热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

英特尔、英伟达、AMD的恩怨情仇及未来AI格局猜想|行业

▼大型年度AI人物评选——2017中国AI英雄风云榜,评分工作已结束,12月4日乌镇张榜!奖项设置:技术创新人物TOP10&

大型年度AI人物评选——2017中国AI英雄风云榜,评分工作已结束,12月4日乌镇张榜!


奖项设置:技术创新人物TOP 10,商业创新人物TOP 10

表彰人物:华人科学家、学者、企业家、创业者

评委阵容:资深媒体人、AI投资人、AI专业机构等

榜单公布:2017年12月4日,浙江乌镇


关注网易智能公众号(ID:smartman163),获取评奖动态!

本文系网易智能工作室出品

聚焦AI,读懂下一个大时代



过去一段时间里,每当英伟达以胜利者姿态大讲AI故事、为GPU唱赞歌时,或偶尔以挑衅的姿态怼英特尔时,英特尔表现得较为隐忍低调;面对外界对摩尔定律失效、转型缓慢等方面的质疑,英特尔也较少公开回应。以至于在9月份在一场发布会上,英特尔中国区总裁杨旭忽然对媒体说了一句:“老虎不说话,以为是病猫。”


随着英特尔AI投资布局的落实和业务整合的到位,英特尔近期在AI上的发声造势随之增多,从总部到中国区各层面高层频繁走向前台,积极“推销”英特尔的AI战略及洞察。同时,英特尔也在通过积极举办或参加相关市场活动,推动人工智能战略在各行各业的落地。



与此同时,英特尔近两个月的不凡举动也吸引了业界的关注:先是10月中旬英特尔CEO柯再奇宣布年底前推出Nervana神经网络处理器,之后不久传出英特尔与老对手AMD合作的消息,紧接着英特尔又“挖来”AMD首席GPU架构师拉加?库德里,谋划开发独立GPU。


华尔街也随之把目光转向英特尔。11月中旬,华尔街的一家投资公司表示,投资者不应该忽视英特尔的人工智能实力,该公司预计英特尔将在多个长期增长市场中潜力,并上调了英特尔的目标价。

如果英特尔“老虎发威”、AI实力爆发,未来AI芯片市场格局会怎样?


1.


如果十年前,收购ATI的不是AMD而是英特尔,结果会怎么样?可以肯定的是,英伟达不会有今天这样的风光,英特尔也许不至于在AI上给人落伍的感觉。


当时,ATI和英伟达都是做GPU的厂商,当时ATI与NVIDIA在GPU上竞争,AMD与Intel在CPU上竞争。2006年,ATI被AMD以54亿美元的巨资收购,AMD因此成为一家同时拥有CPU与GPU研发能力的芯片公司。


应该说,AMD当时的并购策略是有远见的。可惜,当时这笔并购对于在英特尔打压下的AMD来说太昂贵了,在收购ATi之前,AMD自有现金只有30亿美元,只能又靠举债才完成了并购。被债务拖累AMD在CPU和GPU两条线上分别与不同的强敌竞争,带来的是更大的困难。


英伟达以后在GPU上的一路领先,也应该受益于这次并购——给了英伟达创造了较为宽松的发展空间。


而随着近几年人工智能的兴起,在GPU和图形计算领域领先的英伟达“踩中了风口”——虽然GPU不是专为人工智能而设计的芯片,但由于GPU擅长图形相关的计算,对处理复杂运算拥有天然的优势,而使得英伟达搭上了AI的快车,股价一路飙升,成为华尔街的绝对宠儿。


英特尔和AMD显然都不希望英伟达在GPU上保持一家独大的局面。



11月上旬,传出英特尔与AMD这对世纪冤家合作的消息,未来AMD的独立GPU将会装进英特尔SoC。这对世纪冤家为了对付共同敌人风头正劲的英伟达牵起手来,这也再次证明:世上没有永远的敌人,也没有的敌人,只有永远的利益。


而随后却爆出AMD首席GPU架构师拉加?库德里离职,库德里后脚刚离开AMD前脚就进了英特尔的大门。据介绍,拉加?库德里会成为英特尔高级副总裁,掌管新成立的“核心和视觉计算”集团,他的任务就是帮助英特尔发展GPU业务。


英特尔要开发独立GPU了!这肯定是英伟达和AMD都不愿意听到的坏消息!

近十年来,CPU领域是AMD和英特尔竞争,GPU领域是AMD和NVIDIA竞争。现在英特尔要开发独立GPU,这不仅对处于GPU领先地位的英伟达构成压力,也对始终处于弱小地位的AMD更加被动。


想象一下,如果英特尔加入GPU竞争, GPU市场竞争者变为英伟达、AMD、英特尔三家,未来格局将怎样变?


2.


此前,虽然英特尔、谷歌、苹果等研发专有AI芯片,但都没有推向市场,只有英伟达GPU被认为是实现了大规模应用且经过了市场检验的AI芯片,因而受到华尔街的热捧,股价一路走高;相比之下,英特尔因为在AI芯片上处在投入和整合阶段,没有及时跟进推出专有的AI产品而被认为行动缓慢股价处于低迷状态。


10月18日,英特尔CEO柯再奇在WSJDLive全球技术大会上宣布:英特尔将在年底之前出货英特尔Nervana神经网络处理器(NNP),这款被英特尔称是业内第一个面向神经网络处理的芯片。


虽然Nervana还没有正式面市,但英特尔已经迫不及耐亮出这款AI芯片“杀手锏”。而在柯再奇宣布年底前推出Nervana神经网络芯片的消息后,英特尔股价应声大涨,说明市场对该款专有AI芯片的期待。




Nervana神经网络处理器源于英特尔在2016年收购的人工智能初创公司Nervana Systems。当时按照Intel的说法,这是世界上第一家专门为AI打造芯片的公司。收购后,该公司的创始人Raveen Rao成为英特尔AI解决方案部门总经理。


英特尔在收购Nervana之初就对其寄予厚望。机器学习是成长速度最快的AI应用,英特尔准备以Nervana出击AI主战场,找回因GPU竞争而流失的市占率。


据英特尔方面介绍,这款Nervana神经网络处理器为人工智能模型提供更高的性能和可扩展性,到2020年实现100倍的人工智能性能提升。


更值得关注的是,这款AI芯片已有人捧场——Facebook在参与合作开发。但最终Nervana的性能和效果如何,还有待市场检验。


英特尔的AI武器,除了Nervana,还有FPGA。英特尔去年5月底以167亿美元收购了FPGA生产商Altera。此交易是英特尔史上金额最大的一次收购案。


如今, Altera的FPGA已经作为类似GPU一样的加速技术被整合到英特尔处理器产品中,CPU+FPGA已开始成为GPU的替代方案。


比如,美团采用了英特尔包括FPGA云端主机的深度学习平台;微软在8月份宣布了它的全线Project? Brainwave项目,采用了英特尔Stratix? 10FPGA人工智能的平台。

有专业人士认为,虽然GPU相比CPU有一定的优势,但FPGA并不逊色,深度学习算法在FPGA上能够更快、更有效地运行,而且功耗也能做到更低。


3.


在日前英伟达主办的GTC 2017上,英伟达宣布GTC参加人数在五年内上升了三倍,GPU开发者增长了11倍达到50多万……



英伟达高层几乎在每次公开场合都会大肆宣扬GPU的增长率和围绕GPU的客户及生态增长情况。


与英伟达过于倚重GPU的AI战略不同的是,在英特尔看来,无论是CPU、FPGA、Nervana,都是英特尔人工智能全栈解决方案的组成部分。英特尔在谈到AI时,一般不单独强调一种能力,而是强调“全栈解决方案”。


具体到英特尔在AI上都做了什么,拥有怎样的能力?英特尔不同层面负责人都会用下面这张图给出答案。



英特尔为此从端到端,以及软硬件上都进行了大量的投入。除了前面提到的收购NervanaSystems、Altera外,还收购了Movidius、Itseez等人工智能公司。


英特尔在今年3月份成立了人工智能事业部以后,又花了150亿美元大手笔收购了Mobileye,还成立了10亿美金支持的AI创新基金。在10月份宣布了对包括中国的地平线公司在内15家AI初创公司进行了投资。


在11月15日召开的2017英特尔人工智能大会上,英特尔人工智能产品事业部业务拓展总经理FiazMohamed表示:与英伟达在GPU架构上的AI应用不同,英特尔在战略上的广度和深度都超过对手。


FiazMohamed认为,人工智能非常复杂,不仅需要强大的计算能力、不同的计算能力,还需要很强的网络传输能力、先进的存储能力等方方面面提供一个强大的计算平台来支撑人工智能的应用。


英特尔的战略不仅仅定位在“深度学习”一个环节上,而是将整个人工智能作为一个生态体系进行布局。


从对人工智能的全方位投入和布局看,英特尔的目标显然不仅是战胜英伟达,而且瞄准整个AI大市场——这才是称霸PC时代、错失移动时代的英特尔能否决胜未来的关键。


而且,英特尔大力投入和瞄准的未来市场,不仅有AI、无人驾驶,还是物联网和5G。折戟移动芯片后的英特尔,在所有可能成为高增长的市场领域进行“广散网”式的投资,不想再失去下一个赚大钱的机会。


4.


过去几十年,在CPU竞争上,每当AMD凭借某一项突出的技术或产品挑战一下英特尔后,最后都被实力强大的英特尔打压下去。因为,从实力和财力上,AMD和英特尔都不在一个数量级,面对英特尔的强势,每次AMD都难以招架,也使得AMD沦落为一家“悲情公司”。


在目前的人工智能市场上,英伟达凭借GPU占据了领先优势。但是,人工智能尚处于早期阶段,市场才刚刚启动,无论是英特尔还是谷歌、苹果等都瞄准这个广阔成长空间的大市场。


如果随着Nervana神经网络芯片的推出,英特尔全面AI能力得到的爆发,在人工智能新赛道上领先了几圈的英伟达,还会继续坚挺吗?


毕竟,芯片行业既是技术密集型行业也是资金密集型行业。虽然英伟达在GPU上占据了领先优势,但在整体技术和资金实力上,英特尔都要强大得多。在频繁投资并购后,目前英特尔仍持有200多亿美元现金。


华尔街也曾有分析师表示了担忧:一个担忧是英特尔加入AI竞争后,可能对英伟达的毛利率可持续性产生影响。英伟达属于无芯片加工的供应商(Fabless模式),由台积电负责为其制造GPU。


但英特尔实现了从设计到制造的垂直整合,在定价策略上更加灵活有竞争力,如果英特尔运用价格策略争夺市场,将损伤英伟达的毛利率。要知道,以前英特尔应对AMD在CPU上的挑战时,惯用价格手段把AMD打压下去。


另一个担忧就是GPU替代方案对英伟达构成的威胁。目前英伟达在AI的领先,主要是还没有专有定制芯片与GPU 替代解决方案与之竞争,而当英特尔的AI芯片或Google的TPU等推出后,对英伟达未来发展都存在竞争风险。


不过,英伟达虽然在整体实力上不及英特尔,但毕竟也是久经沙场的芯片老兵,在过去发展史上与英特尔有过无数恩怨争夺,相信英伟达不那么容易被打败。



添加小助手 加入交流群

点击如下关键词查看往期内容

人物专访 沈向洋 | 于尔根 | 洪小文 | 李德毅 | 尤瓦尔 | 哈萨比斯 | 宋继强 | 杨强 | 余凯 | 邓志东 | 芮勇 | 戴文渊 | 石博盟 | 韦东 | 黄学东


行业特稿 抢滩智能音箱(上) | 抢滩智能音箱(下) | 自动驾驶行业素描(上) | 自动驾驶行业素描(下) | 机器翻译技术与应用


重磅报告 麦肯锡(二) | AlphaBeta & ABC | 埃森哲 |  英国政府 | Internet Society | Forrester | VertoAnalytics 麦肯锡(一) | 苹果公司 | 耶鲁大学 



推荐阅读
  • 本文深入探讨了 hCalendar 微格式在事件与时间、地点相关活动标记中的应用。作为微格式系列文章的第四篇,前文已分别介绍了 rel 属性用于定义链接关系、XFN 微格式增强链接的人际关系描述以及 hCard 微格式对个人和组织信息的描述。本次将重点解析 hCalendar 如何通过结构化数据标记,提高事件信息的可读性和互操作性。 ... [详细]
  • 在《Cocos2d-x学习笔记:基础概念解析与内存管理机制深入探讨》中,详细介绍了Cocos2d-x的基础概念,并深入分析了其内存管理机制。特别是针对Boost库引入的智能指针管理方法进行了详细的讲解,例如在处理鱼的运动过程中,可以通过编写自定义函数来动态计算角度变化,利用CallFunc回调机制实现高效的游戏逻辑控制。此外,文章还探讨了如何通过智能指针优化资源管理和避免内存泄漏,为开发者提供了实用的编程技巧和最佳实践。 ... [详细]
  • 兆芯X86 CPU架构的演进与现状(国产CPU系列)
    本文详细介绍了兆芯X86 CPU架构的发展历程,从公司成立背景到关键技术授权,再到具体芯片架构的演进,全面解析了兆芯在国产CPU领域的贡献与挑战。 ... [详细]
  • 单片微机原理P3:80C51外部拓展系统
      外部拓展其实是个相对来说很好玩的章节,可以真正开始用单片机写程序了,比较重要的是外部存储器拓展,81C55拓展,矩阵键盘,动态显示,DAC和ADC。0.IO接口电路概念与存 ... [详细]
  • 在2019中国国际智能产业博览会上,百度董事长兼CEO李彦宏强调,人工智能应务实推进其在各行业的应用。随后,在“ABC SUMMIT 2019百度云智峰会”上,百度展示了通过“云+AI”推动AI工业化和产业智能化的最新成果。 ... [详细]
  • 浏览器作为我们日常不可或缺的软件工具,其背后的运作机制却鲜为人知。本文将深入探讨浏览器内核及其版本的演变历程,帮助读者更好地理解这一关键技术组件,揭示其内部运作的奥秘。 ... [详细]
  • 在机器学习领域,深入探讨了概率论与数理统计的基础知识,特别是这些理论在数据挖掘中的应用。文章重点分析了偏差(Bias)与方差(Variance)之间的平衡问题,强调了方差反映了不同训练模型之间的差异,例如在K折交叉验证中,不同模型之间的性能差异显著。此外,还讨论了如何通过优化模型选择和参数调整来有效控制这一平衡,以提高模型的泛化能力。 ... [详细]
  • 通过使用CIFAR-10数据集,本文详细介绍了如何快速掌握Mixup数据增强技术,并展示了该方法在图像分类任务中的显著效果。实验结果表明,Mixup能够有效提高模型的泛化能力和分类精度,为图像识别领域的研究提供了有价值的参考。 ... [详细]
  • TypeScript 实战分享:Google 工程师深度解析 TypeScript 开发经验与心得
    TypeScript 实战分享:Google 工程师深度解析 TypeScript 开发经验与心得 ... [详细]
  • 最详尽的4K技术科普
    什么是4K?4K是一个分辨率的范畴,即40962160的像素分辨率,一般用于专业设备居多,目前家庭用的设备,如 ... [详细]
  • Java高并发与多线程(二):线程的实现方式详解
    本文将深入探讨Java中线程的三种主要实现方式,包括继承Thread类、实现Runnable接口和实现Callable接口,并分析它们之间的异同及其应用场景。 ... [详细]
  • 探讨如何在Go语言中高效地处理大规模切片的去重操作,特别是针对百万级数据量的场景。 ... [详细]
  • 基于OpenCV的图像拼接技术实践与示例代码解析
    图像拼接技术在全景摄影中具有广泛应用,如手机全景拍摄功能,通过将多张照片根据其关联信息合成为一张完整图像。本文详细探讨了使用Python和OpenCV库实现图像拼接的具体方法,并提供了示例代码解析,帮助读者深入理解该技术的实现过程。 ... [详细]
  • 从2019年AI顶级会议最佳论文,探索深度学习的理论根基与前沿进展 ... [详细]
  • Python与R语言在功能和应用场景上各有优势。尽管R语言在统计分析和数据可视化方面具有更强的专业性,但Python作为一种通用编程语言,适用于更广泛的领域,包括Web开发、自动化脚本和机器学习等。对于初学者而言,Python的学习曲线更为平缓,上手更加容易。此外,Python拥有庞大的社区支持和丰富的第三方库,使其在实际应用中更具灵活性和扩展性。 ... [详细]
author-avatar
Henrycelia
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有