Künstliche Intelligenz: Intel schließt Nervana-Abteilung

Wenige Jahre nach der Übernahme kommt das Ende, denn Intel macht Nervana dicht. Das KI-Startup ist durch den Zukauf der Habana Labs überflüssig geworden, die Hardware nicht leistungsstark genug.

Artikel veröffentlicht am 1. Februar 2020, 14:28 Uhr, Marc Sauter

Spring Crest alias NNP-T1000 als Mezzanine-Modul (Bild: Marc Sauter/Golem.de)

Intel schließt die 2016 übernommene Nervana-Abteilung für künstliche Intelligenz, das berichtet Forbes unter Berufung auf ein Statement des Herstellers. Statt die Neural Network Processors (NNPs) von Nervana weiterzuentwickeln, setzt Intel künftig auf die Chips der Habana Labs, die Ende 2019 gekauft wurden.

Nervana war ursprünglich ein kleines US-amerikanisches Startup für künstliche Intelligenz, das nur wenige Jahre nach der Gründung für vergleichsweise niedrige 400 Millionen US-Dollar von Intel in den eigenen Konzern integriert wurde. Nervana entwickelte bisher mehrere Chips, wobei am Ende nur NNP-T1000 (Spring Crest) für Training und NNP-I1000 (Spring Hill) für Inferencing verfügbar gemacht werden sollten. Bisherige Kunden erhalten weiter Unterstützung, neue Designs wird es aber nicht geben.

Stattdessen liegt nun der Fokus auf den Habana Labs, einem israelischen Unternehmen, das im Dezember 2019 für zwei Milliarden US-Dollar übernommen wurde. Derzeit gibt es von Habana Labs zwei KI-Beschleuniger, den Gaudi für Training und den Goya für Inferencing, beide Chips werden beim taiwanischen Auftragsfertiger TSMC im 16-nm-Verfahren hergestellt. Der Gaudi nutzt Tensor Processing Cores (TPCs), genauer VLIW-Vektoreinheiten, und ist mit 32 GByte HBM2-Speicher ausgestattet. Der Goya nutzt ebenfalls TPCs, die jedoch kein BF16 beherrschen. Als Inferencing-Beschleuniger reichen dem Goya seine 16 GByte DDR4-Speicher mit 128-Bit-Interface.

Für Intel ist künstliche Intelligenz ein wichtiger Markt, der von den klassischen Xeon-CPUs alleine nicht bedient werden kann. Seit die Xeon-Phi-Beschleuniger eingestellt wurden, fehlt es Intel an Chips, um gegen konkurrierende Designs wie unter anderem AMDs Radeon Instinct, Nvidias Tesla oder ASICs wie Googles TPUs antreten zu können.