Nvidia讓Intel慌了！

日前，以CPU為主的英特爾和GPU為主的英偉達先後發布了自己今年第一季度財報，其中雙方利潤分別同比增長了45%和48%，按理說雙方利潤的增長都相當可觀，尤其是對於英特爾，在當季PC市場依然下滑之時，仍以PC晶元為主的英特爾能夠實現如此的利潤增長實屬可貴，但事實遠沒有看起來那般簡單。

反映在資本市場中，英特爾在取得了看似不錯的財報後，其股價不漲反跌，跌幅高達6%左右，相比之下，英偉達的股價則大幅上揚了14%左右。

那麼問題來了，為何同是利潤增長，且增長幅度幾乎相同，但雙方在股價上的表現卻大相徑庭呢？這背後的真正原因是什麼？又預示著晶元產業怎樣的趨勢？

其實只要稍微留意雙方的財報和業內的分析就不難發現其中的緣由。由於雲服務提供商的數據中心對於晶元的需求非常旺盛，英偉達第一財季的數據中心業務營收為4.09億美元，同比增長了一倍以上，輕鬆擊敗了分析師預期的3.182億美元。

與之相比，英特爾的數據中心業務（DCG）收入為42億美元，儘管增長了6%，但因不及預期，導致英特爾股價大跌3%。也就是說雙方在數據中心（晶元）市場的表現才是決定股價的關鍵。

如果說上述是因為外部（主要來自英偉達）競爭壓力導致英特爾股價下跌的話，英特爾內部業務的表現也起到了一定作用。從構成英特爾營收和利潤的兩大主力業務看，據英特爾第一季度財報顯示：以PC晶元為主的客戶端計算事業部（CCG）的運營利潤為30.31億美元，同比增長60%，而以數據中心伺服器晶元為主DCG運營利潤則同比下降了16%至14.87億美元。

而眾所周知的事實是，CCG業務所在的PC產業日漸走低，以數據中心伺服器晶元為主DCG業務才是英特爾現在和未來增長的動力，這已是業內（包括英特爾自己）的共識。更何況本季度CCG業務的運營利潤增長並不具備可持續性，這點從PC市場依然下滑，英特爾CEO科再奇在財報發布上的今年全年，這一業務仍然會出現個位數下滑的預測可見一斑，也進而再次證明了以數據中心伺服器晶元為主DCG業務表現對於英特爾的重要性。

實際上，分析師對本季度英特爾的DCG業務運營利潤下滑均感到不解，紛紛在電話會議期間進行詢問。而英特爾給出的原因是把未來製程節點作為了首選，成本較高所致。可事實真的如此嗎？

「現在，全世界各大互聯網和雲服務提供商都在使用英偉達的GPU晶元。」英偉達首席財務官科萊特·克雷斯（Colette Kress）在財報電話會議結束後說。不知業內看到這句話有何感想？我們看到的是，克雷斯說的這些大公司包括社交網路Facebook、Alphabet公司旗下的谷歌、IBM、微軟和阿里巴巴集團。甚至連亞馬遜AWS雲服務都在使用英偉達的晶元。而這些公司其實也是英特爾DCG業務的主要客戶。

在此，也許有人會質疑，在目前佔有數據中心伺服器晶元市場90%以上市場份額的英特爾，英偉達的衝擊真的會對其造成實質性的影響嗎？這裡我們不妨看看英偉達的GPU在數據中心伺服器晶元市場的表現。

以其去年發布的Tesla P100為例，由8塊Tesla P100搭建的DGX-1，其GPU吞吐量相當於 250台傳統伺服器的水平。除此之外，DGX-1系統還包含一套深度學習軟體，即深度學習GPU訓練系統 (DIGITS)，可用於設計深度神經網路 (DNN)。

據了解DGX-1可以將深度學習的培訓速度加快75倍，將CPU性能提升56倍，即英特爾雙路至強系統需要250多個節點和150個小時來訓練Alexnet，而DGX-1隻需要一個節點2個小時。值得一提的是，在谷歌大腦項目中，3台機器中配置了12顆GPU，性能就達到了包含1000個節點的CPU簇的水平。

進入到今年，英偉達推出了新的Tesla V100，這款AI晶元有210億個晶體管，比一年前的Tesla P100還要強大，同時Tesla V100具有5120個CUDA處理內核。對此，英偉達CEO黃仁勛表示，這種晶元的能力和能源效率有助於雲服務供應商大幅提升其使用AI的能力（雲服務和數據中心提供業務的發展趨勢），可以將數據中心的能力提高15倍，替代400台傳統CPU的伺服器，甚至無需建立新的數據中心。

看到這裡想必業內應該清楚英偉達對於英特爾的影響了吧，即現在和未來，英偉達主打AI領域的GPU都會在不同程度上衝擊英特爾在數據中心晶元市場CPU的銷量、營收和利潤。其實這種衝擊在本季度就應該有所顯現，只是英特爾以未來製程節點作為了首選，成本較高所致其運營利潤下滑，避重就輕罷了。

更讓業內擔心的是，在日前英偉達主辦的GTC 2017上，英偉達宣布GTC參加人數在五年內上升了三倍，今年達到7000人，GPU開發者增長了11倍達到50多萬，CUDA驅動程序和SDK的下載量也超過了百萬。

此外，英偉達還推出GPU雲平台和開源Xavier DLA，我們看到的是英偉達不僅在GPU本身，而是以此為基礎正在打造以滿足AI需求的未來數據中心的新生態，這才是讓英特爾細思極恐之處，畢竟在傳統的數據中心和雲服務市場，英特爾最大的護城河也是其圍繞x86架構建立的CPU生態。

針對上述雲服務和數據中心提供商，基於自身和提供具有AI功能業務需求的轉變及英偉達的快速發展，英特爾並非沒有意識和動作。

但英偉達早在2011年左右就開始AI晶元的研究和布局不同，後知後覺的英特爾採用的是「買買買」的併購方式：去年5月，收購計算視覺軟體公司Itseez；6月收購FPGA製造商Altera；8月收購深度學習初創公司Nervana Systems；9月收購機器視覺初創公司Movidius等，一系列集中爆發的併購都與AI有關。

從理論上講，英特爾併購的上述企業在AI晶元方面都具有自己的優勢，例如雖然GPU相比CPU有一定的優勢，但與Altera的FPGA相比依然遜色不少（有研究人員測試，相比GPU，FPGA的架構更靈活，單位能耗下性能更強），深度學習演算法在FPGA上能夠更快、更有效地運行，而且功耗也能做到更低；Nervana Systems研究的深度學習晶元，其性價比高於GPU，處理速度是GPU的10倍等特點。

對於英特爾上述在AI晶元的種種布局，黃仁勛則代表英偉達表示質疑：如果說至強融核(Xeon Phi)處理器（英特爾去年發布的所謂AI伺服器晶元，並因此引發過與英偉達GPU相比，誰優誰劣的評測口水戰）對於AI非常適用，那為什麼要收購Altera？既然買了Altera，Altera又非常適合AI的話，為什麼要買Nervada Systems？

如果Nervada Systems才是真正的AI方面的技術，要進行開發和產品推出的話，那至強融核協處理器又怎麼辦？如果說這三個都適合AI，那是不是意味著至強融核協處理器就不適合AI呢？

儘管上述言論不排除黃仁勛偏袒自家AI晶元之嫌，但也間接說明英特爾目前在AI領域尚處於選擇路徑和整合的階段，且行動緩慢，尚需最終的產品和市場來證明。這也解釋了為何同是利潤增長，英偉達股價暴漲而英特爾股價下跌的真正原因。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！