在AI領域落后于NVIDIA，Intel開始了奮起直追

由于人工智能的興起，英偉達（NVIDIA）憑借其 GPU 在該領域的優勢而獲得營收和股價的持續增長，而 Intel 則被質疑它可能在該領域無法應對英偉達的挑戰，不過近日微軟采用 Intel 的 FPGA 芯片作為實時 AI 云平臺 Project Brainwave 的 DPU，似乎顯示出 Intel 有望改變劣勢。

NVIDIA 挑戰 Intel

NVIDIA 的 GPU 之所以能在人工智能領域取得優勢，在于其擁有較 Intel 的 CPU 更強的并行計算、低精度運算等性能，由于這種優勢當前全球大多使用 NVIDIA 的 GPU 訓練神經網絡。

借助 GPU 的這種優勢，NVIDIA 開始進軍服務器市場。在當前的服務器市場，Intel 的 X86 處理器占據絕對優勢市場份額，獲得 99% 的市場份額。NVIDIA 進軍服務器市場選擇的是 ARM 架構，希望借助 ARM 架構所擁有的低功耗、低成本優勢挑戰 Intel 在服務器芯片市場的壟斷地位。

NVIDIA 本財年第一季的財報顯示，其數據中心業務收入達到 4.09 億美元，同比增長 186%，顯示出了強大的攻勢。NVIDIA 還獲得了收購了 ARM 的軟銀的支持，今年 5 月軟銀持有 NVIDIA 4.9% 股份成為其第四大股東。

軟銀在收購 ARM 后正希望它在壟斷了移動市場后向服務器芯片市場發展，期望到 2020 年能占有服務器芯片市場 20% 的份額，除了 NVIDIA 外，高通、AMD 都發布了它們的 ARM 架構服務器芯片。

不過在形勢一片大好之下，NVIDIA 在人工智能領域也有它的短板，在處理延時方面 CPU 較 NVIDIA 的 GPU 更有優勢，GPU 處理的首要目標是運算以及數據吞吐量，而 CPU 內部晶體管的首要目的是降低處理的延時，對于自動駕駛等對低延時有極高要求的行業來說這是 GPU 的一大弱點。

Intel 為改變在人工智能領域的弱勢做出的努力

Intel 缺乏自己的 GPU，為改變在人工智能領域的劣勢它先后收購了 FPGA 大廠 Altera。FPGA 最初是從專用集成電路發展起來的半定制化的可編程電路，通過用不同的編程數據產生不同的電路功能，擁有很高的靈活性及適應性，因此它可以作為一種用以實現特殊任務的可再編程芯片應用于機器學習中。

相比起 GPU 的優勢在于 FPGA 在出廠后可以在硬件電路里“現場編程”相應的程序，改變 FPGA 的硬件結構讓 FPGA 可以原生支持相應的人工智能運算，因此效率會比 GPU 更高。谷歌的 TPU 其實也類似于 FPGA，專為它的深度學習語言 Tensor Flow 定制的一種芯片，只是 TPU 不可以再通過編程來改變，而 FPGA 可以因此擁有更高的靈活性。

Intel 還收購了深度學習(deep learning)技術供應商 Nervana Systems，Nervana 是一家人工智能初創企業，據稱其研發的加速處理器較 NVIDIA 的頂級圖形處理器在運行神經網絡任務時將會有更好的性能。

Intel 方面希望將自己的服務器芯片至強處理器和 Nervana 的加速處理器整合在人工智能領域擁有更強的性能，同時更易于編程，這與它收購 Altera 以提供可編程的通用人工智能芯片的目的是相通的。

如今微軟引入 Intel 的 FPGA 芯片用于其實時 AI 平臺，意味著 Intel 在人工智能領域可能將取得突破。市調機構 Synergy Research 指微軟為全球第二大云平臺占有 11% 的市場份額，亞馬遜則是第一大云平臺占有 34% 的市場份額，不過這兩家企業近期在云業務方面展開合作，這兩家企業都希望將人工智能服務打包在云服務中以更好為其他企業提供服務。

Intel 的 FPGA 芯片被用于微軟這家全球第二大的云平臺中，如果取得不錯的效果無疑將起到極大的示范作用，為 Intel 在人工智能市場贏得更多市場份額，這對于 NVIDIA 來說可不是好消息。

Intel 占有全球服務器芯片市場近乎壟斷的市場份額也有利于其在人工智能領域取得優勢，人工智能需要大數據，而 Intel 的服務器芯片被廣泛應用于數據中心中，只是此前由于 Intel 缺乏 GPU 而難以與 NVIDIA 抗衡，在收購 Altera 和 Nervana 它正補上這一短板。

相比之下，NVIDIA 雖然寄望通過開發 ARM 架構的服務器芯片，但是目前其在服務器芯片市場相比起 Intel 還太弱，ARM 方面也不過是寄望到 2020 年贏得有限的市場份額，NVIDIA 在服務器芯片市場更難挑戰 Intel。形勢似乎開始往有利于 Intel 的方向發展了。

來自: 鈦媒體