据The Next Platform报导，英特尔现有的Knights Landing Xeon Phi芯片可提供双精度(Double Precision)3.46 teraflop及单精度(Single Precision)6.92 teraflop的尖峰效能，但却无法像NVIDIA的Pascal GPU提供半精度的运算能力，因此在资料量比精度更为重要的机器学习与特定影像、讯号处理，Knights Landing显得较为吃亏。
Knights Mill于是后退一步，转而标榜支援可变精度，如此一来便能以同样的硬件及热足迹(Thermal Footprint)，处理更大型的机器学习模型。Knights Mill若以现有的Knights Landing为基础，调整为16位元半精度，理论上每周期就能处理64半精度运算，并能有效将本地MCDRAM存储器增加至32GB，提升资料训练效率。
如果英特尔能让Knights Landing上的76个核心全部运作，并稍稍增加时脉，就能进一步将半精度效能提升至16.8 teraflop，每teraflop的成本也能降至372美元，胜过使用Pascal的Tesla P100。Pascal则是在每瓦效能方面胜出。
不过超大规模资料中心业者*关心的，或许还是每瓦每teraflop的成本。
经过计算之后，Tesla P100每瓦每teraflop成本为1.65美元，**Xeon Phi 7290为1.84美元，稍低阶的Xeon Phi 7250为1.86美元，更低阶的Xeon Phi 7230为1.62美元。如果Knights Mill是以Knights Landing为基础进行调整，在英特尔不收取额外费用的情况下，其每瓦每teraflop成本推估为1.24美元。Knights Mill的推出，将对至今无法大量出货的Pascal Tesla P100造成严重压力。
上述推论的前提，都是以Knights Landing作为Knights Mill的技术基础，而根据英特尔释出的资料，Knights Mill的实际效能将不止于此。
为提供超大规模资料中心业者一个GPU外的选择，并满足超级电脑中对于分析、机器学习与模拟的需求，英特尔不断加快Knights处理器家族的发展脚步，并且试图提升产品的多样性。此外，英特尔也透过收购填补所有缺口，像是Altera与Nervana Systems即可望在英特尔的深度学习发展上扮演重要角色。
英特尔资料中心总经理Diane Bryant指出，目前英特尔已取得97%的机器学习伺服器市场，其中Xeon E5是*常被使用在机器学习与深度学习的处理器。Bryant并提出，到了2020年，多数伺服器都将投入资料分析工作。
公安机关备案号：
