Intel считает, что GPU не нужны рынку HPC

Nvidia получила несколько очков, запустив свои GPU на рынок HPC, но она начала терять позиции по отношению к сопроцессору Knights Landing.

В интервью IDC, начальник data центра компании Intel, Diane Bryant, сказала, что Nvidia лидировала в данном сегменте рынка несколько лет назад, когда она позиционировала свои GPU для этой задачи. Тем не менее, создается впечатление, что для машинного обучения сейчас используются только GPU от Nvidia или AMD.

Bryant была немного раздражена вопросом о том, каким образом Intel может конкурировать на этом рынке не имея своего GPU. Она сказала, что основным назначением GPU или GPGPU было в том, чтобы ускорять некоторые процессы и не существует такого ускорителя для машинного обучения. Лучше всего посмотреть на Knights Landing, который как раз и является сопроцессором, но он ускоряет вычисления с плавающей запятой – делает тоже самое, что и GPGPU.

Bryant сказала, что с момента запуска первого Xeon Phi в 2014, Intel отыграла 33% рынка HPC, и процессоры используются для ускорения расчета задач с плавающей запятой.

Она так же добавила, что доля Chipzilla на рынке машинного обучения очень мала, но этот рынок еще только развивается. Меньше, чем 1% всех серверов, поставленных в прошлом году, предназначались для машинного обучения.

Intel продолжит совершенствовать свой процессор Xeon Phi, чтобы он лучше справлялся с задачами машинного обучения. Машинное обучение состоит из двух аспектов – тренировки алгоритмических моделей, и адаптации данных моделей под реальные задачи в конечных программных продуктах. У процессора Intel Xeon есть все необходимое для решения обеих задач.

Разработчикам намного сложнее работать с Nvidia GPU, это даст некоторое преимущество Intel, потому что обычным компаниям вскоре придется осваиваться с машинным обучением. Knights Landing обладает “self-booting”, это означает, что клиентам на нужно будет ставить его в пару с обычным Xeon, чтобы загрузить операционную систему.

Между прочим, новейший процессор Intel Xeon Phi выполняет задачу расчетов чисел с плавающей запятой с пропускной способностью в три терафлопа, что медленно в сравнении с пятью терафлопами Nvidia GP100.