英特尔 Nervana NNP 并没有标准的高速缓存层次结构，而且单片存储器由软件直接控制以更好控制存储过程，从而使芯片可以在每一次内存释放（die）中获得高度的计算资源效用，这意味着能将深度学习模型的训练时间大大缩短。

AI 模型的可扩展性达到新的层次

英特尔 Nervana NNP 拥有高速的开和关（on and off）的芯片内部数据互联，从而允许大量数据的双向转换。这种设计的目的是实现真正的模型并行化，即神经网络的参数分布在多个芯片中。这使得多个芯片像一个大型虚拟芯片工作，因而能容纳大型的模型，使客户能从数据中获得更多的洞见。

英特尔称这只是这个硅基芯片系列的第一个产品，并计划利用这个系列在 2020 年将深度学习训练的性能提升 100 倍。

英特尔联合 Facebook 一起设计芯片，他们的目标是培育一类新的 AI 产品，其可能性只受限于开发者的想象力。

英特尔称到了 2020 年，认知和人工智能技术将获得 460 亿美元的产业收益，而英特尔的第一代英特尔 Nervana NNP 将在今年年底加入这场竞争。