原因主要有三点，Habana方案在成本、ROCE支持和统一式架构这三点上面有较大的优势，从而让Intel决定放弃Nervana产品线的未来规划，而将AI硬件的研发重点转移到新收购的Habana Labs中去。

首先是成本因素，Nervana NNP-T搭配了HBM2内存，众所周知，HBM的价格非常高，虽然它提供的带宽也高，但是会让芯片的总体成本上升，甚至会增加芯片的制造难度（HBM2要堆叠封装到芯片上）。而Habana Labs的Gaudi芯片则没有使用HBM作为内存，它在架构层面上具有相当的可扩展性，从而解决了其较小的存储容量的局限性，并且它可扩展性强的特性让它可以很好地应用DNN模型在规模和复杂度上面的变化。

另外Nervana虽然拥有芯片内的高速总线，在片内提供着低延迟的高速连接，不过它并不支持业界标准的ROCE（基于融合以太网的RDMA），后者可以大幅简化并行计算时的编程难度，并且可以提高性能。

第三点是Habana的统一架构优势，Nervana的训练和推理芯片分别基于两种完全不同的架构，甚至它们的制程工艺都是不一样的，NNP-T使用的是台积电的工艺，而NNP-I使用的是Intel自家的10nm工艺，而Habana在推理和训练芯片上使用的架构是统一的，相对来说它更有优势。

福布斯认为Intel在AI硬件大战的早期阶段进行“换马”是有利于今后的发展的，不过之后Intel如何将Habana产品整合进自己的软件堆栈中也是个未知数，还有很多挑战等着他们。

Nervana这家成立于2014年、专注于AI业务的公司在2016年8月9日被Intel以4.08亿美元的价格收购了，之后他们一直在为Intel开发深度学习方面的加速芯片，主要有NNP-T这款训练用途的大ASIC和NNP-I这款推理用途的小ASIC。从官方声明来看，确定已经被取消的是NNP-T这款较大的用于神经网络训练的ASIC，而NNP-I还将存活一段时间：

……作为本次（路线图）更新的一部分，我们计划兑现当前在NNP-I系列推理加速器（代号“Spring Hill”）上面的承诺，并停止NNP-T（代号“Spring Crest”）的开发。

Intel突然宣布砍掉Nervana产品线这个决定可能与Intel最近收购的Habana Labs有关，Nervana和Habana Labs都是研发神经网络处理器的公司，在业务范围上实际是有重叠的，Intel没有必要保留两条拥有类似目标客户的产品线，砍掉一条，将开发资源集中到另一条产品线上去才是较为合理的选择，所以砍掉Nervana产品线这个举措也算不上是太意外的事情。

根据Wikichip的分析，Nervana的架构更优越一些，但Intel在声明中称Habana的统一式架构更有“战略优势”（The Habana product line offers the strong, strategic advantage of a unified, highly-programmable architecture for both inference and training.）。事实确实如此，NNP-I和NNP-T采用了两种完全不同的架构，前者非常像Intel自家的Ice Lake架构，而后者则用的是完全不同的神经网络架构。切换到Habana的统一式架构上对于未来的产品开发应该是具有相当的好处的。

Intel的新闻稿中其实并没有多少关于Nervana处理器的实质性内容，通篇都是在讲述Intel已经在不同领域展开研究，先有了17量子位的Qutech量子处理器，现在又有了Nervana人工智能处理器，它们都在不同领域发光发热。并且会继续对前沿领域进行创新性的研究、投资新硬件、算法，必要时会收购相关初创公司，保持技术领先优势。

而小编另外找到一篇介绍Nervana处理器的博客，是由Nervana处理器主导研发者Naveen Rao所撰写的，里面提到了一些关于该神经网络处理器的关键技术，还是相当有趣的。

现在机器学习、深度学习已经成为全球广泛使用的数据分析、研究方式，不过目前已有的处理器在运行相关程序总是显得力不从心，因为X86处理器其通用性架构本来就不擅长于大数据处理，因此像NVIDIA开发的计算卡就派上用场了。而Intel为了弥补这方面缺陷，开始了Nervana处理器的开发，其特点如下：

新的内存体系

矩阵乘法以及矩阵转置一直都是深度学习中的核心运算操作，这些计算不同于平常运算，很大程度上它们都是已知的操作，因此Intel Nervana处理器摒弃了原来的标准的缓存结构，而是利用软件实现内存管理，这样压榨出处理器的最大性能（估计意思就是不需要原来复杂的缓存结构和控制单元电路，全部让位给计算单元，实现更高的计算性能）。

新一代的AI模型

设计有高速片外互联通道，可以让Nervana处理器实现高速的双向数据传输，多个处理器甚至可以组成一个更加庞大的神经网络系统，可以实现更大的计算量，帮助客户快速获取有用数据。

专为人工智能设计的Flexpoint运算

神经网络计算在单个芯片上很容易受到功耗以及内存带宽限制，为了实现更高的吞吐量，Intel发明了一种新的运算Flexpoint，可以实现标量的点乘和加法，而且这种计算单元可以节省下不少的电路晶体管，因此可以提升处理器的密度，并且减少功耗。

Intel表示，Nervana处理器并非只有一款，多代处理器正在打造当中，在未来这些产品有助于在2020年实现深度计算数百倍的性能提升。而第一个合作方就是Facebook，双方将会深入合作应用，但未具体公布相关细节。

在新兴市场上，Intel之前宣布了将向自动驾驶汽车领域投入2.5亿美元，而在AI人工智能领域，Intel CEO科赞奇今天也在旧金山的会议上正式宣布了该公司的AI战略政策，他的主题演讲题目是“Intel AI致力于推动更好的世界”，里面主要介绍了Intel AI战略的一些观点、理念以及他们的优势，详情可以参考科赞奇的官博，我们重点来看看Intel都有那些新产品、新技术。

Intel的AI战略

首先要提的是Intel在深度学习、AI领域已经收购了不少相关公司，先后拿下了Saffron、Movidius，今年8月份则收购了神经网络处理器公司Nervana，这些公司的成果都会跟Intel的处理器、FPGA（来自于收购的Altera）等产品结合起来。

首款结合Nervana技术的芯片是代号Lake Crest（佳洁士顶峰湖）的新一代处理器，，预计2017年上半年问问世，今年底会出样给部分关键客户。

此外，Intel还宣布了代号Knights Crest的新一代Xeon加速器，它也会集成Nervana技术，也是专为高性能神经网络而生的。根据Intel DCG部门主管Diane Bryant所说，本时代最后几年中（2016-2020），Intel在深度学习领域将会推出性能达到GPU加速100倍的平台。

再往后还有Intel新一代Xeon Phi处理器，代号“Knights Mill”，也是在2017年问世，深度学习性能号称是现有产品的4倍，看样子这得上明年的10nm工艺了，核心数理应会从目前最高72核继续攀升。

新产品还没完，Intel宣布已经开始出货部分Skylake架构的Xeon处理器了，支持AVX-512指令集，将会明显加速深度学习性能。2017年中开始，则会有更多的功能、配置以满足市场需求。

虽然位于加利福尼亚州圣迭戈的Nervana Systems是一家很年轻的公司，才成立于2014年，但目前已经是深度学习技术的领导者，拥有属于自己的软硬件和云计算系统，在人工智能领域的强势表现正是吸引Intel收购的重要因素。

被收购后的Nervana的团队共48名成员将全部加入Intel的数据中心小组，并利用Nervana的引擎和技术去加强Intel的AI技术的发展，并为Xeon和Xeon Phi等处理器提供深度学习功能，降低开发成本。

当然了，要开发出《终结者》中的天网仍有这不可逾越的难度，但小编不知道对此是期待的好还是不期待的好。