在training上英特爾上個(gè)月發(fā)布了最新的至強(qiáng)服務(wù)器CPU，可用于training加速的還有至強(qiáng)Phi產(chǎn)品。在gateway端，英特爾也是大力布局，包括movidus產(chǎn)品和FPGA都可以應(yīng)用。在過去幾年，AI得到了極大的發(fā)展，AI在數(shù)據(jù)中心快速的發(fā)展得益于智能端所帶來的數(shù)據(jù)到數(shù)據(jù)中心，讓大家有這樣的能力去挖掘這些數(shù)據(jù)。英特爾認(rèn)為接下來的趨勢就是要把數(shù)據(jù)中心產(chǎn)生的這????智慧用到端上面去，具體的應(yīng)用有可能是自動駕駛，也有可能是機(jī)器人或者是各種各樣的輔助業(yè)務(wù)。因此英特爾在端上也是有極大的投入，包括Movidius VPU，包括FPGA，包括GNA（IP）。在AI上，除了數(shù)據(jù)中心之外，非常重視的就是在端上，我們深信從云端到設(shè)備端是形成一個(gè)有機(jī)的閉環(huán)的相輔相成的增長。

具體來講，在數(shù)據(jù)中心端，其實(shí)英特爾一直在給至強(qiáng)這樣的服務(wù)器上增加它的處理能力。舉個(gè)例子，像至強(qiáng)CPU里面，我們在最新的一代至強(qiáng)加入了AVX512這樣的加速單元，在外面的展臺有一個(gè)展示，如果把AVX512打開做Inference加速，能極大提高當(dāng)前的Inference效果。第二個(gè)是在DeepLearning上，KNM產(chǎn)品把單精度浮點(diǎn)運(yùn)算單元增加了4倍。這上面不得不提一點(diǎn)，在training時(shí)用到一些傳統(tǒng)的工具的時(shí)候，比如處理大圖片的時(shí)候，第一件事是把圖片變得小一點(diǎn)，當(dāng)你要放到GPU卡上做加速處理的時(shí)候，它的內(nèi)存容量可能不夠，它的帶寬可能會有限制，所以只能處理小的batch size。而英特爾的KNL/KNM處理器，基于大的內(nèi)存容量，帶寬，可以使用大的batch size，這樣有效的加速大矩陣運(yùn)算。另外想提一點(diǎn)FPGA，所帶來的執(zhí)行效率以及能耗降低，英特爾的FPGA的解決方案可以提高training/inference的效率，降低能耗開銷。

我們還有一個(gè)專門針對Training做的ASIC，在2017年晚一點(diǎn)的時(shí)候會推出市場，供大家做Deep Learning的加速。

英特爾從云端到設(shè)備端，我們都在加強(qiáng)在AI上的服務(wù)，從已有的至強(qiáng)產(chǎn)品的AVX，或者是KNM加速卡，F(xiàn)PGS或者ASIC，我們擁有一整套的解決方案體系。

謝謝大家。