英特尔(Intel)正于近日在美国举行的Supercomputing 2016大会上展示其两款新型Xeon处理器，以及支持深度学习的新型FPGA卡；从该公司的技术展示，能窥见其准备推出的完整机器学习方案之一角。

产业界一直在期待英特尔的机器学习计划，这也是近几年半导体产业界Z热门的技术领域之一；对此专长人工智能(AI)处理器设计的新创公司Graphcore共同创办人暨执行长Nigel Toon表示：“我认为Brian Krzanich (英特尔执行长)会在相关技术上投注很大。”GraphcoreZ近才向包括英特尔竞争对手三星(Samsung)在内的投资人募得3000万美元资金。

英特尔也有对机器学习技术进行一些投资，例如在不久前收购两家专长神经网络技术的处理器新创公司Nervana与Movidius，加上以167亿美元收购的Altera，后者的FPGA已经被百度(Baidu)、微软(Microsoft)等大厂应用于数据中心，以加速搜索引擎、联网等任务。

在此同时，英特尔持续把其大型多核心x86处理器Xeon Phi，视为对抗Nvidia、AMD之绘图处理气的武器；在8月份的IDF英特尔技术论坛上，该公司表示其代号为Knights Mill的Phi处理器，将会是DY款同时能扮演主处理器与加速器的产品，预计2017年出货。

机器学习扮演着英特尔前任执行长Andy Grove可能会称之为“关键转折点”的角色，该公司在服务器处理器市场拥有高市占率，但机器学习需要具备比那些芯片更高的运算性能，以支持高度平行化的任务。

Google已经利用自家开发的ASIC来加速这种在机器学习中的推理任务，而英特尔的目标则是利用结合Altera Arria FPGA的新型PCIe卡；Facebook利用Nvidia的芯片设计了自己的GPU服务器，以支持训练神经网络的运算密集任务。

至于Nvidia在今年稍早发表了自己的GPU服务器，并与IBM合作另一款采用Power处理器的版本；AMD则在今年稍早针对其GPU推出一个开放性软件计划。

以上所有厂商都想在机器学习硬件市场参一脚──根据市场研究机构Tractica 预测，该市场规模在2015年为4.36亿美元，到2024年可进一步成长至415亿美元；庞大的商机潜力促使Graphcore、Wave Computing与Cornami等半导体新创公司策略性提高投资，还有英特尔不久前收购的那两家公司。

Graphcore的Toon表示：“英特尔收购Nervana是为了软件──我不认为其硬件技术够强大；”但是也有一位英特尔的高层透露，该公司将会把Nervana的硬件锁定私有云企业应用市场。至于Movidius，Toon表示其专长技术与英特尔的RealSense系列3D摄影机目标一致，适合网络/物联网边缘节点的低功耗系统应用。

“老实说我不确定Altera将扮演什么角色；”Toon在1988年曾加入Altera，负责其欧洲业务的推广营运：“英特尔可能会以某种方式尝试利用FPGA做为机器学习加速器，但我不认为那是正确的方法。”他指出，Graphcore的多核心芯片在深度学习应用领域，会是比FPGA或GPU更高性能的方案。