英特尔那款专用AI芯片的大招已经憋三年半了。
准确来说，Nervana——英特尔砸了4.08亿美元（也有报道称3.5亿）买下的那家加州创企——他们那款专用AI芯片的大招已经憋三年半了。
2014年4月，在Nervana获得首笔60万美元的成立之初，这家公司就宣布要打造一款“深度学习专用硬件”。而在2014年8月，在获得第二笔融资（330万美元）后，其CEO Naveen Rao就表示，“用户能在大约6个月后尝试到这些深度学习专用硬件。”
三年多后，在经历了第三轮2050万美元融资并且被英特尔收购后，在今年10月17日，英特尔CEO科再奇在采访中表示，这块芯片在今年年底就会正式和用户见面。与此同时他还说，Facebook正在参与合作打造这款AI专用芯片。
然而，随着2017年转眼就要余额不足，英特尔这款Nervana专用AI芯片的还是没有正式亮相。尤其是在欧美连珠炮假日季“感恩节-圣诞节-元旦”来临的12月底，我们可以大胆地假设一句——明年见（也许是2018 CES？）
不过，虽然大招一再推迟，但是英特尔集团上下依旧对于Nervana项目十分看重。英特尔CEO科再奇不仅在不同场合内一再为Nervana站台，而且在收购Nervana后短短几个月间，前Nervana CEO就被晋升为英特尔人工智能事业部总负责人，直接向科再奇汇报——在以资历排位著称的英特尔内，晋升速度堪称火箭。
▲前Nervana CEO、英特尔人工智能事业部总负责人Naveen Rao
今天，我们就来扒一扒Nervana与这块英特尔专用AI芯片，同时也来看一看英特尔这三年多的等待和3.5亿美元的资金砸出了多大一个响来？也看看英特尔这个曾经PC时代当之无愧的霸主，如今能不能靠着Nervana在人工智能领域提刀再战？
比GPU更好、更快、更强大
深度学习分为训练（Training）和应用（Inference）两个阶段，Nervana芯片瞄准的是训练阶段，这一阶段需要计算机处理大量的数据，现有的CPU难以满足如此强大的计算需求，这也是英伟达靠着GPU崛起的重要原因。
目前Nervana芯片主要应用在云计算数据机房内。Nervana CEO Naveen Rao曾经表示，Nervana使用的这种新型芯片设计架构比GPU更快、功耗更低、性能更好。
▲英特尔Nervana深度学习专用芯片设计架构
根据英特尔在2016年11月的AI Day上，我们第一次了解到了这块Nervana深度学习专用芯片的设计架。这款芯片为2.5D封装，搭载了32GB的HBM2内存，内存带宽为8Tbps。芯片中没有缓存，完全通过软件去管理片上存储。它可以支持各类神经网络算法框架的加速，比如Nervana的Neon、谷歌的TensorFlow、Facebook的Caffe等。
Nervana CEO表示，之所以这款芯片能够做到比更快CPU、比GPU更快地加速处理深度神经网络，原因有二：
1、这块芯片由“处理集群”阵列构成，处理被称作“活动点（flexpoint）”的简化数学运算，基于张量处理器的架构。相对于浮点运算，这种方法所需的数据量更少，因此带来了10倍的性能提升。
2、“互联（interconnect）”技术——这是Nervana芯片的真正亮眼之处，不过Nervana一直这一技术的细节讳莫如深——Naveen Rao将这项互连技术描述为一种模块化架构，其芯片结构可以在编程上扩展成与其它芯片的高速串行连接，帮助用户创造更大、更多元化的神经网络模型。
在GPU上，数据在芯片内部处理和芯片外部通信处理有很大的不同，必须将内存映射到I/O，在内存不同层次结构中移动数据，造成延时等复杂问题。而Nervana的互联技术能让芯片内的数据传输和芯片间的数据通信看起来一样，从而加快了处理速度。
“正如在PC时代，人们发现用GPU处理图片比CPU更快，于是转而购买独立GPU；而在人工智能时代，人们会发现用我们的芯片处理深度神经网络比GPU更好，于是转而选择我们，”Naveen Rao曾经这样说，“我们可以在硬件上打败英伟达。”
如此看来，也许英特尔这三年多的等待和3.5亿美元的资金砸得不亏？——可以说亏，也可以说不亏。
名不见经传的2014
让我们把时间轴调回2014年4月。
2014年4月，一家名为Nervana System（以下简称Nervana）的加州创企宣布获得60万美元融资轮融资。跟现在动辄几亿、几十亿的AI创业融资轮次来说，这金额并不算多——不过，彼时“深度学习”、“神经网络”、“人工智能”这些概念还没有现在这般火热得家喻户晓，“AI芯片”更是无从提起。
▲英特尔团队与Nervana团队合影
这家公司总部位于圣地亚哥，三位联合创始人全部来自高通：其中CEO Naveen Rao在高通神经拟态研究组（neuromorphic research group）中负责人工神经网络计算研究、CTO Amir Khosrowshahi在高通负责神经拟态传感器研究、公司的机器学习负责人Arjun Bansal则在高通负责深度学习算法研究。
正如我们所知，设计制造芯片的成本非常高昂，尤其是这样一块用于处理海量数据专用芯片。于是就在短短4个月后，Nervana宣布了他们的第二轮融资——330万美元，用于深度学习训练专用芯片的打造，彼时公司只有11个人。
在其后的采访中，Nervana CEO Naveen Rao曾经对记者表示，“用户能在大约6个月后尝试到这些深度学习专用硬件。”
其实当时市面上专注于打造深度学习专用硬件的创业公司并不止Nervana一家，其他还包括Ersatz Labs（2014年之后几乎没有消息）、Skymind（2016年9月获腾讯参投的300万美元，2017年5月又获腾讯参投的300万美元*）、Clarifai（2015年4月获1000万美元融资、2016年10月获3000万美元融资）等等。
*2017年5月这轮融资只有少数英文网站报道，中文网站没有报道
顺便一提，2014年最火的行业当属虚拟现实（VR/AR），其融资领头独角兽Magic Leap在2014年年初和年末分别获得了5000万美元A轮融资和5.42亿美元的B轮融资。这家神秘AR创企的产品同样推迟多年，听说最近他们的产品就要首次亮相了。
端 or 云？傻傻分不清楚的2015
2015年5月，正在市场已经为Nervana的深度学习专用芯片等待了长达9个月后，Nervana忽然扔下一个重磅消息——
不，不是芯片推出。而是Nervana忽然宣布，公司即将推出Nervana云服务，让企业与用户能够通过网络接入Nervana云的方式获得强大的计算能力，不用受制于硬件的限制——不过当时，Nervana只是宣布了他们在打造“这朵云”，并没有公布它的面世时间。
几天后，Nervana再次宣布，开源一款深度学习软件框架Neon。这款软件框架采用Python框架、采用Maxwell GPU框架，其卷积运算速度非常快（根据GitHub上的跑分，速度已经超过了Caffe、Torch等传统框架）。
就在Neon软件框架开源后的一个月，2015年6月，Nervana宣布获得公司成立以来的第三轮融资——2050万美元，本轮融资将用于Nervana深度学习硬件和云服务平台的搭建，其中“安卓之父”Andy Rubin旗下的硬件孵化器Playground Global参投，Nervana也加入了该孵化器中。
在获得这轮融资时，联合创始人兼CTO Amir Khosrowshahi也向记者表示，Nervana曾与美国情报委员会的风险投资部门In-Q-tel签署合作协议，美国国家能源研究科学计算中心也正在使用由Nervana开发的深度学习软件Neon。
2016年2月29日，在宣布推出Nervana云服务的大半年后，这朵云终于经Nervana推出正式和大家见面。这项云服务的目的是让深度学习更快、更简单易用，专门为为缺少深度学习工具、缺少高级数据处理能力的公司打造。
不过，Nervana云暂时只能在英伟达的GPU上运行。Nervana CEO再次强调，假以时日，他们将会推出Nervana专用芯片。
此时Nervana云平台的合作伙伴已经拓宽到农业机器人初创公司蓝河科技(Blue River Technology)、 石油及天然气勘探公司Paradigm等，他们用Nervana云平台上的计算机视觉识别能力进行农作物分类、3D地形检测。
投身英特尔怀抱，两款芯片终于现形的2016
半年后——重头戏来了。
▲左：英特尔副总裁、数据中心事业组总经理Diane Bryant，右：Naveen Rao
2016年8月9日，英特尔忽然宣布全资收购Nervana System，收购价格在新闻稿中没有透露。当天大部分媒体在报道中提到的价格是3.5亿美元，而这一价格在第二天变成了4.08亿美元（根据Recode引援消息人士报道）。当时，Nervana全体员工只有48人。
