硅谷Live / 实地探访 / 热点探秘 / 深度探讨
“英伟达在AI领域的生态很强大，但英特尔CPU在基础设施里有更雄厚的基础。芯片创业公司要活下去很难。AI时代，仍将由英特尔来主导。”
本文授权转载自：新智元
作者：闻菲
尽管外界对英特尔10 纳米芯片“难产” 和英特尔 Nervana 神经网络处理器 NNP 发布时间一再延迟充满了“焦灼的期待”，但 AI 已是英特尔“绝不能输的战场”。英特尔全球副总裁兼人工智能产品事业部总经理 Naveen Rao 接受新智元采访时如是说。
收购Nervana Systems—— 这个 Naveen Rao 在 2014 年与人联合成立的深度学习芯片初创公司，成为英特尔全面拥抱人工智能的一个重要节点。
如今，英特尔上下全面意识到了 AI 的重要性，Naveen 率领的包括 Nervana 团队在内的人工智能产品事业部，推进 Nervana 神经网络处理器之外，还为英特尔其他所有部门提供技术支持。“最近两年英特尔至强处理器的改进也基本来自于我们组的工作。” Naveen 说。
但一把钥匙开不了所有的锁。Naveen 表示，不同的计算需要不同的架构，但任何计算都离不开CPU。市面上已经安装并投入使用的 CPU 是英特尔的巨大优势。在这些基础设施中，英特尔的 CPU 占了近九成，眼下最火热的人工智能推理，也有近 90% 是在英特尔的芯片上完成。
英伟达占据了很大的 AI 训练市场，也在为 GPU 添加更多的AI元素，“这是很正确的做法，”Naveen说：“但我们也将提供对 AI 来说最好的 CPU。”
“CPU 加 GPU 再加各种 AI 加速器很好，如果客户需要，把它们全部封装进一个芯片里也很好，” Naveen 说：“两者在我看来是一样的。”
换言之，AI时代，仍将由英特尔来主导。
谷歌TPU不是英特尔的对手
2018 年 5 月，谷歌在 I/O 大会上发布了第三代 TPU，由 TPU 3.0 组成的 TPUPod 运算阵列，性能相比上一代提升了 8 倍，每秒运算性能 “远超” 100PFLOPS，也即 10 亿亿次——中国引以为傲的超级计算机神威·太湖之光的 Linpack 浮点性能是 9.3 亿亿次——为了给它降温，谷歌第一次在其数据中心引入了液冷。
为了给 TPU 3.0 Pod 运算阵列降温，谷歌第一次在其数据中心引入了液冷
除了谷歌，微软、亚马逊等巨头都在研发自己的 AI 芯片。国内，大公司自己造芯的声势更加明显：百度的“昆仑”，阿里的“平头哥”，华为的“昇腾”，一个比一个浩大。
不管怎么看，形势对英特尔来说都很不利。
但 Naveen 却说，“除了TPU（还仅供谷歌内部使用）和GPU，你还能再说出一款已经量产的 AI 训练芯片吗？”
“英特尔不与我们的客户相竞争，” Naveen 说：“谷歌、微软等大公司自己做芯片，归根结底是由于我们芯片厂商没有提供给他们适合的产品，因此，短期看他们自己做芯片更省钱，更有效率。我不认为他们会销售芯片，也不认为他们想要进入芯片行业。等到英特尔研发出工艺更好、价钱更便宜的芯片时——芯片制造工艺是英特尔的核心价值所在——大公司自然就会重新使用英特尔的产品，不再自己做芯片。”
而且，英特尔的产品线可是从云到端全面覆盖的。
佩服英伟达十年建生态，但英特尔要一统江湖
至于英伟达，Naveen认为，英伟达在一个正确的时机做出了正确的选择，大力投入深度学习，现在也在不断为GPU 增加更多的“AI元素”，“这是很正确的做法”。
Naveen 表示，英特尔近年来对 AI 的认识也有了很大转变。见证了人工智能几起几落的英特尔，在2014年之前并不认为这一次深度学习真的能掀起些什么。
收购 Naverna 代表着英特尔对人工智能态度的转变，从“不重要”变为“非要不可”，Nervana 团队现在为英特尔的所有部门，从CPU到FPGA再到物联网……提供技术支持。“实际上，至强处理器近两年来的性能提升基本上都来自我们组的贡献。”Naveen说。
抢占先机的英伟达，市值已经翻了几十番，GPU在 AI 训练市场拥有毋庸置疑的领先地位。但真正成就英伟达的，是其配套软件生态系统 CUDA。
“英伟达最初在2005年推出CUDA，这也就是说他们花了十年时间才让 CUDA 能够使用，”Naveen说，没有人能一夜之间颠覆这种优势，要让一款硬件取得成功，相关的软件生态系统至关重要，而要打造这样一套生态，“非常、非常地难”。
面对英伟达在人工智能领域凭借 GPU+CUDA 构建起的强大生态，Naveen 表示，英特尔的应对之道是他们两年前便开始布局的 nGRAPH——如今，有各种各样的机器学习框架，而这些框架上的模型又需要在不同的硬件上面运行。以前做深度学习和人工智能运算，大家主要用 GPU 来加速，训练直接在框架里调用英伟达的 CUDA 库，推理则是用英伟达的 TensorRT。现在硬件的选择变多了，大家也想做更多的优化，“框架编译器”（compiler）的概念也随之兴起。
最初是谷歌的XLA（Accelerated Linear Algebra/加速线性代数），但XLA是用于 TensorFlow 的编译器，针对的也自然是谷歌的 TPU。类似的是 Facebook 的 Glow，实际上现在每家公司都在不同的层级上构建属于自己的中间表示，好让编程语言能够适应更多的硬件组合。
英特尔要做的事情是，不与谷歌、Facebook、百度等公司直接竞争，“因为他们都是我们的客户”，nGRAPH 能支持所有的框架，“无论你使用哪种框架，新建一个框架也行，我们都乐意支持”。
英特尔的框架编译器nGRAPH，能将不同框架上运行的模型针对各种硬件进行优化，包括英伟达的GPU和其他硬件。
但Naveen也承认，业界现在确实有在所有这些中间表示中确定一个“标准”的意向，因为标准就是标准，有了大家都方便，而英特尔也不讳言想让nGRAPH成为这个标准。
“我们比所有人都领先，目前最接近的就是谷歌的XLA。”
英特尔10nm：挑战台积电的7nm 芯片
但是 2019 年底英特尔预计推出的是“10纳米”芯片，对手台积电、三星早就量产了10nm，高通骁龙835已经在市场上整整卖了一年，台积电今年“7纳米”芯片量产成功，明年更是已经确定要上EUV 5纳米的研发。
但这里有个“陷阱”：一般人可能都认为10nm肯定比14nm先进，7nm也当然比10nm要好。实际上，7nm也好，10nm也罢，这些“线宽”仅仅代表工艺节点，但要衡量这个工艺的好坏，栅极间距（gate pitch）、逻辑单元高度（Logic Cell Height）、鳍片间距（fin pitch）、最小金属间距（Min Metal Pith）等关键技术参数更为重要。
英特尔22nm和14nm工艺比较：鳍片间距提升
2017年9月，英特尔主动公布出台积电、三星和自家10nm工艺相关技术参数指标，由下图可见，英特尔的10nm光刻技术制造出来的鳍片、栅极间隔更小。因此，在晶体管密度上几乎是台积电、三星的两倍。
英特尔的10nm光刻技术制造出来的鳍片、栅极间隔更小，在晶体管密度上几乎是台积电、三星的两倍
摩尔定律是怎么说的？
“积体电路上可容纳的晶体管数目，每隔18个月便会增加一倍。”
因此，要看的是电路上晶体管的密度，而不仅仅是“线宽”。
Anandtech总结的全球半导体企业制程路线图
关于英特尔10纳米工艺芯片的“难产”，业界有各种各样的推论和假说，Naveen 自然没有给出正面回答，只说 “我们的10纳米工艺研发进度正顺利按计划完成”。
“但是，台积电的7nm从晶体管密度上说远不及英特尔的10nm。” Naveen说：“这是绝对的。”
AI芯片初创公司，活下去没靠山不行
巨头、英伟达、台积电等等都搞定了，对于颇有井喷式爆发的大批 AI 芯片初创公司又如何呢？
作为曾经芯片初创公司的CEO，Naveen 直言：“要做出能够大规模商用的芯片，靠初创芯片公司100%不行。”
现在确实是“计算机体系结构的黄金时代”，也有不少炒作，但计算机架构不是那么简单的事情。芯片的技术周期很长，也极少能用一代就取得成功，需要不断的迭代，这期间芯片的架构可能过时，或者有竞争对手出现。
做芯片是非常难的一件事情——你或许真的能设计出一款能解决一切问题的超级芯片，但要将这款芯片制造出来，需要付出大量的努力，而就算芯片真的做出来了，成功也不仅仅是靠处理器，还有生态系统和商业模式要考虑，要在百亿台处理器规模的数据中心无差错的使用，价格要能让客户用得起。
这也是 Nervana Systems 选择被英特尔收购的原因。“我们想要的是把自己的技术推向市场，而英特尔精湛的制造工艺和成熟的销售渠道以及其他资源，让我们能够把 Nervana 的技术留下来并推向市场，这是我们唯一关心的。”
“我并不是说所有芯片初创公司都会死，”Naveen 说：“上世纪90年代，图形处理器市场，当初也有成千上万家 GPU 创业公司，有些被收购了，其技术也成为那些公司的一部分，大部分都倒闭了，最终活下来的有多少？而活下来的这两家，在此期间也几度濒临破产。”
“作为芯片初创公司要生存下去实在太难了，”Naveen说。Nervana Systems 曾经有过那么一个窗口，抓住这个机遇或许能成为下一个“英特尔”，但 Naveen和他的团队，做了99%的人都会做的、更保守、更安全、更稳妥、从各种意义上说，也是最明智的选择——投入英特尔的怀抱。（Moblieye 的创始人是不是也是这样想的呢？）
CPU的AI化：英特尔的未来
刚刚加入英特尔时，Naveen和他的团队就未来AI和计算的发展着很强的Vision，但并没有获得大多数人的同意。
“实际上，当时人工智能对英特尔来说并非值得优先考虑的事情（priority），而现在，英特尔的每个部门都在想着 AI。”Naveen说，“AI是英特尔‘绝不能输的战场’。”
CPU曾经是英特尔的一切，也是令英特尔如此辉煌的原因。但过去两年来，“CPU就是一切”（注：非Naveen原话）的意识形态在公司内部已经有所转变，大家意识到各种各样的加速器，尤其是AI加速器，开始扮演起越来越重要的角色。
尽管 CPU 不再是“唯一”，但仍然是计算结构里不可或缺的重要组成部分。Naveen说，只要是冯·诺依曼架构，“你必须要有一个 CPU”。
在 CPU 的周围，你可以放上GPU、DSP、ISP，以及NNP，或者各种新的架构，其中一些会被淘汰，而另一则会被被大家广泛使用，“我们很乐意把大家都用的这种架构放进 CPU 里”，Naveen说。
英特尔另一大优势在于，市面上已经安装并且投入使用的 CPU。“客户的基础设施更新是逐步做起的，” Naveen 说：“没有人会一下子把旧的全扔掉然后换新的。” 如今，全球有3500万公司使用英特尔的CPU，眼下最火热的人工智能推理，也有近 90% 是在英特尔的芯片上完成。
与此同时，英特尔还在不断打造更好的 CPU，不仅为人工智能。
你看好英特尔在人工智能时代的作为吗？欢迎留言讨论。
原文地址：https://mp.weixin.qq.com/s/o4FIXR2uuhvayuetZ5htKA
推荐阅读
