聚焦:人工智能、芯片等行業(yè)
歡迎各位客官關注、轉(zhuǎn)發(fā)
前言：
去年，由于AI運算高性能產(chǎn)品需求在下半年大幅增加，英特爾時隔3年重返半導體廠商銷售額榜首。對于未來，AI是英特爾“必須贏下的市場”。
作者| 方文
圖片來源 |網(wǎng) 絡
半導體行業(yè)大型并購頻發(fā)
英偉達宣布將以400億美元現(xiàn)金加股票的形式收購Arm。
AMD又宣布將以350億美元收購賽靈思。
Marvell宣布將通過股票加現(xiàn)金的方式，以總價約100億美元的價格收購模擬芯片制造商Inphi。
英特爾最新的收購看似不值得關注，但對其AI發(fā)展可能意義重大。
在過去的幾年中，英特爾將其精力集中在專用芯片領域，包括專門為人工智能（AI）等產(chǎn)品設計的芯片。
AI芯片沒有看起來那么擁擠
在PC時代稱霸的英特爾，如今想要在人工智能時代，撼動英偉達的領導地位。
AI相關營收激增，動作頻繁，加之最新推出的首款云端AI專用芯片，讓人不禁猜測：英特爾的追趕之路或?qū)⑻崴佟?/p>
人工智能時代，GPU被視作訓練人工智能的主要方式，全球主流的硬件平臺都在使用GPU進行加速。
因此，GPU的領軍者英偉達在獲得新增長點的同時，也在這一領域站穩(wěn)了腳跟。
在此之后，許多芯片廠商、AI初創(chuàng)企業(yè)，甚至云計算廠商這樣的芯片大客戶都開始自研AI芯片。
目前真正通用的AI芯片只有GPU。AI芯片的角逐場上，遠沒有看起來那么擁擠。
英特爾向AI轉(zhuǎn)型抵消下降趨勢
英偉達、AMD和Arm這樣的競爭對手正在縮小與英特爾的性能差距。
考慮到這一點，英特爾正在利用即將到來的技術和優(yōu)化的下一代芯片來推動AI的發(fā)展。
在第三季度，英特爾報告的收入為183.3億美元，與去年同期相比下降了3％，英特爾最新一季財報下降的原因是其數(shù)據(jù)中心集團營收下降7%。
然而，市場預測到2024年AI芯片市場的價值將超過250億美元。隨著行業(yè)的不斷發(fā)展，以及AI在實際部署中逐步普及，英特爾將有更大的增長空間。
內(nèi)憂外患之下，英特爾選擇了買買買和賣賣賣，試圖通過收購可以面向未來布局業(yè)務和出售當前非核心業(yè)務來實現(xiàn)新一輪的轉(zhuǎn)型。
就在上個月，英特爾將NAND閃存業(yè)務以90億美元的價格賣給了SK海力士。
而在這場交易中，英特爾計劃將本次交易獲得的資金用于開發(fā)業(yè)界領先的產(chǎn)品和加強其具有長期成長潛力的業(yè)務重點，包括AI、5G網(wǎng)絡與智能、自動駕駛相關邊緣設備。
英特爾的AI投資也使其創(chuàng)造除了CPU之外新收入來源的戰(zhàn)略組成部分。
英特爾的目標是在“全芯片”市場中占據(jù)30%的市場份額，而提出這個愿景的時候，競爭對手AMD正在向英特爾核心CPU業(yè)務施加的更大壓力。
在10納米處理器硬件出現(xiàn)延遲之后，英特爾宣布將推遲其7納米制造工藝。在斥資20億美元收購芯片制造商Habana Labs之后，該公司在2月終止了其Nervana AI模型訓練技術的開發(fā)。
值得關注的是，SigOpt服務了一些非常知名的大公司。這種支持使它得以開發(fā)出有趣的技術，這些技術現(xiàn)在將有助于推動英特爾 AI 芯片業(yè)務的發(fā)展。
考慮到這一點，英特爾正在利用即將到來的技術和優(yōu)化的下一代芯片來推動 AI 的發(fā)展。
去年，英特爾的AI相關業(yè)務收入不到40億美元。收購SigOpt將幫助其在未來的AI市場大幅提高收入。
收購SigOpt聚焦AI芯片整合提升
SigOpt公司位于美國舊金山，開發(fā)的軟件平臺主要被私有公司和OpenAI等研究組織使用，用于提高AI模型的性能，而這主要是通過一種超參數(shù)優(yōu)化的方法做到的。
SigOpt的AI軟件技術能夠在包括深度學習、機器學習和數(shù)據(jù)分析方面的軟硬件參數(shù)、使用場景和工作負載層面提升生產(chǎn)力和性能。
SigOpt的軟件技術與英特爾的硬件相結(jié)合，預計將推動AI的進一步采用。
英特爾計劃在其硬件產(chǎn)品中使用SigOpt的技術，為開發(fā)者加速、擴大人工智能軟件工具的規(guī)模。
超參數(shù)是開發(fā)人員定義的一種設置，可影響AI處理數(shù)據(jù)的方式，其中包括模型中人工神經(jīng)元的數(shù)量以及這些神經(jīng)元彼此交互的方式。
超參數(shù)優(yōu)化是SigOpt的專長，這個過程中各種設置通過優(yōu)化最大限度提升性能。
SigOpt的平臺讓開發(fā)人員可以指定他們希望改善的AI屬性，然后創(chuàng)建一個“優(yōu)化循環(huán)”以對其進行自動微調(diào)，在復雜的項目中，可以一次微調(diào)多個屬性。
該平臺可以與很多不同種類的AI配合使用，包括機器學習模型和更復雜的深度學習模型。
英特爾計劃在其AI硬件產(chǎn)品中使用SigOpt的軟件技術來幫助加速、增強以及擴展英特爾為開發(fā)者提供的AI軟件解決方案。
英特爾有了SigOpt的性能優(yōu)化功能，就可以幫忙那些在英特爾芯片上運行AI模型的企業(yè)客戶實現(xiàn)更高的處理速度。
交易完成后SigOpt的技術將“跨英特爾AI硬件產(chǎn)品”進行集成。
SigOpt首席執(zhí)行官兼聯(lián)合創(chuàng)始人Scott Clark與首席技術官兼聯(lián)合創(chuàng)始人Patrick Hayes將加入英特爾的機器學習性能團隊。
他們帶來了英特爾所迫切期待的技術人才，來幫助解決某些客戶所面臨的最嚴峻挑戰(zhàn)。
幾年前已布局開展專用芯片
早在2016年8月，為了進入深度學習訓練芯片市場，英特爾以大約3.5億美元收購了Nervana。
Nervana的深度學習芯片有著10倍于GPU的速度，能幫助英特爾在深度學習特定應用的集成電路方面獲取競爭優(yōu)勢。
三年后，英特爾公布了首款云端AI專用芯片Nervana神經(jīng)網(wǎng)絡處理器（NNP）系列產(chǎn)品，被視作對GPU的正面回應。
之后，同樣在2019年，英特爾再次憑借一起收購引發(fā)關注英特爾花費20億美元收購以色列AI芯片制造商HabanaLabs。
AI計算不存在一個通用的解決方案，涉及預算、芯片和系統(tǒng)等多個要素。英特爾的策略是給客戶選擇的空間，來挑選適合具體需求的硬件。
英特爾已擁有從CPU、GPU、FPGA到ASIC的AI芯片，全面的產(chǎn)品線也使英特爾具備了差異化優(yōu)勢。
結(jié)尾：
現(xiàn)在，英特爾在CPU的基礎上，加入并完善GPU、FPGA、AI芯片、視覺處理芯片等不同類型的計算架構(gòu)，已經(jīng)形成了一個完整的芯片家族，將為接下來的數(shù)據(jù)中心、物聯(lián)網(wǎng)和邊緣計算提供一個全家桶式的計算解決方案。
英特爾能夠?qū)⑦@些芯片推廣給原有的CPU客戶，還要看這些芯片之間的兼容性和通信聯(lián)接能力，以及產(chǎn)品的性價比。而這都需要時間來證明，但是留給英特爾的時間確實也只有接下來的幾年了。
