深度解析：AI倒逼下的英特尔

编者按：本文来自微信公众号“iFeng科技”（ID：ifeng_tech），作者 箫雨，36氪经授权发布。

英特尔训练神经系统的Nervana芯片

商业杂志《快公司》发表深度文章称，在摩尔定律面临失效，人工智能(AI)复兴的背景下，传统芯片巨头英特尔公司不得不转型，不再依赖CPU单打独斗，通过收购获取适合训练神经网络的芯片。同时，英特尔开始改变长期秉持的信念，外包芯片制造降低成本，缓解交付压力。

当笔者走向英特尔位于加州圣克拉拉的访客中心时，一大群韩国青少年从他们乘坐的巴士上跑下来，兴高采烈地聚焦在巨大的英特尔标志前自拍，合影。这可能是你在苹果或谷歌身上才能看到的狂热粉丝，但是英特尔为何也有？

别忘了，在硅谷这个名字中，“硅”就是芯片的象征，而它的典型代表就是英特尔，这家公司的处理器和其他技术为PC革命提供了许多底层性能支撑。如今，英特尔已经“51岁”了，它依旧保留了一些“明星魅力”。

英特尔的深刻变革

但是，英特尔也在经历一段深刻变革期：重塑公司文化和产品生产方式。和以往一样，英特尔的核心产品依旧是台式机、笔记本电脑、平板电脑以及服务器的“大脑”——微处理器，它们通过专门的工艺在硅晶圆上刻蚀出数百万或数十亿个晶体管。每个晶体管上面都有“开”、“关”两个状态，以对应计算机的二进制数字“1”和“0”。

自上世纪50年代以来，英特尔通过在硅晶圆上不断加入更多晶体管实现了处理性能的稳步提升。这个提升速度实在太稳定了，以至于英特尔的联合创始人戈登·摩尔(Gordon Moore)在1965年作出了著名预测：芯片上的晶体管数量每两年就会增加一倍，这就是“摩尔定律”。分析师称，摩尔定律这么多年来一直成立，但是英特尔不断增加晶体管的策略已经达到了一个“收益递减”的地步。

与此同时，市场对于更高处理性能的需求从未像现在这么高过。分析师称，AI现在已被广泛应用于几乎各个行业的核心业务流程中。它的复兴使得计算性能面临“需求过度”的局面。神经网络需要大量计算性能，而且只有在计算机网络通力合作的情况下才会展现出最佳效果，它们的应用远超一开始奠定英特尔巨头地位的PC和服务器。

“不管是智慧城市、零售店、工厂、汽车还是家居，所有这些今天都有些像计算机。”鲍勃·斯万(Bob Swan)表示，他自今年1月份开始担任英特尔总裁。

AI带来的结构性改变和英特尔寻求扩大业务的雄心，已经迫使英特尔调整了部分芯片的设计和功能。英特尔正在开发和设计能够协作的软件和芯片，甚至会对外收购公司以便让其跟得上已发生变化的计算世界的脚步。随着AI逐渐进入到企业和个人生活中，行业越来越依赖英特尔提供芯片性能来驱动AI，英特尔的进一步转型势在必行。

摩尔定律之死

目前，主要是拥有数据中心的大型科技公司在他们的主要业务中运用AI技术，其中一些把AI作为云服务提供给企业客户，例如亚马逊、微软和谷歌。但是，AI已开始向其他大型企业传播，后者训练AI模型来分析海量数据采取相应措施。

这种转变需要极大计算性能作支撑，而AI对于计算性能的“渴望”正是AI兴起与摩尔定律的正面相撞。

几十年来，摩尔在1965年的这一预测对整个科技行业来说意义重大。硬件制造商和软件开发商习惯上把他们的产品路线图和他们从明年的CPU中获得的性能挂钩。可以说，摩尔定律使得所有人在“跳同一首舞曲”。

英特尔联合创始人摩尔(右)

摩尔定律同时还预示着英特尔每年都会兑现的芯片性能提升承诺。在过去大部分时间里，英特尔通过寻找方法在硅晶圆中加入更多晶体管兑现了这一承诺，但是难度越来越大。

“芯片工厂即将丧失为我们提供性能提升的能力，”市场研究公司Moor Insights & Strategy首席分析师帕特里克·摩尔海德(Patrick Moorhead)表示，“平价生产这么多芯片正变得越来越难。”

尽管在硅晶圆中加入更多晶体管依旧是可能实现的，但是成本越来越高，时间越来越长，所获得的性能提升不一定足以满足计算机科学家建立神经网络的需求。例如，2016年已知的最大神经网络拥有1亿个参数，2019年目前为止的最大神经网络有15亿个参数，短短几年时间就增加了一个数量级。

和此前的计算范式相比，AI呈现出的是一种极为不同的生长曲线，施压英特尔寻找方法来提高其芯片的处理性能。

不过，斯万更多是把AI视为一个机遇，而不是挑战。他承认，数据中心可能是英特尔主要受益的市场，因为企业需要强大的芯片来进行AI训练和推理，但是他相信英特尔也有更多机会向小型设备销售兼容AI的芯片，例如智能相机和传感器。对于这些设备来说，他们的与众不同之处在于尺寸小、功耗低，而不是芯片的原始性能。

“我认为，我们需要在三种技术上加快开发：一个是AI，一个是5G，还有一个是相当于移动版计算机的自动化系统。”斯万称，他在科再奇(Brian Krzanich)去年因为婚外情离职后接任了英特尔CEO。

英特尔CEO斯万

在英特尔总部的一个普通大型会议室里，斯万在会议室前方的一个白板上把英特尔的业务分成了两列。左边的一列是PC芯片业务，目前占据了英特尔的半数营收；右边一列是数据中心业务，包括新兴的物联网、自动驾驶汽车以及网络设备市场。

“我们进军的这个世界需要越来越的数据，这需要更强的处理、存储、检索能力，更快的数据移动、分析和智能化来提高数据的相关性。”斯万称。

斯万不再争取在500亿美元的数据中心市场拿下90%左右的份额，而是希望在规模更大的3000亿美元的联网设备市场抢占25%的份额，包括智能相机、未来主义的自动驾驶汽车以及网络设备。他把这一策略形容为“先从我们的核心竞争力入手，然后在某些方面进行发明创造，但同时还要扩大现有业务”。

这可能也是英特尔快速走出智能机芯片尝试失败阴影的一种途径，该公司最近放弃了在智能机基带上的大规模投资，把它出售给了苹果公司。在智能机芯片领域，高通公司的长期主导地位犹如英特尔称霸PC芯片市场。

到2023年时，物联网市场规模预计将达到2.1万亿美元，这涵盖了机器人、无人机、汽车、智能相机以及其他移动设备的芯片。虽然英特尔在物联网芯片市场的份额以同比两位数速度增长，但是物联网在英特尔总营收中的占比如今依旧只有7%。

数据中心是英特尔第二大业务，为公司贡献了32%的营收，仅次于PC芯片业务(占营收50%)。如果说哪块业务受到的AI影响最大，数据中心首当其冲，这也是英特尔为何一直在调整其最强CPU系列至强的原因，目的就是让它适合处理机器学习任务。

今年4月，英特尔在第二代至强CPU中加入了深度学习加速技术(DL Boost)，为神经网络提供更强性能的同时精确度的损失忽略不计。出于同样原因，英特尔将从明年开始销售两款擅长运行大型机器学习模型的芯片。

AI复兴凸显芯片短板

到2016年时，神经网络将被用于各种应用的前景已经变得很清晰，从产品推荐算法到客服机器人的自然语言处理。和其他芯片制造商一样，英特尔知道公司必须为其大型客户提供一种软硬件专为AI设计的芯片。这种芯片将被用于训练AI模型，从海量数据中进行的推断。

那时，英特尔正缺少这么一种芯片。行业认为，英特尔的至强处理器非常擅长分析，但是英特尔对手英伟达生产的AI图形处理器(GPU)更适合训练AI模型。这是一个影响了英特尔业务的重要看法。

于是，英特尔在2016年开始展开收购，斥资4亿美元买下了一个名为Nervana的深度学习芯片公司，后者已经在开发旨在用于训练AI的超快芯片。

三年过去了，回过头来看，这似乎是英特尔的明智之举。在今年11月在旧金山举行的活动上，英特尔宣布了两款新的Nervana神经网络处理器，一款旨在运行神经网络模型，从大量数据中推断意思，另外一款则用于训练神经网络。英特尔与两大客户Facebook、百度合作，协助验证其芯片设计。

Nervana CEO拉奥

Nervana并不是英特尔在2016年的唯一一笔收购交易。同年，英特尔还收购了另外一家公司Movidius，后者一直在开发能够在无人机或智能相机等设备内部运行计算机视觉模型的小型芯片。英特尔的Movidius芯片销量并不高，但是一直在快速增长，并开拓了让斯万感到兴奋的物联网市场。在旧金山活动上，英特尔还宣布了新款Movidius芯片，将在明年上半年推向市场。

Nervana创始人兼CEO纳温·拉奥(Naveen Rao)表示，许多英特尔客户至少在一定程度上在数据中心服务器使用的常规英特尔CPU中从事AI计算，但是要让它们通力合作满足神经网络的需求并不容易。另一方面，Nervana芯片包含了多个连接，这样他们就能轻松与数据中心的其他处理器协作。

“现在，我就可以调出我的神经网络，把它们分成能够一起协作的多个小系统，”拉奥称，“这样我们就能让整个服务器机架，或者四个机架，共同解决一个问题。”

2019年，英特尔预计将从AI相关产品中获得35亿美元营收。目前，只有少数英特尔客户正在使用Nervana芯片，但是它的用户群很可能在明年显著扩大。

长期芯片理念的转变

Nervana芯片的推出代表着英特尔根深蒂固的信念正在演变，这家芯片巨头曾经深信：一颗CPU就能处理PC或服务器所需要做的一切计算任务。这种无处不在的信念伴随着游戏革命而变化，后者需要极强的计算能力来显示复杂的图形。

合理的做法是，把图形处理工作交给GPU，这样CPU就不用承担这部分任务。斯万称，几年前，英特尔开始在CPU中整合GPU，明年将首次发布独立GPU。

相同的思路也适用于AI模型。在数据中心服务器中，一定量的AI任务可由CPU处理，但是随着任务量增大，更高效的做法是把它转移给另外一颗专用芯片。英特尔一直在投资设计新的芯片，把CPU和一系列专用加速芯片整合在一起，从而满足客户的性能和工作量需求。

“当你设计一款芯片时，你需要发挥系统的力量解决问题，这常常需要更多芯片，不是一颗CPU能够做到的。”斯万称。

此外，英特尔现在更多地依赖软件将其处理器的性能和功效推高到新水平，这改变了英特尔内部的平衡。一位分析师称，在英特尔，软件开发目前和硬件开发“平起平坐”。

英特尔Nervana推理芯片

有些情况下，英特尔不再独立生产所有芯片。这一划时代改变背离了公司的传统做法。现在，如果芯片设计师认为其他公司能够在一款芯片生产上做得比英特尔更好，效率更高，英特尔就会将它的生产外包。例如，用于AI训练的新款芯片就是由台积电代工的。

英特尔外包部分芯片制造同时出于业务逻辑和经济上的考虑。由于英特尔最先进的芯片制造工艺存在产能限制，许多客户只能等待新款至强CPU的发货。因此，英特尔把部分其他芯片的生产外包给其他制造商。今年稍早时候，英特尔向客户致信，就芯片发货延期致歉，并公布了追赶进度的计划。

所有这些变化都在挑战英特尔长期秉持的信念，调整了公司的重点，对陈旧的公司权力结构进行再平衡。

在这一转型期间，英特尔的业绩看起来十分出色。分析师迈克·费巴斯(Mike Feibus)称，英特尔的传统PC芯片销售业务较5年前下滑了25%，但是面向数据中心的至强处理器销售正在“翻天覆地”。

一些英特尔客户已经使用至强处理器来运行AI模型。如果工作量上升，他们可能就会考虑增加新的Nervana专用芯片。英特尔预计，首批Nervana芯片客户将是“超大规模用户”或者运营大型数据中心的科技巨头，例如谷歌、微软、Facebook等。

英特尔错过了移动革命，将智能机处理器市场拱手让给高通已不是新鲜事了。但实际上，移动设备已经变成了服务售卖机，通过云数据中心交付到你的手机上。所以，当你在平板电脑上观看流媒体视频时，英特尔的芯片很可能就在协助为你服务。

5G时代的到来或许会让实时服务成为可能，例如在云端玩游戏。一副未来感十足的智能眼镜或许就能以超快速度连接到数据中心内的算法，立即识别物体。

所有这些都汇聚成了一个十分不同的时代，远远不同于围绕着使用英特尔芯片的PC所打造的技术世界。但是，随着AI模型越来越复杂，多才多艺，英特尔有机会成为最适合驱动它们的公司，就像它们在近半个世纪时间里驱动我们的PC一样。

参考资料：

https://www.fastcompany.com/90439144/machine-learning-could-transform-medicine-should-we-let-it

相关推荐

深度解析：AI倒逼下的英特尔
深度解析：AI 能否帮助人类重塑网络安全屏障？
英伟达和英特尔的AI战事
AI芯片大战背后：英特尔对英伟达虎视眈眈，国内芯片公司蠢蠢欲动
基于英特尔OpenVINO优化，爱奇艺已将深度学习应用于视频产品
拉美借贷产业深度解析：挑战，转机与未来
英特尔或将收购以色列AI芯片公司Habana Labs，金额10亿-20亿美元
英特尔20亿美金收购Habana，AI副总裁Rao宣布离职，Nervana芯片恐遭淘汰
让AI帮城市倒垃圾，暂时可能还没戏
英特尔甩出视觉推理新杀器，性能超英伟达，大秀首款云端AI商用芯

网址: 深度解析：AI倒逼下的英特尔 http://www.xishuta.com/newsview14352.html