并购潮背后 英特尔能否跨域移动成为AI芯片老大

编者按：英特尔IDF大会刚结束不久的9月6日，英特尔就在北京召开了机器学习策略的媒体沟通会。在频繁的收购AI公司背后，英特尔销售与市场事业部副总裁夏乐蓓与英特尔中国研究院院长宋继强共同阐述了英特尔在人工智能领域的战略规划与产品布局。错失了移动时代机遇的英特尔，在人工智能时代能否扳回一局？全力押注人工智能，英特尔在产品技术上有哪些优势和不足？

文/小羿

频繁收购AI公司 补齐人工智能技术短板

从去年12月开始，英特尔开启了大举收购人工智能相关技术公司的洪流。据不完全统计，在一年多的时间里，英特尔至少收购了六家AI公司。其在人工智能领域的布局也逐渐显露出来。

2015年12月，英特尔完成了167亿美元收购Altera的交易，这成为英特尔历史上最大金额的收购案。Altera是一家可编程芯片厂商，最大的价值是FPGA技术。这是技术专门为了解决深度学习对计算能力的要求而出现的，可同时进行数据并行和任务并行计算。收购Altera，使得英特尔能够推出CPU+FPGA的异构方案，更好的适应人工智能时代的定制化计算。

今年4月，英特尔收购了意大利半导体制造商Yogitech，这家公司制造了专为机器人和无人驾驶汽车开发的芯片。Yogitech芯片能够通过感应器和摄像头收集和处理无人驾驶汽车周围的环境信息，并用以指导无人驾驶汽车的行驶。而在随后的5月，英特尔又收购了专门从事计算机视觉算法的俄罗斯计算机视觉公司Itseez。这套计算机视觉算法可以帮助汽车“看见”并躲开路面上的障碍物。英特尔计划利用Itseez创建汽车安全系统的物联网，如自动驾驶，数字安全监控和工业检测等等。通过这两次收购，英特尔就具备了研发无人驾驶汽车芯片的能力。在随后的7月，英特尔宣布与宝马、Mobileye联合开发无人驾驶汽车。

今年8月，英特尔刚刚以4亿美元的价格收购了一家AI初创企业Nervana。这家公司研究了深度学习芯片（Engine芯片），性价比很高，而且处理速度是GPU的10倍。未来，英特尔可以把Engine芯片整合到英特尔的CPU中，这样可以以一个低成本的方法来实现人工智能处理的高性能，打造适合深度神经网络的处理器。而在不就后的9月6日，英特尔突然宣布收购硅谷计算机视觉技术公司Movidius。据悉，Movidius自主研发了全新架构的低功耗视觉处理器VPU，可以为智能设备增加视觉功能，包括无人机、安全摄像头、VR和AR头盔。分析认为，英特尔收购了这家企业，主要是为了利用计算机视觉、感知运算来增强RealSense 3D深度摄像头技术。通过收购Nervana与Movidius，英特尔不仅能够补全在嵌入式端与云端的CPU方案的不足，而且能够更加游刃有余的整合深度学习芯片和VPU等芯片。

总之，上述一系列的收购，不仅补齐了英特尔在机器学习领域的短板，同时也延伸了英特尔处理器的业务体系，为以后推出适合未来人工智能时代整合型的超级处理器打下了基础。

整合技术资源 建立人工智能产品矩阵



英特尔销售与市场事业部副总裁夏乐蓓

夏乐蓓称，云计算的大规模扩散，计算本身的成本下降以及万物互联产生的海量数据，让人工智能迎来新一轮的大爆发。而英特尔作为芯片领域的厂商，是未来人工智能产业链条上的重要一环。由于这种变化，英特尔目前正在经历着一个非常重大的转型，在过去英特尔公司主要是一个和PC或者融入PC来开展业务运营的公司，而现在更多的转向进一步充分发挥云的能力以及全世界几十亿台互联设备的能力的公司。

人工智能依赖于高性能计算，这对英特尔是最大的发展机遇。所以，英特尔不惜血本收购以上诸多AI公司。不过，收购意味着整合，尤其对英特尔这种技术性的厂商来说，整合非常关键。

夏乐蓓表示，英特尔最擅长的工作就是整个芯片技术。英特尔已经将Altera的解决方案融入到英特尔产品线当中，通过Xeon+FPGA技术，英特尔的至强融核处理器更加节电，灵活性也大大提升。收购Nervana后，英特尔将其带来的技术和英特尔自己的库，以及现在所执行和制定的标准整合到一起，Nervana的引擎对于整个至强系列的产品在性能上都有很大提升，而且成本更低。



英特尔中国研究院院长宋继强

据宋继强在会上介绍，通过收购和整合，英特尔已经形成了足以进军人工智能领域的芯片产品矩阵，包含拥有60核处理器的超级电脑芯片Xeon Phi；针对机器学习和人工智能领域的服务器芯片至强融核处理器Xeon+FPGA；针对深度学习领域的芯片厂商Nervana和Engine芯片；针对消费级市场的传统处理器Core；面向研究员、创客和机器人开发者的英特尔Euclid开发工具包；面向可穿戴和微型硬件产品的Soc Curie。

夏乐蓓透露，英特尔未来会更加倾向于定制化的产品来服务于客户，但英特尔依然是平台，就算是定制化也会以开放的标准和环境为基础。这是因为英特尔一方面要适应深度学习的技术趋势，另一方面不同的客户需求是千差万别的，英特尔又无法穷尽所有的定制化芯片。业内人士预计，英特尔未来很可能会推出更多的异构化芯片方案，不仅仅是CPU+FPGA，还可能是CPU+DSP、CPU+ASIC。

转型中的挑战 来自固有业务的威胁和巨头竞争



关于智能机器的发展，宋继强认为，从CT到RT时代计算机上加入了感知功能，而人工智能技术让机器有了认知能力，还有一个是自主机器的行动能力。在智能时代，机器人和用户通过感知、认知、行动联系起来，相互作用，形成一个良性的循环。从互联、智能、自主三个发展阶段来看，目前人类还处于智能的阶段。在向自主过渡的阶段，整个行业的挑战非常大，因为越来越多的传感器进入系统，对计算能力的要求非常高，大量的数据是放在设备端还是云端，也是一个很有争议的问题。

从英特尔的角度看，真正的挑战已不仅仅限于阶段的发展，而在于自身业务的转型和对手竞争。

首先，由于PC市场的整体低迷，2015年占英特尔整体收入58.1%的PC芯片业务收入下跌了8%。而且，在英特尔收购Yogitech、Itseez进军汽车芯片行业，但这个行业早已被恩智浦、英飞凌、瑞萨所瓜分。

其次，虽然受益于全球服务器市场增长，英特尔占整体收入28.9%的服务器芯片业务收入同比增长11%，不过随着人工智能的到来，越来越多的AI服务器开始采用NVIDIA的GPU芯片，虽然英特尔通过收购增加了AI部分的处理速度，但依然面临很大压力。

第三，越来越多的巨头厂商开始加入到定制化芯片的争夺中来。例如，谷歌就推出了定制化的芯片TPU，可以更加高效地运行谷歌的深度学习软件工程TensorFlow。另外，诸如百度等企业开始用ARM架构芯片搭建大型数据中心，因为可以获得更低的功耗。