如果你想激怒Diane Bryant，那就问问她关于gpu的事吧。
英特尔强大的数据中心部门负责人本周出席了台北国际电脑展(C雷竞技电脑网站omputex)，在一定程度上解释了该公司如何最新的Xeonφ处理器很适合机器学习。
机器学习是谷歌和Facebook等公司训练软件更好地执行计算机视觉和理解自然语言等人工智能任务的过程。这是改善各种在线服务的关键:谷歌最近表示重新思考一切它围绕着机器学习。
它需要巨大的计算能力，布莱恩特说，英特尔6个月前发布的新一代“骑士着陆”Xeon Phi处理器拥有72核和强大的浮点运算性能，这让它在训练机器学习算法方面具有出色的性能/瓦特/美元比率。
“这是一个巨大的机会，每一个行业都会使用机器学习，”她在接受采访时说。
英特尔面临的挑战是，如今最广泛用于机器学习的处理器是像英伟达(Nvidia)和AMD这样的gpu。
Moor Insights and Strategy的行业分析师帕特里克•穆尔黑德(Patrick Moorhead)表示:“我不知道有任何超级七巨头使用至强Phi处理器来训练它们的神经网络。”他指的是驾驶机器学习的最大客户——谷歌、Facebook、亚马逊、微软、阿里巴巴、百度和腾讯。
当被问及英特尔在没有GPU的情况下如何在这个市场上竞争时，非常和蔼可亲的科比有点生气。通用GPU，或GPGPU，只是另一种类型的加速器，她说，并不是唯一适合机器学习的加速器。
“我们将Knights Landing称为协处理器，但它是浮点操作的加速器，这也是GPGPU的作用，”她说。
她承认，英伟达在几年前将gpu定位在加速高性能计算工作负载方面时，就已经在市场上取得了早期领先地位。但她说，自从2014年第一代Xeon Phi处理器发布以来，英特尔现在在使用浮点加速器的高性能计算工作负载市场上占有33%的份额。
她说:“我们在与英伟达的竞争中赢得了市场份额，我们将继续赢得市场份额。”
英特尔在机器学习领域的份额可能要小得多，但布莱恩特很快指出，这个市场还很年轻。
她说:“去年出货的所有服务器中，只有不到1%是用于机器学习的，所以听到(英伟达)在一个几乎不存在的市场上击败我们，让我有点疯狂。”
不过，1%的全球服务器市场份额并非微不足道，英特尔将继续发展至强Phi协处理器，以使其在机器学习任务方面做得更好。
在这个地区，它并不是没有顾客，尽管它不能指出家喻户晓的名字。布莱恩特提到了维什维利使用骑士着陆训练视频搜索算法。
她指出，机器学习有两个方面——训练算法模型(这是计算最密集的部分)，以及将这些模型应用到现实世界的前端应用程序中，通常被称为推理。
布莱恩特说，英特尔从收购Altera后获得的fpga，加上常规的至强(Xeon)处理器，都非常适合推理部分，因此英特尔涵盖了等式的两边。
尽管如此，在超大规模的公司中取代gpu可能会有一段困难的时间——更不用说了谷歌的TPU张量处理单元(Tensor Processing Unit)是该公司专门为机器学习开发的一种芯片。
穆尔黑德说，对于程序员来说，使用英伟达的图形处理器比较困难，这可能对英特尔有利，特别是在常规业务开始采用机器学习的情况下。Knights Landing是“自启动”的，这意味着客户不需要将其与常规的Xeon配对来启动操作系统。
但摩尔黑德表示，英特尔最新的Xeon Phi处理器的浮点运算能力约为3万亿次浮点运算，而英伟达的新GP100处理器的浮点运算能力超过5万亿次。
他说道:“你可以在《Knights Landing》中强化浮点数，并创造一些类似于GPU的内容，但这并不是现在的情况。
尽管如此，英特尔依然坚持不懈，并决心取得成功。科比说:“我们将继续推进产品线，我们将继续获得市场份额。”