这将可以解决GPU芯片的一个关键问题，即在用于深度学习项目时，GPU芯片功耗太高。加州大学伯克利分校教授、Nervana的顾问布鲁诺·奥尔索森（Bruno Olshausen）表示，类似Nervana开发的专用芯片可以优化芯片功耗，使更多公司可以接触到这类技术。
他表示：“运行应用的用户或许无法直接感知能耗的下降，但对于提供服务器运行深度学习算法的公司而言，能耗下降非常明显。在能耗不变的情况下，它们可以为10倍的用户提供服务。”
如果Nervana芯片能实现该公司的目标，那么利用英特尔的制造工艺将助推该公司的未来发展。英特尔将可以吸引原本的英伟达客户，削弱英伟达芯片在市场上的地位。
然而，设计深度学习的专用芯片也充满风险，因为这项技术本身也在快速发展。在学术界，新的深度学习算法层出不穷。对英特尔来说，新深度学习算法的出现有可能使Nervana的芯片变得毫无用武之地。
快速发展的领域
奥尔索森表示：“这是个发展很快的领域，变化速度令人难以置信。这意味着行业需要保持活力。”
一名Nervana前员工表示，行业的快速变化将给英伟达带来优势，因为该公司并不需要为深度学习开发专用芯片。该公司的芯片适用于多种应用场景，而如果产品落后于Nervana和英特尔，那么英伟达也有资源去升级技术。
在收购Nervana之前，英特尔的战略是专注通用计算芯片。然而在移动芯片市场，英特尔输给了竞争对手ARM。因此目前，英特尔开始关注类似Nervana的专用芯片，希望这类产品在下一代计算技术的发展中给该公司带来优势。
深度学习芯片市场的规模很可能足以容纳多家厂商。不过在现阶段，深度学习的人才库还很匮乏，而这也是英特尔收购Nervana的另一点关键原因。
英特尔此前也曾在这一领域展开过收购。去年，英特尔以167亿美元的价格收购了可编程逻辑器件厂商Altera，后者的芯片可以用于多种目的，包括深度学习。英特尔自身也推出了适用于深度学习的通用芯片至强Phi。上周，英特尔还收购了爱尔兰芯片公司Movidius。该公司的技术帮助计算机进行对象识别，适用于机器人和无人机。（编译/李玮）
推荐：分不清人工智能、机器学习、深度学习？关注“AI世代”微信号（tencentAI），获取更多信息。
