谷歌不是對手，英特爾要用AI一統晶元江湖！

矽谷Live / 實地探訪/ 熱點探秘 / 深度探討

本文授權轉載自：新智元

作者：聞菲

儘管外界對英特爾10 納米晶元「難產」 和英特爾 Nervana 神經網路處理器 NNP 發布時間一再延遲充滿了「焦灼的期待」，但 AI 已是英特爾「絕不能輸的戰場」。英特爾全球副總裁兼人工智慧產品事業部總經理 Naveen Rao 接受新智元採訪時如是說。

收購Nervana Systems—— 這個 Naveen Rao 在 2014 年與人聯合成立的深度學習晶元初創公司，成為英特爾全面擁抱人工智慧的一個重要節點。

如今，英特爾上下全面意識到了 AI 的重要性，Naveen 率領的包括 Nervana 團隊在內的人工智慧產品事業部，推進 Nervana 神經網路處理器之外，還為英特爾其他所有部門提供技術支持。「最近兩年英特爾至強處理器的改進也基本來自於我們組的工作。」 Naveen 說。

但一把鑰匙開不了所有的鎖。Naveen 表示，不同的計算需要不同的架構，但任何計算都離不開CPU。市面上已經安裝並投入使用的 CPU 是英特爾的巨大優勢。在這些基礎設施中，英特爾的 CPU 佔了近九成，眼下最火熱的人工智慧推理，也有近 90% 是在英特爾的晶元上完成。

英偉達佔據了很大的 AI 訓練市場，也在為 GPU 添加更多的AI元素，「這是很正確的做法，」Naveen說：「但我們也將提供對 AI 來說最好的 CPU。」

「CPU 加 GPU 再加各種 AI 加速器很好，如果客戶需要，把它們全部封裝進一個晶元里也很好，」 Naveen 說：「兩者在我看來是一樣的。」

換言之，AI時代，仍將由英特爾來主導。

谷歌TPU不是英特爾的對手

2018 年 5 月，谷歌在 I/O 大會上發布了第三代 TPU，由 TPU 3.0 組成的 TPUPod 運算陣列，性能相比上一代提升了 8 倍，每秒運算性能 「遠超」 100PFLOPS，也即 10 億億次——中國引以為傲的超級計算機神威·太湖之光的 Linpack 浮點性能是 9.3 億億次——為了給它降溫，谷歌第一次在其數據中心引入了液冷。

為了給 TPU 3.0 Pod 運算陣列降溫，谷歌第一次在其數據中心引入了液冷

除了谷歌，微軟、亞馬遜等巨頭都在研發自己的 AI 晶元。國內，大公司自己造芯的聲勢更加明顯：百度的「崑崙」，阿里的「平頭哥」，華為的「昇騰」，一個比一個浩大。

不管怎麼看，形勢對英特爾來說都很不利。

但 Naveen 卻說，「除了TPU（還僅供谷歌內部使用）和GPU，你還能再說出一款已經量產的 AI 訓練晶元嗎？」

「英特爾不與我們的客戶相競爭，」 Naveen 說：「谷歌、微軟等大公司自己做晶元，歸根結底是由於我們晶元廠商沒有提供給他們適合的產品，因此，短期看他們自己做晶元更省錢，更有效率。我不認為他們會銷售晶元，也不認為他們想要進入晶元行業。等到英特爾研發出工藝更好、價錢更便宜的晶元時——晶元製造工藝是英特爾的核心價值所在——大公司自然就會重新使用英特爾的產品，不再自己做晶元。」

而且，英特爾的產品線可是從雲到端全面覆蓋的。

佩服英偉達十年建生態，但英特爾要一統江湖

至於英偉達，Naveen認為，英偉達在一個正確的時機做出了正確的選擇，大力投入深度學習，現在也在不斷為GPU 增加更多的「AI元素」，「這是很正確的做法」。

Naveen 表示，英特爾近年來對 AI 的認識也有了很大轉變。見證了人工智慧幾起幾落的英特爾，在2014年之前並不認為這一次深度學習真的能掀起些什麼。

收購 Naverna 代表著英特爾對人工智慧態度的轉變，從「不重要」變為「非要不可」，Nervana 團隊現在為英特爾的所有部門，從CPU到FPGA再到物聯網……提供技術支持。「實際上，至強處理器近兩年來的性能提升基本上都來自我們組的貢獻。」Naveen說。

搶佔先機的英偉達，市值已經翻了幾十番，GPU在 AI 訓練市場擁有毋庸置疑的領先地位。但真正成就英偉達的，是其配套軟體生態系統 CUDA。

「英偉達最初在2005年推出CUDA，這也就是說他們花了十年時間才讓 CUDA 能夠使用，」Naveen說，沒有人能一夜之間顛覆這種優勢，要讓一款硬體取得成功，相關的軟體生態系統至關重要，而要打造這樣一套生態，「非常、非常地難」。

面對英偉達在人工智慧領域憑藉 GPU+CUDA 構建起的強大生態，Naveen 表示，英特爾的應對之道是他們兩年前便開始布局的 nGRAPH——如今，有各種各樣的機器學習框架，而這些框架上的模型又需要在不同的硬體上面運行。以前做深度學習和人工智慧運算，大家主要用 GPU 來加速，訓練直接在框架里調用英偉達的 CUDA 庫，推理則是用英偉達的 TensorRT。現在硬體的選擇變多了，大家也想做更多的優化，「框架編譯器」（compiler）的概念也隨之興起。

最初是谷歌的XLA（Accelerated Linear Algebra/加速線性代數），但XLA是用於 TensorFlow 的編譯器，針對的也自然是谷歌的 TPU。類似的是 Facebook 的 Glow，實際上現在每家公司都在不同的層級上構建屬於自己的中間表示，好讓編程語言能夠適應更多的硬體組合。

英特爾要做的事情是，不與谷歌、Facebook、百度等公司直接競爭，「因為他們都是我們的客戶」，nGRAPH 能支持所有的框架，「無論你使用哪種框架，新建一個框架也行，我們都樂意支持」。

英特爾的框架編譯器nGRAPH，能將不同框架上運行的模型針對各種硬體進行優化，包括英偉達的GPU和其他硬體。

但Naveen也承認，業界現在確實有在所有這些中間表示中確定一個「標準」的意向，因為標準就是標準，有了大家都方便，而英特爾也不諱言想讓nGRAPH成為這個標準。

「我們比所有人都領先，目前最接近的就是谷歌的XLA。」

英特爾10nm：挑戰台積電的7nm 晶元

但是 2019 年底英特爾預計推出的是「10納米」晶元，對手台積電、三星早就量產了10nm，高通驍龍835已經在市場上整整賣了一年，台積電今年「7納米」晶元量產成功，明年更是已經確定要上EUV 5納米的研發。

但這裡有個「陷阱」：一般人可能都認為10nm肯定比14nm先進，7nm也當然比10nm要好。實際上，7nm也好，10nm也罷，這些「線寬」僅僅代表工藝節點，但要衡量這個工藝的好壞，柵極間距（gate pitch）、邏輯單元高度（Logic Cell Height）、鰭片間距（fin pitch）、最小金屬間距（Min Metal Pith）等關鍵技術參數更為重要。

英特爾22nm和14nm工藝比較：鰭片間距提升

2017年9月，英特爾主動公布出台積電、三星和自家10nm工藝相關技術參數指標，由下圖可見，英特爾的10nm光刻技術製造出來的鰭片、柵極間隔更小。因此，在晶體管密度上幾乎是台積電、三星的兩倍。

英特爾的10nm光刻技術製造出來的鰭片、柵極間隔更小，在晶體管密度上幾乎是台積電、三星的兩倍

摩爾定律是怎麼說的？

「積體電路上可容納的晶體管數目，每隔18個月便會增加一倍。」

因此，要看的是電路上晶體管的密度，而不僅僅是「線寬」。

Anandtech總結的全球半導體企業製程路線圖

關於英特爾10納米工藝晶元的「難產」，業界有各種各樣的推論和假說，Naveen 自然沒有給出正面回答，只說 「我們的10納米工藝研發進度正順利按計劃完成」。

「但是，台積電的7nm從晶體管密度上說遠不及英特爾的10nm。」 Naveen說：「這是絕對的。」

AI晶元初創公司，活下去沒靠山不行

巨頭、英偉達、台積電等等都搞定了，對於頗有井噴式爆發的大批 AI 晶元初創公司又如何呢？

作為曾經晶元初創公司的CEO，Naveen 直言：「要做出能夠大規模商用的晶元，靠初創晶元公司100%不行。」

現在確實是「計算機體系結構的黃金時代」，也有不少炒作，但計算機架構不是那麼簡單的事情。晶元的技術周期很長，也極少能用一代就取得成功，需要不斷的迭代，這期間晶元的架構可能過時，或者有競爭對手出現。

做晶元是非常難的一件事情——你或許真的能設計出一款能解決一切問題的超級晶元，但要將這款晶元製造出來，需要付出大量的努力，而就算晶元真的做出來了，成功也不僅僅是靠處理器，還有生態系統和商業模式要考慮，要在百億台處理器規模的數據中心無差錯的使用，價格要能讓客戶用得起。

這也是 Nervana Systems 選擇被英特爾收購的原因。「我們想要的是把自己的技術推向市場，而英特爾精湛的製造工藝和成熟的銷售渠道以及其他資源，讓我們能夠把 Nervana 的技術留下來並推向市場，這是我們唯一關心的。」

「我並不是說所有晶元初創公司都會死，」Naveen 說：「上世紀90年代，圖形處理器市場，當初也有成千上萬家 GPU 創業公司，有些被收購了，其技術也成為那些公司的一部分，大部分都倒閉了，最終活下來的有多少？而活下來的這兩家，在此期間也幾度瀕臨破產。」

「作為晶元初創公司要生存下去實在太難了，」Naveen說。Nervana Systems 曾經有過那麼一個窗口，抓住這個機遇或許能成為下一個「英特爾」，但 Naveen和他的團隊，做了99%的人都會做的、更保守、更安全、更穩妥、從各種意義上說，也是最明智的選擇——投入英特爾的懷抱。（Moblieye 的創始人是不是也是這樣想的呢？）

CPU的AI化：英特爾的未來

剛剛加入英特爾時，Naveen和他的團隊就未來AI和計算的發展著很強的Vision，但並沒有獲得大多數人的同意。

「實際上，當時人工智慧對英特爾來說並非值得優先考慮的事情（priority），而現在，英特爾的每個部門都在想著 AI。」Naveen說，「AI是英特爾『絕不能輸的戰場』。」

CPU曾經是英特爾的一切，也是令英特爾如此輝煌的原因。但過去兩年來，「CPU就是一切」（註：非Naveen原話）的意識形態在公司內部已經有所轉變，大家意識到各種各樣的加速器，尤其是AI加速器，開始扮演起越來越重要的角色。

儘管 CPU 不再是「唯一」，但仍然是計算結構里不可或缺的重要組成部分。Naveen說，只要是馮·諾依曼架構，「你必須要有一個 CPU」。

在 CPU 的周圍，你可以放上GPU、DSP、ISP，以及NNP，或者各種新的架構，其中一些會被淘汰，而另一則會被被大家廣泛使用，「我們很樂意把大家都用的這種架構放進 CPU 里」，Naveen說。

英特爾另一大優勢在於，市面上已經安裝並且投入使用的 CPU。「客戶的基礎設施更新是逐步做起的，」 Naveen 說：「沒有人會一下子把舊的全扔掉然後換新的。」 如今，全球有3500萬公司使用英特爾的CPU，眼下最火熱的人工智慧推理，也有近 90% 是在英特爾的晶元上完成。

與此同時，英特爾還在不斷打造更好的 CPU，不僅為人工智慧。

你看好英特爾在人工智慧時代的作為嗎？歡迎留言討論。

原文地址：https://mp.weixin.qq.com/s/o4FIXR2uuhvayuetZ5htKA

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！