und auf den Markt gebracht werden muss, was ist dann mit dem Xeon Phi-Coprozessor? Wenn alle drei für KI geeignet sind, bedeutet das, dass der Xeon Phi-Coprozessor nicht für KI geeignet ist? „Ich verstehe ihre Strategie im Moment nicht ganz, aber unsere Strategie ist sehr schön und klar: das ist GPU“, sagte Huang Renxun. Als Antwort auf die Fragen von Nvidia sagte Rupal Shah, General Manager von Intel China, in einem Interview mit Jiemian News und anderen Medien am 6. September, dass sich Intels Strategie tatsächlich nicht nur auf „Deep Learning“ konzentriere, sondern vielmehr auf die gesamte künstliche Intelligenz als Ökosystem. „Wettbewerb ist für jede Branche eine gute Sache. Wir hoffen, die Vorteile der allgemeinen technologischen Entwicklung der künstlichen Intelligenz in kommerzielle Ergebnisse für die Verbraucher umzuwandeln und einen wechselseitigen Fluss von der Cloud zum Terminal zu erreichen“, sagte Rupal Shah. Song Jiqiang, Direktor des Intel China Research Institute, erklärte, dass Intels Ansatz im Bereich der künstlichen Intelligenz auf einer Kombination aus Software und Hardware basiert. Die Hardware verwendet eine energiesparende und hocheffiziente Methode zur Durchführung von Berechnungen, während die Software Algorithmen optimiert, um den Berechnungsaufwand zu reduzieren. Eine solche Antwort ist offensichtlich zu allgemein und zu schwach, aber Sheng Linghai, ein leitender Analyst der Halbleiterindustrie bei Gartner, glaubt, dass Intel selbst viel größer als Nvidia und führend in der Chipindustrie sei und daher „seine eigene Logik“ habe. Intel ist derzeit auf dem Markt für künstliche Intelligenz im Nachteil. Um Unternehmenskunden künftig mehr Auswahlmöglichkeiten zu bieten und ein umfassendes Ökosystem für künstliche Intelligenz aufzubauen, muss Intel eine breitere Abdeckung erreichen. Daher muss das Unternehmen in die Zukunft investieren und neue Technologien erwerben, die möglicherweise auftauchen oder zum Einsatz kommen.“ Sheng Linghai erklärte Reportern von Interface News, dass die Frage, ob sich in Zukunft ein Marktvorteil ergeben könne, davon abhänge, ob die erworbene Technologie integriert und weiterentwickelt werden könne. Da sich der Markt für künstliche Intelligenz noch in der Anfangsphase befindet, hoffen alle Prozessorhersteller, mit ihren eigenen Produkten einen Platz dort zu besetzen. Aufgrund der Konzentration auf hochkomplexe Anwendungen mit neuronalen Netzwerken hat NVIDIAs GPU keine Monopolstellung erlangt. Im heterogenen Modus unterhält NVIDIA kooperative Arbeitsbeziehungen mit Intel, IBM Power und ARM. „Diese Phase der Blüte und des Wettstreits um die Vorherrschaft wird fünf bis zehn Jahre andauern, und es wird mindestens drei bis fünf Jahre dauern, bis sich zeigt, welche Art von Architektur sich als stabiler Mainstream durchsetzen wird“, prognostizierte Sheng Linghai. Daten zeigen, dass der Markt für künstliche Intelligenz bis 2025 eine Größe von 36 Milliarden US-Dollar erreichen wird. Künstliche Intelligenz wird der am schnellsten wachsende Bereich der IT-Branche sein und könnte nach der Dampfmaschine, der Elektrizität und dem Computer die vierte industrielle Revolution anführen. Dies ist auch der Grund, warum Nvidia und Intel hart um den Markt für künstliche Intelligenz konkurrieren. Der Unterschied besteht jedoch darin, dass Intel auf ein „Hase-und-Igel-Rennen“ mit Nvidia hofft und fest davon überzeugt ist, Nvidia überholen zu können. Nvidia ist jedoch der Meinung, dass sich dieser Nachzügler überhaupt nicht an die Regeln hält und es ist unklar, ob die beiden Parteien auf derselben Linie sind. Daher scheint es, dass der Wortkrieg zwischen den beiden Seiten weitergehen wird. Als Gewinner des Qingyun-Plans von Toutiao und des Bai+-Plans von Baijiahao, des Baidu-Digitalautors des Jahres 2019, des beliebtesten Autors von Baijiahao im Technologiebereich, des Sogou-Autors für Technologie und Kultur 2019 und des einflussreichsten Schöpfers des Baijiahao-Vierteljahrs 2021 hat er viele Auszeichnungen gewonnen, darunter den Sohu Best Industry Media Person 2013, den dritten Platz beim China New Media Entrepreneurship Competition Beijing 2015, den Guangmang Experience Award 2015, den dritten Platz im Finale des China New Media Entrepreneurship Competition 2015 und den Baidu Dynamic Annual Powerful Celebrity 2018. |
<<: Wie ist es, Ihr altes iPhone auf iOS 10 zu aktualisieren? Wir haben ein Experiment gemacht
Dehnen ist die natürlichste Übung, die Sie morgen...
Auf dem aktuellen Markt für Gaming-Laptops defini...
Stellen Sie sich vor, Sie gehen zu einem Arzt und...
Wir wissen, dass viele Menschen verschiedene Meth...
Kürzlich veröffentlichte ein Beamter des Kreises ...
Yoga kann als eine sehr gesunde Übung bezeichnet ...
Fitnessübungen sind einfach, leicht durchzuführen...
Chinesische Wissenschaftler entwickeln ein „minia...
In den Bergen Eine Brücke darüber Ein mit Fracht ...
Jeder kennt den Begriff „Osteoporose“. Es handelt...
Eine Geburt ist eine Hürde im Leben einer Frau. D...
Während der Pandemie boomten die Investitionen in...
Sit-ups sind eine energieaufwendige Übung und seh...
Im Jahr 2013 betrug der Gesamtmarktwert der gesamt...
Die vielleicht größte Veränderung im Erscheinungs...