bfloat最近变得更受欢迎， 我所知道的是， 在过去四个月中， 有多个客户来到我们这里并特别要求bfloat 。
问：哪些类型的顾客或者行业对Spring Crest感兴趣？
Carey：Spring Crest可以说是最高等级的Nervana神经元处理器架构 。
因此， 它有同样的客户， 例如超大规模中心， 超大规模CSP， 已经拥有相当强大的数据科学工作的大型企业客户， 例如政府和其他企业 。
我想从另一种角度来回答这个问题， 哪些客户对此不感兴趣 。 数据科学或人工智能还是比较新的， 这是一个非常热门， 非常激动人心的领域， 而且正在迅速改变 。 传统的企业客户可能拥有数据， 但他们可能无法在其数据中心部署高端设备 。 我们作为英特尔提供的服务， 以及我们的路线图和我们的总体策略是提供整个产品组合 。 你可以基于nGraph和Xeon开始工作 。 你的数据中心已经部署了英特尔至强处理器， 那你没有理由再去购买神经网络处理器或者其他类似产品 。 你有了至强并且围绕至强做一些工作， 你可以得到你的数据状态 。
但如果你发现神经网络可以帮助你， 并且尝试找到如何能够让它赚钱， 这时候你可以说你更加严肃认真对待它， 当然英特尔可以提供神经网络处理器产品， 能够让你更严谨地去进行训练 。 现在你可以购买很多NNP产品， 并可以运用相同的软件栈， 你可以获得相同的优化和优化路径， 你可以为不同的硬件进行优化 。 甚至你可以用不同的Crest或者Xeon， 这取决你想要干什么 。 或者， 你已经开始了训练阶段， 你的数据科学家开始尝试去训练不同的模型， 现在你的需求是大规模部署推理阶段 。
重中之重是， 不是一种解决方案满足所有需求， 如果你需求的是低延且小模型， 至强就能帮助到你， 它可以把数据从云到端手机起来 。 如果是一些大型模型， 而不是只处理一种类型的数据， 你需要一些更具体能够进行推理的部署 。 这就是和我们今天早上宣布有关， 这里潜在蕴含着， 我们正计划给数据中心提供推理加速， 当然更多细节不能透露 。
整合资源快速迭代初始团队只有45人
问：在开发新芯片的时候你们遇到了什么样的困难？
Carey：我们先来谈一下Lake Crest， 我们创业初期就开始研发Lake Crest， 我们整个团队大概45人， 当时正在构建一个最大的Die（硅芯片）， 我们开发了Neon， 我们还构建了云栈， 这些都是40-45人团队所完成的 。
这就是挑战， 公司成立在2014年， 直到去年芯片才真正问世， 3年的时间不短， 现在一切都是新的， 我们现在属于英特尔， 可以访问英特尔的资源， 流程也变得简单， 同时也有足够的员工同时进行处理器多代开发， 就像一个真正CPU公司 。
我认为我已经具备了明年取得成功所有要素， 小团队成长会有阵痛， 我们花了很长时间才把第一批产品拿出来， 但我们现在处于合理的节奏中， 现在我们每年都会看到改进， 当前我们的人员配置合理， 资源配置合适， 能够更好的展开工作 。
问：但整合所有需要的资源并不是一件容易的事吧？
Carey：当然不是一件容易的事情， 但英特尔在将产品推出市场方面拥有丰富的经验， 我曾经在大大小小不同的公司工作过， 英特尔这点让我印象非常深刻， 英特尔有迄今为止我见过的最佳的后硅培养（post-silicon bring-up）和架构分析 。 出品芯片， 我们有数百个系统同时运行 。
而且， 同事们夜以继日协同工作， 不仅仅来自Nervana的员工， 6个月前刚加入的员工也是如此 。 当然让数以百计的员工朝着同一个愿景工作是很困难的， 但英特尔是我所经历过的做的更好的一家公司 。
推荐阅读
- 速龙和英特尔的cpu哪个更好
- 领导让我任办公室负责人 换办公室主任是大忌
- 所有软件环境和硬件环境
- 台式电脑无法正常关机
- 台式机哪些硬件需要加散热器
- 酷睿I7怎么样，酷睿i7英特尔八线程cpu怎么样？
- 硬件有哪些，电脑硬件都包括哪些及其作用是什么？
- 电脑运行的快慢取决于哪些因素,电脑运行快慢与哪些硬件有关
- 玩lol很卡怎么办
- 网关是软件还是硬件