多管齐下反击Nvidia，英特尔在AI芯片市场还有机会吗？

　　8月27日，英特尔已经是x86服务器市场的垄断者，成功遮住了双眼，它忽视了移动设备的崛起，对GPU加速系统大爆炸反应迟钝，最终，当奄奄一息的AI再获新生、变成一个前景可观的市场时，Nvidia成为主角，英特尔落选。

　　AI就是下一代计算，Nvidia制定了清晰的AI战略，它用历史数据来认证自己的观点：GPU已经打破摩尔定律设置的障碍。有些人甚至开始高呼“黄仁勋定律”。黄仁勋正是Nvidia的创始人。在过去3年里，Nvidia营收翻了一倍，股价更是上涨10倍。

　　以前，在英特尔眼里Nvidia只是小角色，向自己的PC伙伴提供小众产品，一夜之间，它成为新市场举足轻重的玩家，而英特尔却呆呆旁观。

　　巨人已经觉醒。英特尔明确向世人暗示，在AI市场，它不会重蹈移动市场一样的错误，不会将AI市场割让给对手。英特尔已经知道，AI是数据中心业务增长的关键，在未来5年里，AI芯片销售额的年复合增长率估计会达到30%。

　　正因如此，在最近的数据中心创新峰会(Data-Centric Innovation Summit)上，英特尔才会高调进军AI芯片市场，还说去年公司的AI芯片营收已经达到10亿美元。

　　AI芯片市场不只有GPU还有其它

　　Nvidia刻意强调说，目前的AI发展以是GPU作为根基的，它的说法有相当高的可信度，但是忽视了一些事实。

　　按照英特尔的解释，这种说法最大的问题在于忽视了AI软件与GPU硬件的融合，AI运行是相当复杂的，不可能一招通吃，所以上述论断过于简单。

　　英特尔AI产品集团主管 Naveen Rao曾经在博客中指出，近几年AI取得成功主要依赖三大支柱：一是软件工具的优化和成熟，二是硬件更加出色(多种形式的硬件，不限于GPU)，三是研发生态系统欣欣向荣，而且许多时候还是开源的。

　　Naveen Rao进一步强调说：

　　“客户发现，没有什么单一的好硬件可以应付各种各样的应用，因为AI的类型不是单一的。受到应用的限制，从数据中心到边缘设备，需要的能力各有不同，所以我们需要多种多样的硬件组合形式。覆盖多种多样的应用，就可以为英特尔客户带来最高的投资回报。”

　　深度学习模式越来越复杂，需要强大的并行处理能力，不过Naveen Rao认为，它只是AI软件生命周期的一部分。

　　联想一名AI高管曾经在文章中介绍说，从构想到部署，总个周期相当漫长，涉及到规划、数据收集、验证，开发部署模型时也要经历这样的流程。

　　Naveen Rao在峰会上曾表示，AI的执行环境多种多样，有小设备，比如物联网传感器和手机，也有自动驾驶汽车，远程设备，它们处在网络边缘，还有分散系统，比如云数据中心。

　　英特尔AI战略的基石是“宽度”，就是说英特尔有多种多样的技术，可以用在多种多样的环境中使用，另外，英特尔还向开源项目投资，增强软件性能，提高开发者的生产力。

　　按照Naveen Rao的说法，英特尔AI战略会用“三条腿”走路：一是工具(软件)，二是硬件，三是社区(开发者生态系统)。 从英特尔的AI产品组合可以看出，它能满足各种需要，无论是端点、边缘系统还是数据中心，都可以使用英特尔产品。在英特尔帝国内已经有许多AI技术，有些是英特尔自己开发的，有些是收购的，比如：

　　——低能耗Atom处理器，内置Movidius视觉处理单元(VPU)，用于物联网和移动设备。

　　——Mobileye先进驾驶员辅助系统(ADAS)和EyeQ芯片，用于无人驾驶汽车。

　　——桌面及移动x86处理器，内置GPU、GNA神经网络协处理器和Inference Engine加速技术。

　　——基于Altera开发的FPGA，它既给低能耗嵌入式系统用(Arria 系列产品)，也给高性能数据中心用(Stratix系列产品)，在实时数据评估中，可以加速深度学习模型的执行速度。Altera是英特尔收购而来的。

　　——Nervana神经网络处理器，它用高性能、灵活的GPU处理相同类型的模型训练和推断任务。

　　——Xeon Scalable x86处理器，用于执行一般任务，训练轻量级AI模型，完成繁重的模型推断工作。