芯東西（ID：aichip001）文：心緣

　　回到 1968 年，英特爾創始人羅伯特·諾伊斯和戈登·摩爾希望以兩人名字的組合命名新公司——Moore Noyce（摩爾·諾伊斯）。

　　然而這個名字被一家連鎖酒店搶先注冊了，無奈之下，兩位創始人改取“Integrated Electronics（集成電子）”兩個單詞的縮寫“Intel（英特爾）”為公司名，偏巧，這也是英文單詞“智能”Intelligence 的前幾個字母。

　　或許冥冥之中，命運已經將英特爾和五十年后的智能化浪潮牽了一條紅線。

　　從數據中心、自動駕駛到物聯網，英特爾正在編織一張全面的人工智能（AI）軟硬件巨網，試圖在滾滾奔涌向前的新一代數據革命中，以前瞻性的布局立于不敗之地。

　　據美國市場研究機構 Gartner 在 1 月 14 日發布的最新報告，2019 年全球半導體收入總計 4183 億美元，較 2018 年下降 11.9％。

　　在整體市場陷入低迷狀態之際，英特爾卻迎來了頗為亮眼的成績單，不僅時隔三年重返全球半導體市場榜首，而且其第四季度和財年營收均創紀錄。

2019 年全球半導體廠商銷售額排行榜前十（來源：Gartner）

　　2020 年 1 月 24 日，英特爾公布 2019 財年財報，季度營收突破 200 億美元大關，全年營收近 720 美元，其營收和利潤遠超分析師預期，推動英特爾盤后股價大漲近7%。

近五年英特爾股價變化

　　PC 銷售表現以及企業和云計算數據中心服務器芯片銷售的復蘇成為了英特爾亮眼財報表現的兩大核心支柱。其數據中心事業部（DCG）作為英特爾轉型時期的新生主力軍，喜迎連續五年的營收增長，達到 234.81 億美元。

　　在電話會議上，英特爾 CEO 司睿博（Bob Swan）告訴分析師，在 AI 和機器學習任務上具有更好性能的服務器新芯片是英特爾強大性能的關鍵，客戶繼續將至強處理器作為其注入 AI 的數據中心工作負載的基礎。

英特爾 CEO 司睿博

　　司睿博表示，2019 年是英特爾歷史上和前景最好的一年。英特爾在 2019 年創下 38 億美元由 AI 驅動的收入，到 2024 年，AI 市場機會預計將達到 250 億美元，其中應用于數據中心的 AI 芯片規模將達到 100 億美元。

　　那么迄今為止，英特爾在數據中心 AI 芯片先進架構的布局中，已經為自己攢下多少籌碼？

　　01

　　五年高歌猛進，數據中心業務加速狂奔

　　2015 年，英特爾提出數據將改變未來計算格局，乃至整個世界。

　　這也是 AI 開始走向商業化的序幕。

　　此后五年間，英特爾發起一系列總計近 200 億美元的投資收購，借此快速切入多類芯片賽道，以高調的姿態向世界宣告圍繞挖掘數據紅利轉型的決心。

　　而英特爾的過去一年轉型階段性成績，已經列在最新的 2019 財年財報之中。

英特爾 2015-2019 財年營收及凈利潤變化

　　財報顯示，英特爾 Q4 季度營收 202.09 億美元，同比增長8%；凈利潤為 69.05 億美元，同比增長 33%；2019 財年營收 719.65 億美元，較上一財年增長2%，凈利潤 210.48 億美元，與 2018 財年基本持平。

　　據英特爾預計，其 2020 年營收將達到 735 億美元，這也超過此前分析師預期。

英特爾 2015-2019 財年各業務營收占比變化

　　除了客戶計算（CCG）仍挑著“以 PC 為中心”的大梁外，數據中心（DCG）、物聯網（IOTG+Mobileye）、非易失性存儲解決方案（NSG）以及可編程解決方案（PSG）均屬于英特爾“以數據為中心”的業務范疇。

　　“以數據為中心”業務繼續向營收占比超 50% 的目標邁進，除 PSG 營收較 2018 財年略有下降外，每個業務均實現兩位數的增長。

　　其中數據中心業務（DCG）作為僅次于客戶計算業務的營收來源，在總營收的占比持續提升。

　　在云服務提供商客戶的強勁需求以及高性能第二代英特爾至強可擴展處理器的持續強勁推動下，數據中心業務 Q4 營收達 72 億美元，同比增長 19%，全年營收達 234.81 億美元，同比增長約2%。

英特爾 2015-2019 財年數據中心業務（DCG）營收及毛利變化

　　DCG 包括針對云、企業和通信基礎架構細分市場設計的工作負載優化平臺和相關產品，而 AI 正是這些客戶愈發重視的關鍵能力。

　　AI 算力需求推動著數據中心的計算從單一體系架構過渡到異構系統，“CPU+ 協處理器”成為 AI 工作負載的固定組合。

　　主流協處理器中，GPU 雄霸 AI 訓練市場，CPU 和現場可編程門陣列（FPGA）占據 AI 推理領域的主導地位，專用集成電路（ASIC）則正如冉冉升起的新星。

　　為滿足多樣化工作負載需求，如今英特爾在數據中心的芯片業務已覆蓋標量（CPU）、矢量（GPU）、空間（FPGA）、矩陣（ASIC）。

　　而這四種計算架構，恰恰也是 AI 芯片的四類典型代表。

英特爾數據中心 AI 多種計算架構芯片布局

　　02

　　CPU：至強三代 AI 進化，霸主地位受三方挑戰

　　至強可擴展處理器是英特爾“以數據為中心”戰略的基礎。

　　盡管 CPU 在多數人眼中是個“頭腦發達，四肢簡單”的控制者，不擅長做 AI 處理，但英特爾正努力通過加固至強處理器的 AI 性能打破這一刻板印象。

　　時至今日，英特爾至強依然是全球 AI 推理的主流選擇。據此前英特爾透露的數據，至強已經助力市場上 80％-90％ 的 AI 推理。

　　2017 年，英特爾在第一代至強可擴展處理器中首次建立 AI 加速能力。2019 年推出的第二代至強，AI 推理性能比一代提升 30 倍。將在 2020 年登場的第三代至強，AI 訓練性能則再提升 60%。

　　AI 似乎成了至強最大的籌碼，英特爾執行副總裁孫納頤（Navin Shenoy）曾在 CES 期間特意指出，至強是唯一內置 AI 的通用 CPU。

　　司睿博也在財報電話會議中表示，客戶對第二代至強英特爾至強可擴展處理器的需求非常強勁，專注于 AI 性能的 Cascade Lake 系列是英特爾增長最快的處理器，而其增長勢頭還將隨著第三代至強可擴展處理器 Cooper Lake 的推出，在 2020 年上半年得到進一步推動。

　　雖說英特爾在數據中心 CPU 市場是不二的王者，擁有超過 90% 的市場份額，但英特爾不敢有絲毫的懈怠。

　　以 AMD、IBM 和 Arm 系為代表的追趕者正來勢洶洶。

　　AMD 可謂是 2019 年表現最佳的半導體股之一，漲幅翻倍，其最新發布的第二代 7nm EPYC Rome CPU 在制程、密度、功率、性能和價格方面均贏過了英特爾 14nm CPU。

　　2019 年 Q3 財季，英特爾 DCG 營收同比增長4%，服務器 CPU 銷量下滑6%，不過平均售價（ASP）增長了9%。環比方面，DCG 營收增長 28%，銷量增長 20%，ASP 增長7%，DCG 營業利潤率創下新紀錄 49%。

英特爾服務器 CPU 銷量同比（YoY）和環比（QoQ）變化

　　不同于英特爾，由于第二代 Epyc 處理器需求旺盛，AMD 服務器 CPU 單位出貨量和營收環比增長超過 50％，取得了 AMD 自 2006 年以來最高的季度 CPU 營收。

　　亞馬遜、IBM、微軟、谷歌、騰訊、Twitter 等巨頭均宣布在其數據中心部署 EPYC 處理器，據 AMD CEO 蘇姿豐預測，AMD 有望在 2020 年年中達到服務器 CPU 市場份額兩位數的目標，而這將是此前 EPYC 占有份額的十倍左右。

AMD 服務器 CPU 市場份額變化

　　IBM 同樣是不同忽視的競爭對手。

　　為了扭轉在數據中心的頹勢，IBM 近幾年一直試圖通過創建圍繞 Power 處理器的硬件和軟件生態系統，拿下更多超大規模數據中心市場。

　　例如谷歌在 2017 年底推出專為 AI 和高性能計算（HPC）設計的服務器，由 IBM Power9 處理器驅動。其服務器在 HPC 領域已相當受認可，最新全球超算排行榜中，排名前兩位的超算 Summit 和 Sierra 都采用了 IBM Power9 CPU。

　　2019 年以 340 億美元收購紅帽后不久，IBM 邁出更激進的一步，宣布完全開源 Power 指令集，為獲取更多中高端服務器市場爭取機會。

　　谷歌已經在涉足 Power 處理器，今年 1 月 14 日，谷歌還宣布將在谷歌云推出 IBM Power 系統。

2019 年 11 月更新：全球超算排行榜前五

　　Arm 系服務器則試圖在中低端市場撬開一個缺口。

　　此前 AMD、三星、博通、NVIDIA、高通等半導體巨頭都曾嘗試研發 Arm 服務器處理器，但隨后均不了了之。

　　不過過去兩年，Arm 服務器 CPU 陣營又喜添亞馬遜和華為兩員大將。隨著云計算廠商對陸續轉向自研芯片，Arm 被視為實現 CPU 自主可控的優選架構，似乎有吞掉一小塊服務器市場蛋糕的希望。

　　但云計算廠商的企業性質決定他們很難將自研服務器 CPU 對外銷售，真正在內部部署的量級有多大也很難說，更像是云計算廠商握在手里用于以防萬一和獲得更大議價空間的“備胎”。

　　總體來看，接下來英特爾作為服務器 CPU 龍頭的地位依然無可撼動，但 AMD 已成為擺在臺面上的不穩定因素，英特爾能否守住自己的市場份額，下一步 10nm 服務器 CPU 的棋將至關重要。

　　03

　　GPU：紅綠之爭可能變為三原色互斗

　　2010 年，英特爾將其 Larrabee 獨立顯卡項目從公司路線圖中抹去，直到去年 11 月，英特爾首次展示其用于數據中心的 GPGPU——Ponte Vecchio GPU。

　　Ponte Vecchio GPU 為 HPC 建模和仿真以及 AI 訓練而設計，計劃在美國能源部 Aurora 超算中首次亮相。

　　Ponte Vecchio GPU 將采用英特爾多種先進技術，包括其 7nm 制程工藝、Foveros 3D 和 EMIB 封裝技術、高帶寬內存、Compute Express Link 互連等。

　　英特爾嘗試采用統一架構 Xe 來研發圖形卡，分別針對低、中、高性能工作負載，提供 Xe-LP、Xe-HP 和 Xe-HPC 三種微體系架構。前不久基于 Xe-LP 的 PC 用獨立圖形顯卡 DG1 剛剛在 CES 期間被劇透。

　　自 AMD 在 2006 年收購 ATI 公司后，GPU 市場就成為老大 NVIDIA 和老二 AMD 獨秀的舞臺。

　　NVIDIA 一直以來以多種形式為 GPU 計算開拓新市場，它率先將服務器市場中使用 GPU，并且最早收割深度學習加速計算的紅利，憑借強大的 CUDA 生態橫行 AI 和 HPC 領域，并且在 AI 訓練領域明顯處于優勢地位。

　　為了增強在數據中心領域的競爭力，NVIDIA 擬以 69 億美元買下 Mellanox 的收購案正在審批階段，目前已獲得美國和歐洲監管機構的批準，接下來還要接受中國監管機構的考驗。

　　AMD 早先 CPU 業務被英特爾完虐時，主要就是靠 GPU 業務維系生計，它也是 NVIDIA GPU 最有力的競爭者。

　　2018 年，AMD 面向 AI 和 HPC 連發兩款 Vega 架構的 7nm GPU，Radeon Instinct MI60 和 MI50，并聲稱 MI60 是最快的雙精度加速器，性能高達 7.4 TFLOPS。

　　但 AMD 在 AI 和 HPC 領域始終難以與 GPU 抗衡，主要缺的還是軟件，大多數 GPU 開發者已經習慣使用 CUDA。而 NVIDIA 并沒有將 CUDA 平臺開放給 AMD GPU 使用，這使得 AMD 很難在數據中心 AI 市場擴大自己的地盤。

　　英特爾也意識到了構建統一軟件的必要性，打造了橫跨其旗下各種計算架構的統一編程模型 oneAPI。

　　如果英特爾將自研 GPU 與 CPU 結合，可能會打造出一個頗具競爭力的計算平臺。那么無論是數據中心還是 PC 端的 GPU 市場，未來有望變成 RGB 三原色的競爭。

　　04

　　FPGA：兩強交匯 AI 賽道

　　FPGA 類產品隸屬英特爾 PSG 事業部，雖然并不劃歸 DCG 業務，但同樣是其數據中心組合拳中重要的一個組成部分。

　　作為 FPGA 鼻祖，賽靈思一直是全球 FPGA 領域的“獨孤求敗”，原本被甩在身后的老二 Altera，突然在 2015 年被英特爾以 167 億美元高價收購了。

　　此后，賽靈思和 Altera 分別走向岔路口的兩個方向。

　　賽靈思仍以 FPGA 為主線，以可編程為核心思想去探索創新打法；Altera 則化身為英特爾 PSG 事業部，一邊作為獨立在線加速器，另一邊和英特爾至強處理器組合出擊 AI、5G、自動駕駛等新興市場。

　　有趣的是，從 2018 年下半年開始，FPGA 兩大核心玩家頻頻在一些新動作上“不謀而合”。

　　比如在收購新創企時，消息都在 2018 年 7 月公布。英特爾 PSG 事業部這廂迎來新成員美國結構化 ASIC 供應商 eASIC，5 天后，中國 AI 芯片獨角獸深鑒科技宣布被賽靈思收購。

　　想辦法把 FPGA 這一陳年老架構玩出新花樣時，兩家又都選擇推出創新的新品牌。

　　賽靈思推打造出號稱是“賽靈思自發明 FPGA 以來最卓著的工程成就”的自適應計算加速平臺 ACAP，并基于這一架構，推出 AI 推理性能比 GPU 高 8 倍的 7nm AI 芯片和實時推理吞吐量比高端 CPU 高 20 倍以上的 Alveo U250 加速卡。

　　英特爾也發布了新品牌 Agilex FPGA，跟數據中心 GPGPU 一樣，走得是集成英特爾多重創新技術的路線，借助三維封裝、Compute Express Link 內存一致性加速等技術，實現超快速度和超高靈活性。

　　兩家還輪流炫技最大 FPGA。2019 年 8 月，賽靈思發布號稱是全球最大 FPGA 芯片 Virtex UltraScale+ VU19P。2 個月后，英特爾 Stratix10 GX 10M FPGA 用 EMIB 技術將兩個 FPGA 在邏輯和電氣上實現整合，摘走“最大容量”的頭銜。

　　除此之外，回顧過去一年，英特爾頻繁提及自己的軟件工具和庫帶來的性能優勢和便利性，強調其跨架構統一編程平臺 oneAPI 的價值。

　　賽靈思同樣考慮到優質軟件在構建生態中起到的關鍵作用，推出統一軟件平臺 Vitis，無需硬件專業知識即可自動將 Xilinx 硬件體系結構調整為軟件或算法代碼，并把 FPGA 上的 IP、底層的驅動軟件以及一系列 AI 開發套件都打包到 Vitis AI 平臺上供開發者選擇。

　　從賽靈思 2019 年 10 月公布的 2020 財年 Q2 財報數據來看，賽靈思的轉型戰略成效已顯，以 Alveo、UltraScale+ 等為代表的先進產品營收同比增長 29%，占比持續攀升，約占總銷售額的 74%。

　　其數據中心業務漲幅明顯，達到創紀錄的 8100 萬美元，同比增 24%，占總營收的 10%，與微軟 Azure、亞馬遜、阿里、百度、華為、騰訊等重要客戶之間的 FaaS 業務進一步擴展。

賽靈思先進產品和核心產品占比變化（2018 年 10 月-2019 年 10 月）

　　英特爾 PSG 主要包括 FPGA 和結構化 ASIC，及用在通信、云和企業以及嵌入式市場領域的相關產品。PSG 從 2016 財年起，經過連續三年營收和毛利增長后，在 2019 財年營收同比下降 6.4%，至 19.87 億美元。

英特爾 2016-2019 財年 PSG 營收及毛利變化

　　AI+ 云計算的興起，相當于給了賽靈思和英特爾 FPGA 站在同一起跑線的機會。

　　目前直觀來看，英特爾在壯大生態、吸引中國開發者方面的行動更為豐富，包括在重慶建立 FPGA 創新中心、舉辦 FPGA 創新大賽等等，而賽靈思主要是依靠年末的 XDF 開發者大會亞洲站來作為集中展示先進技術以及同開發者交流的平臺。

　　05

　　ASIC：內部賽馬？三年收購倆創企

　　ASIC 是為特定目的、任務或應用而設計和制造的定制化芯片，能以高性能和高功效完成非常具體的任務。

　　從谷歌亮出張量處理單元（TPU）開始，越來越多玩家涌入 ASIC AI 芯片賽道，英特爾也早在 2016 年 8 月就通過大約3-4 億美元收購加州 AI 芯片創企 Nervana 布局云端專用 AI 芯片。

　　2019 年下半年，英特爾發布 Nervana 首款商用云端 AI 訓練芯片 NNP-T 和 AI 推理芯片 NNP-I 的新訊，包括投產并完成客戶交付，宣布分別與百度、Facebook 合作推進定制 AI 芯片研發工作。

　　英特爾稱 Nervana NNP 可以進行近乎線性和極具能效的擴展。NNP-T 提供了一種高效的分布式訓練方式，對 95% 的大型復雜模型進行線性擴展。英特爾與 Facebook 合作定制開發的 NNP-I，據稱在 ResNet50 上的效率可達 4.8 TOPS/W，功率范圍為 10W 到 50W 之間 。

　　2019 年 12 月，英特爾宣布以 20 億美元收購以色列 AI 芯片創企 Habana Labs，而 Habana 打造的產品，也是面向數據中心的 AI 訓練和 AI 推理芯片。

　　一石激起千層浪，業界討論聲四起。

　　有人覺得這一收購只是英特爾戰略的持續延續擴張，主要是英特爾為滿足 AI 工作負載的多樣性，增強自身數據中心 AI 產品組合的實力。

　　也有人認為這是暗示英特爾對此前的 AI 芯片收購并不滿意。一位業內人士直言，英特爾當前的 AI 芯片產品并不給力，NNP-I 性能還達不到宣傳的水平。

　　Nervana 和 Habana 的名字有些相像，架構上看也十分類似，而且產品都是在以色列開發，而且芯片都具備高度可擴展的特點。

　　不過兩家創企的收購背景截然不同。

　　Nervana 加入英特爾時，只有 48 人的團隊和一個創意，沒有帶入任何硬件開發。也就是說，NNP 系列芯片是在進英特爾后三年打磨出來的。

　　相比之下，Habana 的“嫁妝”就很豐厚，約有 150 名員工，AI 訓練芯片 Gaudi 和 AI 推理芯片 Goya 都以問世，性能在業界非常領先，并且已經被一些超大規模數據中心客戶使用，在業界收獲一片贊譽。

　　Habana 的 Gaudi 支持遠程直接內存訪問（RDMA），對于跨網絡共享數據或跨加速器結構共享數據，能提供過去芯片無法實現的可擴展能力，并且更加經濟實惠又高效。

　　而 NVIDIA 意圖以 69 億美元高價收購的以色列創企 Mellanox，其核心技術正是 RDMA。

　　兩家創企被收購后的歸宿也不同。盡管 Habana 是比 Nervana 晚來三年的“后輩”，但 Habana 并沒有被收編由 Nervana 創始人 Naveen Rao 掌管的英特爾人工智能產品事業部，而是將作為一個獨立的業務部分，直接向英特爾數據中心平臺事業部報告。

　　顯然，Habana 已經在搶走英特爾戴在 Nervana 頭頂的光環，接下來就要看英特爾如何同時保持這兩個如此相似的產品線的生命力。

　　06

　　四類芯片如何選型？

　　我們曾問英特爾人工智能事業部副總裁辛周妍，能否提供不同類型協處理器的選型建議？

英特爾人工智能事業部副總裁兼英特爾人工智能平臺與市場研究總經理 Julie Choi（辛周妍）

　　據她介紹，沒有哪一個 AI 硬件產品可以包打天下，英特爾會根據實際需求，和客戶一起去研究最佳選擇。

　　FPGA 較擅長要求低延遲高通量的推理運算，選擇這一基礎架構的客戶通常看重 FPGA 的可編程性，希望能對硬件進行配置。例如微軟就基于 FPGA 進行了大量的深度學習推理。

　　NNP-I、NNP-T 主要面向超大規模的云服務提供商，Facebook 即選擇采用 NNP-I 部署更快、更高效的推理計算，并將他們對先進深度學習編譯器 Glow 的支持擴展到 NNP-I。

　　而獨立 GPU 在開發早期目標應用于高性能計算的超算領域，也用在面向大型客戶的 AI 領域。

　　在她看來，NNP-T 和英特爾獨立 GPU 推出后，將給市場帶來更多針對高密度神經網絡訓練的替代選擇。

　　07

　　結語：AI 正成為英特爾數據中心業務的核心

　　縱觀當前 AI 市場，英特爾 CPU 在推理市場擁有較高話語權，FPGA 的新品牌和生態也在順利鋪陳中，但競爭對手已呈現有力的追擊姿態，英特爾的神經還需持續緊繃。

　　盡管最新財報成績再度證明了英特爾在 PC 和服務器芯片市場的掌舵實力，但就目前蓬勃發展的數據中心 AI 市場來看，英特爾在 AI 訓練領域還沒有展現出威脅力的攻勢，這就要看其獨立 GPU、Nervana NNP-T 以及 Habana Goya 未來能否贏得客戶的信心。

　　此次我們所重點討論的四類架構，只是英特爾投入加速 AI 發展的六大戰略之一。

　　據司睿博透露，英特爾將加快 10nm+ 的生產速度，7nm 的生產計劃將在 2021 年進行，并且英特爾已開始在研究其 5nm 制程技術。

　　此外英特爾支持異構融合的先進封裝技術、開放合作聯盟 CXL、加速多芯片通信互連的 EMIB 技術、深度挖掘硬件性能和能效的軟件堆棧、簡化編程的跨架構統一軟件平臺 oneAPI、以及在安全、內存及存儲技術上的革新，都在為 AI 工作負載效率、可編程性和可擴展性的提升保駕護航。

　　數據中心 AI 芯片玩家們正在兵分兩路，一撥傾向于兵分兩路的通用型跨行業解決方案，另一撥則重點專攻某一特定領域的數據中心或邊緣推理。

　　英特爾已經非常堅定地持續在廣度和深度上同時加大火力，既提供全面的硬件和軟件選擇，又著力確保各獨立產品線性能足夠高，未來隨著 AI 模型變得更為復雜和通用，英特爾的系統集成戰略也許會迎來厚積薄發的時刻。

總結

以上是生活随笔為你收集整理的英特尔打响数据中心复兴之战！四大架构轰向云端，营收创新高的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。