Intel buiten terwijl andere bedrijven profiteren van AI-chips

'S Werelds toonaangevende chipmaker heeft een enorme kans op mobiele apparaten gemist. Nu geeft de opkomst van kunstmatige intelligentie het bedrijf nog een kans om zich te bewijzen. Door

• Peter Burrows archiefpagina

21 juni 2016

In 1997 werd Andy Grove, destijds chief executive officer van Intel, een van de eerste zakelijke titanen die de leerstellingen van Harvard Business School-professor Clayton Christensen omarmde. Grove . voelde dat Intel zou kunnen worden ondermijnd door pc-chipconcurrenten met goedkopere waren uitgenodigd Christensen om met zijn team te spreken over industriële leiders uit het verleden die te lang hadden gewacht om opkomende bedreigingen aan te pakken. Binnen een paar kwartalen had Intel een reeks lagere Celeron-chips voor pc's uitgebracht, die de dromen van Intel-wannabes zoals Advanced Micro Devices vrijwel teniet deden. Innovators dilemma afgewend.

Bekijk de rest van het pakket

• 50 slimste bedrijven

Intel is niet langer een case study in aanpassingsvermogen. Integendeel, het heeft de markt voor mobiele chips die in smartphones en tablets worden gebruikt, gesnoven, verreweg de grootste nieuwe kans voor chipmakers in de afgelopen 10 jaar. Op 19 april, dezelfde dag dat Intel zei dat het 12.000 banen zou schrappen, schrapte Intel de ontwikkeling van een aantal van zijn mobiele Atom-chips, ondanks jarenlange zware investeringen. En de afgelopen jaren leek 's werelds grootste chipmaker onverschillig voor een andere potentieel enorme markt: die in chips die zijn ontworpen voor de kunstmatige intelligentietechniek die bekend staat als deep learning.

Dit verhaal maakte deel uit van ons nummer van juli 2016

• Zie de rest van het nummer
• Abonneren

Deze eens zo obscure hoek van AI-onderzoek is uitgegroeid tot een van de populairste technologische trends (zie 10 Breakthrough Technologies, mei/juni 2013). Grote internetbedrijven gebruiken het om online diensten uit te rollen die beeld en spraak begrijpen, en deep-learning-chips worden ontworpen in drones, auto's zonder bestuurder en andere producten in het veelbesproken internet der dingen. Dat is vooral gevaarlijk voor Intel, want CEO Brian Krzanich heeft zei dat de toekomst van het bedrijf afhangt van zijn prestaties in big datacenters en het internet der dingen.

Intel introduceert nu pas zijn eerste chip die speciaal is ontworpen voor deep learning. Het is een nieuwe versie van de Xeon Phi-coprocessor, die samenwerkt met Intel's vlaggenschip x86-microprocessors. Maar hoewel de chip zeer geschikt is voor veel diepgaande leertaken, blijft het bedrijf dat in wezen de pc-markt monopoliseerde met zijn Intel Inside-strategie ver achter bij het ontwikkelen van de programmeertools die klanten nodig hebben met dergelijke chips. Kleinere rivaal Nvidia heeft een vroege dominantie verworven door dergelijke tools aan te bieden, zegt Bryan Catanzaro, een senior onderzoeker bij Baidu, een grote gebruiker van deep-learning hardware. Bij het bouwen van deze systemen stopt Baidu vier keer meer chips van Nvidia in dan van Intel. Intel kan een grote speler zijn, maar het is een kwestie van focus, zegt Catanzaro. Ze zijn op veel gebieden aan het bezuinigen, dus je moet je afvragen of ze de institutionele wil hebben.

Tot nu toe is de financiële schade voor Intel minimaal. Amazon, Google en andere cloudreuzen zullen dit jaar iets meer dan $ 133 miljoen aan chips kopen om hun deep-learningsystemen te laten draaien, volgens Tractica, een marktonderzoeksbureau. Dat is een schijntje naast Intel's 2015-omzet van $ 56 miljard. In plaats van revolutionaire innovaties te beloven, suggereert Intel dat zijn huidige chips voldoende zullen zijn voor veel banen en dat het de technische bekwaamheid heeft om nieuwe chips te creëren naarmate de markt volwassener wordt, zegt Catanzaro. En het bedrijf is vastbesloten om zich niet te concentreren op deep learning en andere AI-benaderingen uit te sluiten. Immers, Intel-veteranen hebben in het verleden AI-rages zien ontstaan; ze zijn bang dat deep learning niet het wondermiddel is dat velen ervan maken. We hebben deze cycli eerder gezien, zegt Nidhi Chappell, directeur machine learning voor Intel's Data Center Group.

Intel snijdt dergelijke wafers in chips in de Xeon Phi-productfamilie. De chips zijn ontworpen om diepgaande leertaken aan te kunnen.

Voor Nvidia begint deep learning echter omzetgroei te genereren. De omzet van het bedrijf aan grote cloudbedrijven in het eerste kwartaal steeg met 63 procent. Nvidia, gevestigd in de buurt van Intel in Santa Clara, Californië, verkocht zijn grafische verwerkingschips (GPU's) voornamelijk aan makers van pc's en gameconsoles. Maar het heeft een leidende voorsprong genomen in de ontluikende markt voor diep leren sinds grote internetbedrijven ontdekten hoe goed grafische chips konden omgaan met AI-gerelateerde taken. Nu, zegt Nvidia, werkt het samen met 3.500 klanten in industrieën variërend van auto's tot farmaceutische producten tot financiële dienstverlening.

Nvidia is niet het enige bedrijf dat geld probeert te verdienen terwijl Intel het cool speelt. Qualcomm introduceert softwaretools om klanten te helpen zijn mobiele chips te gebruiken voor deep learning. En startups als Knupath en Nervana komen met nog radicaler herontworpen deep-learning chips. Tactica verwacht dat deze markt in 2024 $ 3,6 miljard waard zal zijn.

Knupath, opgericht door voormalig NASA-chef Dan Goldin, kondigde in juni een AI-chip aan genaamd Hermosa, samen met software om 512.000 Hermosa's en andere chips met elkaar te verbinden. De eerste versie is gericht op het herkennen van onverwachte stemmen in rumoerige omgevingen, bijvoorbeeld zodat u zich kunt aanmelden bij uw bank met alleen uw stem terwijl u in een cabriolet rijdt met de radio aan. Het bedrijf heeft $ 100 miljoen aan financiering opgehaald, in de veronderstelling dat bestaande chiparchitecturen niet in staat zullen zijn om aan de toekomstige vraag te voldoen. We betreden de zeer vroege stadia van machine-intelligentie en machine learning. Het is net het Wilde Westen, zegt Goldin. Er gaan gekke dingen gebeuren.

Gat in de markt

Wanneer bedrijven als Facebook, Google en Microsoft software leren hoe de inhoud van afbeeldingen te detecteren of spraak te identificeren, bouwen ze wat vaak neurale netwerken worden genoemd, waarin enorme hoeveelheden gegevens door duizenden verbonden processors worden geleid. Uiteindelijk kunnen de machines zelf patronen herkennen en dienovereenkomstig oordelen. In januari versloeg een neuraal netwerk van Google een van 's werelds beste spelers van het bordspel Go in vier van de vijf wedstrijden.

In dergelijke toepassingen doen Intel's x86-microprocessors meestal niet meer dan digitale huishouding. Terwijl een eersteklas Intel-processor meer dan genoeg kracht heeft om uitgestrekte financiële spreadsheets of bedrijfssoftware te draaien, breken chips die zijn geoptimaliseerd voor diepgaand leren bepaalde soorten problemen, zoals het begrijpen van spraakopdrachten of het herkennen van afbeeldingen, tot miljoenen hap. -grote brokken. Omdat GPU's zoals die van Nvidia bestaan ​​uit duizenden kleine processorkernen die op één plak silicium zijn gepropt, kunnen ze duizenden van deze brokken tegelijk aan. Het toewijzen van een Intel-processor aan dergelijk werk zou een enorme verspilling van middelen zijn, aangezien elk van deze processors enkele tientallen kernen bevat die zijn ontworpen om complexe algoritmen uit te voeren. Deep-learning chips hoeven niet zo veel na te denken om al die microtaken aan te kunnen. Grafische processorkernen hebben de juiste hoeveelheid rekenkracht om een ​​afbeelding of ander stuk gegevens snel te kunnen classificeren.

Deze Nvidia-chip is bedoeld voor grote internetdatacenters en deep-learning toepassingen.

Catanzaro, die Nvidia's deep-learning-aanval hielp lanceren voordat hij naar Baidu ging, test de Xeon Phi-coprocessor en zegt dat deze sommige deep-learningtaken ongeveer 90 procent net zo effectief aankan als grafische processors. Maar hij is sceptisch. Niet alleen heeft Intel geen van de softwaretools ontwikkeld die Nvidia biedt om klanten te helpen neurale netwerken te verfijnen en te onderhouden, maar volgens hem moet Intel ook beter zijn best doen om zijn chips in handen te krijgen van de diep lerende sterren die de veld naar voren. Tot nu toe heeft Intel geprobeerd de Xeon Phi in grote hoeveelheden te verkopen aan grote zakelijke kopers voor goed begrepen toepassingen, zegt Catanzaro. Ik pleit voor Intel, zegt hij. Het is voor niemand goed als Nvidia het enige haalbare alternatief is, dus we hebben Intel nodig in deze markt. Maar ze moeten zich gaan concentreren.

In mei verraste Google de AI-wereld door aan te kondigen dat het al meer dan een jaar een eigen chip gebruikt, de Tensor Processing Unit genaamd. Hoewel Google met veel plezier miljarden heeft gestoken in moonshot-projecten zoals auto's zonder bestuurder, was dit de eerste keer dat het zich verdiepte in de dure, moeilijke chipbusiness. Waarom zou je je drukmaken? Het was de enige manier om onze door machine learning aangedreven applicaties vooruit te helpen, schreef Norm Jouppi, een vooraanstaande hardware-ingenieur bij Google, in een e-mail. Hoewel Google Intel-processors zal blijven gebruiken in zijn computerinfrastructuur, zei hij, hadden we meer nodig dan wat er op de markt beschikbaar was.

De hitte voelen

Intel is ook stil geweest in een andere veelbelovende hoek van de markt voor diep leren: die voor chips die de wijsheid die is geleerd door neurale netwerken inbedden in telefoons, auto's en andere apparaten die we slimmer willen maken. DJI, 's werelds grootste drone-maker, heeft een visuele verwerkingseenheid van Movidius opgenomen in zijn nieuwe Phantom 4-model. De chip verwerkt wat de camera's van de Phantom zien, waardoor het vaartuig crashes kan voorkomen, een menselijke piloot is misschien niet bekwaam genoeg om vanaf de grond te vertrekken. Het is ontworpen om heel weinig batterijvermogen te gebruiken - nogmaals, niet de specialiteit van Intel.

Deze chips zouden veel minder winstgevend kunnen zijn dan de processors die Intel een begrip maakten, maar de volumes zouden te groot kunnen zijn om weerstand te bieden als de componenten standaard worden in slimmere MRI-machines, productierobots en bewakingscamera's, zegt Jim McGregor, oprichter van Tirias Research, een onderzoeksbureau in de chipindustrie. Het meest prikkelend is de markt voor zelfrijdende auto's, die tientallen miljoenen eenheden per jaar zou kunnen bereiken. Als elk voertuig veel van deze chips heeft, kan deze markt alleen de omvang van de pc-markt evenaren.

Intel's Chappell verwerpt dergelijke projecties niet, maar ze zegt dat Intel's kans ligt in het nemen van een bredere, pragmatische kijk op de markt. De grootste uitdaging voor AI-onderzoekers is om manieren te vinden om neurale netwerken veel sneller te trainen, bijvoorbeeld in een middag in plaats van in de loop van een paar weken. De nieuwe Xeon Phi-chip zal dit probleem helpen oplossen, zegt ze, deels omdat onderzoekers het kunnen gebruiken om een ​​trainingssysteem op hun eigen computers te ontwerpen en het kunnen blijven gebruiken terwijl ze uitbreiden naar grotere netwerken van servers en uiteindelijk op grote schaal in de cloud .

Op de langere termijn zou Intel chips kunnen bouwen die in alles werken, van die trainingssystemen tot apparaten met een laag vermogen in het internet der dingen, zegt Chappell. In dat scenario zouden grafische processors en andere gespecialiseerde deep-learning-chips in het nadeel zijn ten opzichte van universele, allesomvattende microprocessors. Dankzij Intel's technische talent en productiecapaciteiten kan het bedrijf mogelijk deep-learning circuits in toekomstige processors stoppen tegen lage incrementele kosten. Als Intel een gemeenschappelijke set softwaretools kan maken voor het beheer van alles, van neurale netwerken tot drones, zou het deep learning voor veel meer bedrijven toegankelijk kunnen maken - en Intel een strategisch slot op hun bedrijf geven.

Dit zijn de trucs die Intel hebben geholpen de pc-industrie te monopoliseren. Zelfs nu zijn maar weinigen bereid om het bedrijf uit te rekenen. De laatste keer dat ik het controleerde, hadden ze $ 15 miljard op de bank, en het zijn geen domme mensen, zegt Remi El-Ouazzane, de CEO van Movidius. Maar op dit moment voelen we de hitte tenminste niet.

zich verstoppen