悲情Intel：CPU的時代結束了！

「有幾次我們差點就倒閉了。」公司創始人通常都不會談論自己公司頻臨破產的經歷，不過NVIDIA的老闆黃仁勛沒什麼理由要避忌。

他的公司近來捷報頻傳。過去一個季度，這家開發微處理器和相關軟體的公司收益增長55%，達22億美元，股價在過去12個月幾乎翻了兩番。

NVIDIA的成功有很大一部分原因是人們對其生產的晶元需求增長很快。這種名為圖形處理器(GPU)的晶元能讓個人電腦成為快速遊戲設備，不過GPU還有了新的用武之地，特別是為數據中心提供人工智慧程序耗費的大量計算能力。

GPU晶元飛漲的銷量是迄今為止信息技術長期轉型最顯著的標誌。摩爾定律放慢了腳步(不久之前這個定律還保證計算能力大約每兩年會翻一番)，加之雲計算和AI的快速崛起，計算的體系正趨於碎片化。這對半導體行業及業內主導企業Intel有著深遠的影響。

摩爾定律以Intel創始人之一戈登·摩爾(Gordon Moore)的名字命名。在該定律完全應驗之時， 情況很簡單。無論是在個人電腦(PC)還是伺服器(數據中心裡性能更強勁的計算機)中，名為「中央處理單元」(CPU)的一類微處理器都可處理大多數「工作負載」(各類計算任務的總稱)。

Intel製造的CPU性能最為強大，因此這家公司不僅在PC處理器市場一家獨大(佔據約8o%的市場份額)，還幾乎完全壟斷了伺服器的處理器市場。2016年，Intel的收入接近6oo億美元。

如今這個單極世界已開始崩潰。處理器性能提升的速度並不足以滿足例如機器學習以及其他AI應用程序的需求。這些應用都需要大量的數據，消耗的數字運算能力比幾年前所有數據中心加起來還要多。

Intel的客戶，如Google、微軟和其他大數據中心運營商，正在選擇來自其他公司越來越專門化的處理器，而且還開始設計自己的處理器。

NVIDIA的GPU就是一個例子。這些GPU最初是設計用來運行互動式視頻遊戲所需的大量複雜計算。GPU有數百個專用「核心」(處理器的「大腦」)並行工作，而CPU只有幾個強大的核心來按順序處理計算任務。NVIDIA最新的處理器擁有3584個核心，而Intel的伺服器CPU最多只有28個。

NVIDIA上次瀕臨倒閉是在2008至2009年全球金融危機期間，不過它也是在那時時來運轉。它發現自家晶元在對沖基金和研究機構那裡有了新用途，例如用來計算複雜的投資和氣候模型。

NVIDIA開發了一種被稱為CUDA的編程語言，幫助其客戶就不同任務為處理器編程。當雲計算、大數據和AI在幾年前勢頭漸勁時，能夠滿足這些需求的正是NVIDIA晶元。

每個互聯網巨頭都在使用NVIDIA的GPU，以令它們的AI服務能夠從醫學到圖像和人類語音等各類材料中吸收大量數據。上一個財年，NVIDIA面向數據中心運營商的晶元銷售額增長了兩倍，達到2.96億美元。

不過，GPU只是這些被稱為加速器的專用處理器中的一種。為了提高運營效率並在競爭中保持領先，雲計算公司會混用和搭配晶元，因此專用處理器的範圍也在擴大。

負責Google技術基礎設施的烏爾斯·霍爾澤(Urs Holzle)這樣描述在靈活性、速度和成本因素之間取得平衡：要為合適的工作找到合適的工具。

專用處理器的一種極端形式是專用集成電路(ASIC)。顧名思義，這種電路為單一目的而搭建。相較於其他晶元，它們速度最快，能效也最高。

數十個創業公司都正在開發這種已內置AI演算法的晶元。Google已打造了一個叫作"張量處理單元"(TPU)的ASIC,用於語音識別。

另一個方向的極端是現場可編程門陣列(FPGA)。這種晶元可以編程，靈活性也就更大，因此儘管這種晶元不易駕馭，微軟還是把它加入到許多伺服器中，比如微軟的在線搜索必應(Bing)的伺服器里就有它們。微軟的雲計算平台Azure的首席技術官馬克·拉希諾維奇(Mark Russinovich) 說：「我們現在有世界上最多的 FPGA。」

該提心弔膽了

近年來，Intel沒有製造ASICS或 FPGA,而是致力於製造更為強勁的CPU。沒有人認為傳統處理器很快就要失去用武之地：每個伺服器都需要這些處理器，無數的應用程序也都在其上運行。Intel的晶元銷量仍在增長。

不過IT諮詢公司高德納(Gartner)的艾倫·普里斯特利(Alan Priestley) 說，加速器正在加速的增長對Intel來說似乎是個壞消息。加速器上進行的計算越多，留給CPU的就越少。

一種對策就是通過收購來趕上加速器的發展。2015年，Intel以167億美元的天價收購了FPGA製造商Altera；去年8月，它又以4億多美元買下Nervana——這家創業公司剛成立三年，正在開發從軟體到晶元的專用AI系統。Intel稱視專用處理器為機遇而非威脅。

主管Intel數據中心業務的黛安·布萊恩特(Diane Bryant) 解釋說，新的計算工作負載往往 先在專用處理器上進行，到頭來還是會被「拉入CPU」。例如，加密計算以前在單獨的半導體上進行，但現在只是IntelCPU上的簡單指令，全球幾乎所有計算機和伺服器上都在運行。在加速器上運行AI等新型工作負載意味著成本增加、複雜性更高。

這樣的整合一旦發生，Intel已經進行了投資以佔領先機。今年夏天，Intel將開始銷售代號為Knights Mill的新處理器，與NVIDIA一爭高下。Intel還在利用Nervana的技術開發另一款代號 Knights Crest的晶元。到某個時候，Intel還會將其CPU與Altera 的FPGA整合在一起。

可以預見，競爭對手對未來有著不同的看法。NVIDIA認為它已搭建了自己的計算平台。許多公司已經編寫了AI應用程序在NVIDIA的晶元上運行，並且NVIDIA還為其他類型的程序創建了軟體基礎設施，用於實現可視化和虛擬現實等功能。幾十歲高齡的計算巨頭IBM也在試著搶Intel的生意。

IBM學習開源軟體的做法，在2013年「開源」了其Power處理器的架構，把它變成了半導體業的一種共有資源。專用晶元製造商可以更輕鬆地將它們的產品與 Power CPU整合，並且對平台如何發展有了發言權。

未來很大程度上將取決於AI的發展，市場研究公司IDC的馬修·伊斯特伍德(Matthew Eastwood)認為，如果AI最終沒有帶來許多人所期待的革命，而只是在幾年內帶來了變革，Intel還是有機會的。

但是，如果AI在未來十年或更長時間內繼續影響晶元行業，其他種類的處理器將有更多的機會攻佔市場。鑒於AI技術應用之廣泛，第二種情況的可能性似乎可大。

當然，運算任務無論多大多複雜一概由又大又笨的CPU處理的時代已經結束了。CPU的墜落就像童謠中的蛋頭先生摔下牆頭變成碎片那樣，Intel的兵馬再怎麼努力也無法將它復原了。

文章出處：虎嗅網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！