告别摩尔时代,英特尔能否打开AI市场?


奇怪的事正在圣克拉拉——英特尔的总部所在地发生。

出于众所周知的原因,英特尔前不久被传出准备以10-20亿美元收购以色列AI创业公司Habana Labs的消息,这是其既3.5亿美元拿下NervanaSystem之后,在推理芯片上的又一次收购。

而出于某种奇怪的原因,英特尔又从历史的故纸堆里翻出了早已过时的22nm的哈斯韦尔架构,重新推出了奔腾G3420。这听起来,简直就和在5G时代重新推出大哥大一样,堪称大型后现代行为艺术。

复现哈斯韦尔Haswell的辉煌,或是映衬Intel晦涩的当下

坦率来说,不可否认22nm的哈斯韦尔架构,曾经一度是十分强大的。

但在大家都期待它推出一系列10nm规格CPU的节点,“开倒车”的奔腾处理器,显然有点辜负市场的期待。

尤其是早已停产了奔腾G3420,如今又将其从坟墓中拉出来,并在产品通知中表明“根据新的路线图,决定取消停产,再次实现本产品的长期性”。不由地让吃瓜群众十分感慨,没想到有生之年还能见到这种开历史倒车的发展路线图呢。

原因或许能从英特尔的公开声明中找到答案。大约两周前,英特尔公开向客户道歉,称其“尚未解决14nm处理器的产能难题”。高性能芯片没法满足需求,英特尔转头一看,低端芯片照样有市场啊。

这种高端市场拼不过转头薅低端羊毛的行为,显然与其在AI领域大手笔的“买买买”形成了鲜明的反差萌。

斥巨资买AI然后卖奔腾,到底是大厂的泯灭,还是AI的沦丧?

Moor Insights and Strategy的分析师Karl Freund认为,又一次收购AI芯片,尤其Habana和此前收购的Nervana还存在竞争关系——两者都是针对数据中心提供AI训练和推理芯片——表明英特尔很可能至今还没找到打造自家标杆AI芯片的正确方式。

当然,这种锲而不舍购入AI创业公司的努力,也间接表明了AI在未来计算领域到底有多重要。

英特尔的AI推理芯片

那么,英特尔在高性能芯片上的市场份额,到底被谁抢走了呢?答案是AMD。

2019年Q3季度,AMD拿出了Zen2架构的锐龙3000以及Navi架构的RX 5700系列显卡,这两款7nm工艺的处理器,不仅远远甩脱老对手英特尔,甚至比藐视摩尔定律的英伟达NVIDIA还要领先。

外媒Techradar网站在报道时,认为英特尔已经承认了自己的落后,原因是Intel CEO思睿博日前在参加财富全球会议时确认7nm应用在CPU处理器上要到2022年。也就是说,在高性能芯片上,英特尔要在2年后才能追上AMD。

此时,硅谷曾经流传过的一个笑话——AMD的同行偶遇英特尔的员工,问他们新的处理器什么时候才能做出来:“等你们做出来了,我们才会有新的事做”——时过境迁,谁曾想这反而成了一个映衬英特尔不思进取的笑话。

英特尔到底是如何陷入转型困境的,这是一个庞大复杂的命题,一篇文章显然无法穷尽其中缘由。我们不妨从竞争这个角度来尝试一窥究竟。

不再奔腾:英特尔的复杂“芯事”

用一句话来形容摩尔时代的英特尔,那就是内有实力,外有强援。

这使其在当时的处理器市场,几乎没有一个重量级的对手。没错,AMD当时根本不配跟英特尔相提并论。甚至有专家认为,如果不是反垄断法的约束,英特尔很可能已经把AMD击垮或者收购了。

而时间转回2019年,画风陡然一变。调研机构Prudential分析师Mark Lipacis日前发表言论,认为从长远角度讲,英特尔将失去在全球处理器市场的绝对垄断地位。最终英特尔和AMD的市场份额甚至达到各占50%的平衡点。

更玄幻的是,这一幕已经在发生了,在韩国区域市场,AMD竟然真的达到了53.58%,开始摆脱“千年老二”的身份。

AMD的逆袭与英特尔的滑落一样,令人唏嘘。而细究英特尔的无奈,有两个关键节点是值得注意的。

其一,是“失而难复得”的x86 CPU市场。

尽管英特尔重启了奔腾G3420,但x86 CPU市场逐渐被AMD攻占,已成不争的事实。德国最大的PC零售商之一mindfactory最新公布的数据显示,AMD的处理器占据高达78%的份额,并且从7月份以来一直稳定在这一水平。

而就在几年前,英特尔还占据了x86 CPU市场90%以上的份额。

有意思的是,这是英特尔“主动”让出的江山。

自从去年十月英特尔发布了全新第九代酷睿处理器之后, 14nm工艺产能就一直不足。此时,AMD的锐龙处理器就开始快速攻城略地。

去年三季度,AMD的处理器就销量暴增,市场份额从前年同期的7.5%增长到了去年的的10.6%。采用7nm工艺的第三代锐龙问世后,销量上几乎是一骑绝尘。

按理说在这样的攻势下,英特尔要么加班加点提性能,要么主动降价保市场。但这两者英特尔都没有选。

它依然在14nm这一维度持续跟供应链战斗,以“挤牙膏”的方式打磨性价比。入门级I5-9400f相比于前代的I5-8400性能提升,仅有10%左右。没有新产品,意味着ASP只能一路下挫。

同时还不能随意降价,因为非促销降价会直接影响渠道消费者桌面市场,以及T1及商用台式机的价格。

英特尔的应对之道,是选择了“战略性放弃”。

其首席执行官鲍勃·斯旺公开声称,要主动“摧毁”这个公司在CPU方面拥有90%市场份额的优势,因为这会使英特尔变得自满。

换句话说,我们没兴趣捍卫在x86 CPU的冠军头衔了,AMD你行你上呗。

话术还是十分有名士风范的,但苦果还是要自己默默吞下。要知道,英特尔约有75%的营收来自PC、服务器CPU,这部分份额的丢失,直接导致英特尔的2019年Q2季度财报净利润较去年同期下滑17%。

那英特尔后续还能找回CPU的场子吗?正如前面其7nm规划所示,2022年再说吧。

其二,则是久攻不下的AI新品堡垒。

主动放弃了CPU的江山,英特尔要干嘛去?答案是冲击“全硅”领域30%的市场份额。

简单来说,就是朝着GPU市场、AI市场,以及FPGA市场猛攻。

这也是为什么,英特尔过去几年开启了“购物狂”模式。

2016年,收购了边缘和视觉AI创业公司Movidius。同年,以3.5亿美元拿下Nervana,进军深度学习训练芯片市场。

2017年,以153亿美元收购以色列自动驾驶企业Mobileye更是令业界咋舌。

如果Habana Labs收购案完成,英特尔在AI产品上的组合可以说是遍及了边缘计算、数据中心,从CPU到ASIC等各种业务支撑。

这能帮助英特尔拿下新市场吗?不得不说,入局晚的英特尔在人工智能芯片领域也只能说是个“弟弟”。

过去几年,英伟达凭借其最早投资人工智能领域的优势,凭借GPU业绩成为了资本市场的绝对宠儿,也成了该领域的领跑者,占据绝对优势。在2018年全球人工智能芯片公司榜单中,英伟达稳坐头把交椅。

不过,花了大钱的英特尔实力也并不弱。

早在2016年就推出了专用于深度学习训练和深度学习推理的Nervana AI芯片,2019CES上,还推出了Nervana神经网络处理器(NNP-I)。

其在相关技术上的积累也很全面,包括用于AI边缘计算开发的工具套件OpenVINO,可以用于推理芯片,以及16nm Myriad X VPU这样的视觉处理器,Stratix 10 FPGA云端芯片等等。

目前看来,英特尔已经在多条硅赛道,以及5G、云、边缘计算等领域布局,但快速变化迭代之中,却无法一局定胜负。

最为直接的原因是,曾经“独孤求败”的英特尔,如今却面临谷歌、脸书、微软、亚马逊以及华为、寒武纪等中国厂商的挑战,他们都在不断将新技术和产品推向市场,并且各有千秋。

根据纽约时报的统计,还有超过40家创业公司进入AI芯片领域。

强大竞争者的你争我夺,Nervana是否前功尽弃,这些都让英特尔在AI硬件格局中的未来更加不明确。

最直接的影响,就是英特尔在高性能计算上的并没有想象中那么如鱼得水。因为竞争者并没有要将市场拱手相让的高风亮节。

前不久,英伟达就跟英特尔的老东家微软达成了一项协议,在Azure上部署一个云上最大的GPU加速超级计算机。AMD Epyc处理器也有了亚马逊、微软Azure等新客户。

英特尔在高性能计算领域,可能并没有预想的那么有竞争力。

此前数年,我们见识了英伟达凭借人工智能对由摩尔定理主宰的传统IT行业进行了“降维打击”,也看到了英特尔和AMD等计算玩家向AI迁徙的不同姿态。

一个吊诡的细节是,1993年奔腾处理器的诞生,让英特尔甩掉了只会做低性能处理器的标签。如今,22nm的奔腾G3420在业内,却是绝对的低端代名词,而它的重启,或许又让英特尔戴回了那顶好不容易甩脱的帽子。

本文已标注来源和出处,版权归原作者所有,如有侵权,请联系我们。

          

源链接   来源:企名片   日期: 2019-12-12 14:15:00  

推荐文章

腾讯教育新进展:用户数超4亿,搭建教育中台,未来还要打造千所标杆智慧校园

通过WeLearning,腾讯将开放超过20年的技术与实践经验,以底层能力和开放平台搭建教育中台,以高度兼容打破数据孤岛,让数据顺畅流转,真正实现智慧化教育。


Gary Marcus 对 AI 领域开炮:踏踏实实做研究,不要净吹牛逼

学术研究人员们还有一个习惯也给真正的  AI  近在眼前的论调添油加醋,比如  DeepMind  就经常在论文里用专门的篇幅描写他们的成果未来的潜力,但是又很少提及潜在的限制是什么——如果是作为严谨的科学成果进行讨论,只说优点不谈缺点应该算不上正确的下结论的方式。


Aibee 完成7400万美元A1轮融资,ClearVue Partners与SPC联合领投

融合计算机视觉、语音识别、自然语言理解、大数据分析、机器人等多模态人工智能技术,Aibee搭建数据、算法、技术、产品和服务闭环,为商业地产/购物中心、大型停车场、零售品牌连锁店、机场、景区等垂直行业提供线下全面数字化的整体解决方案,并已实现大规模落地应用。截至目前,Aibee已推出六大人工智能整体解决方案并落地应用——针对大型购物中心场景的AI-BeeMall、AI-BeeTraffic,针对零售品品牌连锁店的AI-BeeStore,针对停车场场景的AI-BeeParking,针对机场的AI-BeeAirport以及针对旅游行业的AI-BeeTourism。


高通终于推出首款「真5G」芯片,却将宝押在了中端平台上

目前,全球Top5手机厂商的5G双模的芯片已经悉数到位,包括麒麟9905G,三星的Exynos980,高通7系5GSOC和骁龙865,以及联发科5GSoC平台天玑1000。


AAAI 2020丨沟壑易填:端到端语音翻译中预训练和微调的衔接方法

然而,这种做法使得预训练和微调过程存在以下三个问题:1.网络参数浪费,即机器翻译模型中文本编码器学习到的源语言的语法语义知识并没有在后续微调过程中用到,而这部分知识对于翻译任务而言至关重要。已有工作表明预训练和多任务训练可以显著提升端到端语音翻译的效果,通常的做法是分别在语音识别任务和机器翻译任务上训练一个编码器-解码器模型,然后将前者的语音编码器和后者的文本解码器组合起来,在语音翻译的任务上进行微微调。