Если хотите «достать» Дайану Брайант, руководителя бизнеса Intel по центрам обработки данных, задайте ей вопрос про графические процессоры.

Выступая на прошедшей в Тайбэе выставке Computex, Брайнт постаралась разъяснить, насколько хорошо новейший ускоритель Xeon Phi подходит для задач машинного обучения.

Сегодня методы машинного обучения все активнее применяются компаниями вроде Google и Facebook для тренировки программного обеспечения в распознавании образов, понимании естественного языка и не только. Машинное обучение играет важную роль в совершенствовании онлайн-сервисов всех видов: недавно в Google заявили, что собираются пользоваться им во всех аспектах своей деятельности.

Для машинного обучения необходимы огромные вычислительные мощности. По словам Брайант, 72 ядра процессора Xeon Phi Knights Landing и высокая скорость выполнения операций над числами с плавающей запятой обеспечивают чипу превосходное соотношение быстродействия на ватт в расчете на доллар при решении задач машинного обучения.

«В этой области есть колоссальные возможности — в какой-то момент машинным обучением начнут пользоваться все предприятия без исключения», — заявила она.

Сложность для Intel в том, что сегодня для машинного обучения шире применяются графические процессоры, выпускаемые компаниями Nvidia и AMD.

«Насколько я знаю, никто из ‘суперсемерки’ не пользуется Xeon Phi для обучения своих нейронных сетей», — говорит Патрик Мурхед, аналитик Moor Insights and Strategy. «Суперсемеркой» в самой Intel называют ИТ-компании, закупающие микропроцессоры в рекордных количествах. В нее входят Google, Facebook, Amazon, Microsoft, Alibaba, Baidu и Tencent.

Дайана Брайант: «В этой области есть колоссальные возможности — в какой-то момент машинным обучением начнут пользоваться все предприятия без исключения»

Всегда приветливая Брайант проявила признаки раздражения, когда ее спросили, как Intel сможет конкурировать на рынке машинного обучения, не имея графического процессора. Видеопроцессоры общего назначения, заявила она в ответ, это ускорители другого типа, которые не предназначены специально для машинного обучения.

«Мы называем Kinights Landing ‘сопроцессором’, но на деле это ускоритель операций с плавающей запятой, как, собственно, и графические процессоры общего назначения», — добавила Брайант.

Она признает, что Nvidia благодаря более оперативным действиям сумела поначалу стать лидером рынка ускорителей высокопроизводительных вычислений за счет того, что еще несколько лет назад начала позиционировать графические процессоры как подходящие для этих задач. Но со времени появления первого Xeon Phi, который вышел в 2014 году, Intel удалось захватить уже 33% рынка суперкомпьютерных задач, пользующихся ускорителями вычислений с плавающей запятой.

«Мы отыграли рынок у Nvidia и продолжим выигрывать», — заявила Брайант.

Доля бизнеса машинного обучения, принадлежащая Intel, возможно, гораздо меньше, но Брайант подчеркивает, что этот рынок еще очень молод: «Меньше 1% серверов, проданных за прошлый год, используются для машинного обучения, поэтому говорить о том, что Nvidia нас побеждает на рынке, который едва появился, по меньшей мере странно».

Тем не менее 1% мирового серверного рынка — это не ничтожно мало, и в Intel собираются продолжать совершенствовать Xeon Phi, развивая его способности к ускорению задач машинного обучения.

Брайант напомнила, что машинное обучение состоит из двух этапов — само обучение алгоритмических моделей, наиболее требовательная к вычислительным ресурсам часть, и применение обученных моделей к еще незнакомым наборам данных, по-другому называемое «выведением умозаключений».

Программируемые логические матрицы Intel, полученные с приобретением компании Altera, при совместном использовании с процессорами Xeon отлично подходят для формирования умозаключений, то есть корпорация предлагает решения для обеих частей задачи, подчеркнула Брайант.

Тем не менее Intel, возможно, будет непросто потеснить графические процессоры в гипермасштабных компаниях, не говоря уже о «тензорном» процессоре Google, который был разработан специально для задач машинного обучения.

Несмотря на это, в Intel решительно настроены на успех. «Мы продолжим развивать данную продуктовую линейку и набирать долю рынка», — заявила Брайант.