从云、网络到边缘和PC 英特尔的AI大时代即将到来

在CES 2020发布会上，英特尔回顾过去，展示了人工智能技术在防灾备灾、娱乐、体育等多个领域的应用，很好的展现了英特尔已经将AI融入云、网络、边缘和PC。展望新的一年，即将推出的第三代至强可扩展处理器、最新酷睿移动处理器（代号：Tiger Lake）、Xe架构独立图形显卡DG1预览版，都预示着，英特尔的AI大时代即将到来。

2016年，转型重要的转折点

2012年开始兴起的深度学习热潮，引发了新一轮的AI热潮，将我们带入了大数据和AI时代。面对这次技术变革，英特尔显然不会错过。2015年，深度学习的热潮从学术圈蔓延至产业界，对于新技术和新市场最为敏感的AI初创公司相继成立，AI芯片的创业热潮也开始兴起。

2016年，英特尔前CEO科再奇（Brian Krzanich）提出，英特尔要从一家PC公司转型为驱动云计算和数以亿计的智能互联计算设备的公司。由此，英特尔拉开了以数据为中心转型的序幕。

数据被比作未来的石油，到2025年，全球数据量将剧增至163 ZB。但据可靠推测，这些数据中真正得到利用、处理并且采取相应行动的数据占比仅约1%。因此，更多地挖掘出数据的价值变得至关重要，这也是科技巨头们正在做的事情。

2018年，英特尔提出了包括制程&封装、架构、内存&存储、互连、安全、软件在内的六大技术支柱，这是英特尔面对智能互联世界能够拓展新方向的基石。

2019年，英特尔转型已过半，也迎来了新一任CEO Bob Swan（司睿博）。新任CEO仍然延续英特尔“数据为中心”的定位，并且大力拓展5G、人工智能、智能边缘等领域的能力。

司睿博说：“英特尔的雄心，是帮助客户最大限度地利用人工智能、5G和智能边缘等转折性技术变革，共同为生活添彩，塑造我们未来数十年的世界。正如我们今天所着重介绍的那样，英特尔推动智能融入计算技术的方方面面，以创造前所未有的积极影响。”

显然，2016年是英特尔拥抱AI和大数据时代的重要节点，2017明确的以数据为中心定位，以及2018年更加清晰的战略，都是为了引领AI、5G、智能边缘这些转折性技术的发展。

特别是，为了能够在AI这个智能互联赋能技术上领先，英特尔充分发挥了一家巨头公司的优势——并购。

超350亿美元补充AI芯实力

2015年到2019年四年间，英特尔在AI芯片领域连续达成了5笔重要收购交易，这也是英特尔引领转折性技术发展快速且有效地方法。

2015年，英特尔宣布以总价约为167亿美元的价格收购Altera。Altera是当时全球第二大FPGA公司，其产品主要用于电信和无线通信设备。

开启转型的2016年，英特尔就收购Nervana Systems。英特尔希望借助收购提升人工智能产品的开发能力，并增强英特尔至强（Intel Xeon）及至强融核（Intel Xeon Phi）处理器的深度学习性能。这笔交易的细节条款官方并未透露，但有内部人士表示交易金额至少为3.5亿美元。

收购Nervana Systems的一个月后，英特尔又收购了AI视觉芯片公司Movidius，该公司的低价、低功耗、高性能的视觉处理器芯片广泛应用于机器人、无人机、VR等产品中，但交易的金额同样没有披露。

2017年，英特尔又宣布以153 亿美元收购Mobileye，这家以色列的公司是全球领先的计算及视觉、机器学习、数据分析、本地化辅助系统和自动驾驶系统服务提供商。

时隔两年后，去年英特尔再次出手，以20亿美元收购Habana Labs，这家总部位于以色列的AI芯片初创公司的Goya云端AI推理处理器已实现商用，Gaudi云端AI训练处理器也正在为特定超大规模客户提供样品。

这5笔总金额超350亿美元的收购让英特尔获得了FPGA、ASIC这两类AI芯片，加上英特尔已有的CPU和GPU，英特尔成为了全球唯一一家拥有全类别AI芯片的公司，这种唯一性也正在转为英特尔AI竞争的独特优势。

收购Altera两年后，英特尔发布了Arria 10 GX 可编程加速，Arria FPGA是一款被广泛应用的产品。2018年4月，英特尔宣布旗下FPGA被正式应用于主流数据中心OEM厂商中。同年12月，英特尔全球最大的FPGA创新中心落户中国重庆，目标是推动中国以及全球FPGA生态的发展。2019年11月，英特尔发布全球最大容量FPGA——StraTIx 10 GX 10M，搭载433亿个晶体管，拥有1020万个逻辑元件。

从技术到产品再到应用和整个FPGA生态，英特尔在FPGA领域的实力已经无法忽视。

与此同时，两笔未知金额的并购让英特尔在专用AI芯片领域从云端到终端的竞争力也开始展现。2018年8月，英特尔公布了两款新一代 AI 芯片——Nervana NNP-T 和 Nervana NNP-I。NNP-T主要用于深度学习训练，NNP-I用于大型数据中心的推理芯片，根据英特尔给出的数据，NNP-I 1000对比英伟达T4有3.7倍的性能优势。2019年，英特尔宣布NNP-I已经交付给Facebook，NNP-T也已经在百度的产品中商用。

分享NNP-I和NNP-T已经商用好消息的同时，英特尔还发布了新一代Movidius VPU，代号是Keem Bay，主要面向边缘端AI市场。据悉，新一代VPU采用全新的高效能架构，与上一代VPU相比，其推理性能有10倍提升。

而收购Mobileye更是让英特尔一举成为了自动驾驶领域的重磅玩家，在被收购前已经是ADAS领域重要玩家的Mobileye，在2019年获得了约30个主机厂的高级辅助驾驶的设计订单，其中25%来自中国。CES 2020期间，Mobileye透露新一代产品EyeQ6将在2023年面世，一颗EyeQ6芯片就相当于现在的6颗EyeQ5芯片，届时一个EyeQ6芯片就可以实现所有的robotaxi的运行操作了，这让外界无比期待。

至于收购不久的Habana Labs，其云端AI芯片的落地进展就是其实力最好地说明。

还有需要强调的一点，英特尔本来就拥有非常强大的CPU和GPU。去年发布的第二代至强处理器，内置了机器学习加速（Intel DL Boost）功能，推理性能提升1.4倍，将嵌入式AI性能提升到新的水平。CES 2020上，英特尔又透露了第三代至强可扩展处理器训练性能提升将高达60%。

提升英特尔在AI训练领域竞争力更重磅的产品还有今年将发布的Xe架构独立GPU，这是英特尔聚集业内最顶尖专家打造的新产品，今年的发布将非常值得期待。

因此，作为全球唯一一家拥有CPU、GPU、FPGA、ASIC全类型AI芯片的公司，英特尔的产品覆盖了训练到推理，云端到终端的全场景，随着AI落地的推进，英特尔的AI产品也会迅速渗透到工业，农业，能源，交通，互联网，金融，健康等领域。

但要引领转折性技术的发展，仍需要进一步挖掘全类型AI芯片的潜力。

软硬融合释放AI实力

AI非常重要的特征，也是一个很大的挑战就是AI算法在不断迭代，对算力的需求也不断提升。因此，一方面需要不断提升AI芯片的算力，并最大化芯片有效算力，另一方面，异构的系统的效率以及AI软硬一体化的程度成为了竞争力的关键所在。

过去，为了能够提升芯片性能并缩小芯片的体积，需要借助先进的半导体制程，把更多的功能集成封装到一块芯片上，形成SoC。但随着芯片功能的增加和体积的增大，芯片设计、测试以及制造的难度陡然增加，不仅增加了成本还会拖累产品的上市速度。为此，在水平（2D）层面集成更多芯片实现性能的提升，3D封装的概念被提出。

2018年12月，英特尔首次对外展示了逻辑芯片的3D堆叠封装方案——Foveros，可以在水平布置的芯片上垂直堆叠更多面积更小、功能更简单的小芯片，提升功能和性能。Foveros大幅度降低成本并加速产品上市的同时，也推动了先进多芯片封装（MCP）架构的发展。

但MCP架构带来的更加复杂的异构系统，也让软件编程复杂性更高，只有更好地融合，才能最大程度满足AI的需求，降低AI应用的门槛。

英特尔提出的是oneAPI统一编程平台以及端到端的大数据处理+分析平台。oneAPI能够将英特尔的关键技术逐一连接，成为跨架构、跨平台的整体解决方案。也就是说，oneAPI可以简化AI的开发过程，而且实现了跨CPU、GPU、FPGA、ASIC多架构的简化应用开发编程支持，解决了开发者在不同架构开发需要使用不同的语言、库和软件工具进行编程的局限，真正意义上放大了AI开发的价值。

另外，英特尔统一的大数据分析和人工智能平台AnalyTIcs Zoo以及BigDL，能够为整个数据分析和机器学习过程提供比现有框架更加统一和集成化的支持。

更为重要的是，英特尔在AI上的实力，已经在营收上体现。

英特尔AI 2020可期

2019年，英特尔实现了35亿美元的AI营收。2020年，无论是至强第三代可扩展处理器还是Xe架构独立GPU等硬件能力的提升，还是oneAPI的迭代，都能为英特尔带来更高的AI营收。

做出这种判断另一个重要的依据在于，挖掘数据价值将是未来很长一段时间内的关键，并且随着AI算法的逐步成熟，市场对于AI训练的需求将会以增量为主，对AI推理的需求则会快速增加。

这恰好也是英特尔更加擅长的，强大的CPU本身就更加擅长AI推理，收购带来的专用AI芯片更是能够在不同领域发挥出更大的AI推理优势。与此同时，英特尔在AI训练方面的实力也将增强，透过统一的软件平台，英特尔的AI实力将进一步释放。

巨大的成功从来都不是一蹴而就，从2016年的重要转折点，到眼下的2020年，英特尔将AI内置到所有产品中，全线布局AI战场，以规模化优势和软硬件协同创新推进AI实践，英特尔AI的大时代也已经到来。