迎战劲敌NVIDIA,Intel采「全方位」AI芯片策略反击

 智能工业机器人     |      2018-08-17 18:00

以CPU起家的英特尔(Intel)走向AI应用,去年AI芯片赚进10亿美元,一方面也不断扩充芯片产品线掌握新客户,透过全方位的AI芯片策略,力抗劲敌NVIDIA。

▲Intel透过不断并购扩充芯片产品线。

除了主打的Intel Xeon可扩充(Intel Xeon Scalable)CPU产品外,以及近日挖角AMD GPU大将,让外界猜测将进军GPU外,lntel已经积极透过并购布局以下四大类型芯片,掌握新客户。

    NNP(深度学习芯片) :2016年并购AI芯片商Nervan System,而后研发深度学习芯片Nervana NNP-L1000。预计2019年推出。

    VPU(视觉芯片) :2017年并购汽车机器学习及图资开发商Mobileye与视觉芯片厂商Movidius,Mobileeye EyeQx芯片为主流。

    FPGA :2015年,Intel以167亿美元的价格,收购全球第二大FPGA商Altera,随即成立现在的可编码部门(PSG),专攻FPGA芯片。 类ASIC :2018年Intel收购硅谷芯片公司eASIC。提供一种介于FPGA与ASIC中间的技术。

Intel发展全系列芯片的原因只有一个,「one size does not fit all(没有一体适用的解决方案)」。

未来AI无所不在,因此客户的需求也多元多样,每种芯片就算效能再强,面积再小,指令周期再快,耗能再低,也有其先天性的物理限制,以目前最夯的深度学习DNN来看,用不同的芯片进行硬件加速会获得不一样的优缺效果。

机会点:决战2019年

Intel的Xeon处理器是数据中心本就不可或缺的芯片,异构计算(Heterogeneous Computing)下,AI硬件加速是以CPU+GPU或CPU+FPGA或CPU+TPU等结构进行运算。CPU不会被GPU或TPU取代。

虽然NVIDIA GPU更适合用于机器学习与深度学习等AI应用下,Intel现在并非AI深度学习应用第一品牌。因此在12个月到18个月短期内,NVIDIA GPU产品在AI应用市场依旧相当吃香(近两三年,AI才刚成为热潮,通用性强的GPU仍可满足企业的需求)。

但长期来看,走向专用特制芯片ASIC风潮势不可挡,除了Google之外,微软为了自家云端业务需求,以及特斯拉也传出要订制芯片,这都对NVIDIA造成潜在威胁。那Intel能否在未来五年抓到这个ASIC芯片热潮?

另外,Intel难产的10纳米Xeon与拿来和NVIDIA抗衡的芯片Nervana NNP-L1000都要到2019年来推出。Intel是否能以现在的「全方位」无所不包的各种AI芯片稳住自己过去20年打下的芯片江山,2019年年底答案就将分晓。