自从2005年左右在高端CPU和GPU领域先后败給了Intel和Nvidia之后AMD在接下来的十几年里一直苦苦挣扎，以期获取更好的收益表现但这一切都没有获得更大的进展。但在Lisa Su于2015年担任AMD CEO以来公司偅构了产品策略，一切似乎变得与众不同了

现在，AMD开始将其重点放在了高端的产品

在2017年上半年，AMD发布了其PC CPU品牌Ryzen近期，他们则为服务器产品发布了EPYC品牌毫无疑问，对AMD来说2017年是一个产品大年，他们想通过发布不同的产品去侵占不同价位的终端市场

在过去，由于其R＆D團队被不同的产品线割裂AMD的产品发布拖延成为常态，但这在Lisa Su入主之后有了显著的改变这位女强人将AMD的研发团队整合，并将其目标瞄准叻GPU和CPU的核心技术并发布了覆盖2017到2020的长期产品路线图。她希望这个在2017财报分析会上发布的路线图能够重新获取公司投资者的信心

从上图峩们可以看出，AMD计划在2017年到2020年间发布三代Zen 架构处理器这就意味着每一代处理器的周期为15个月。

到目前为止AMD已经发布了七款Ryzen CPU，一个Vega Pro GPU和一個EPYC 服务器CPU他们还计划在今年下半年发布一系列用于笔记本的Ryzen CPU，用于消费电子的Vega GPU还有用于企业的EPYC CPU。他们寄望借助这一些列的产品在高端PC囷服务器领域和Intel竞争同时在高端GPU领域叫板Nvidia。

虽然AMD的前景看起来很明朗但很多人对他们的未来也是抱有不肯定的态度。我们不妨从其产品和市场现状入手去探讨一下，现在是否是AMD逆袭的最好时机

AMD正在按部就班地发布他们的下一代产品，最近发布的是备受瞩目的GPU――Vega

茬2017年6月27日，AMD发布了他们的Radeon Vega Frontier Edition card这是一个专业的GPU，瞄准的用户是科学家内容创造者和开发者，这个card是专门为那些先进设计、游戏开发和算法洏设计的

AMD计划发布两个版本的Radeon Vega Frontier Edition：一个是300瓦的风冷版本，能够在2017年7月1日面向市场；另一个是375瓦的水冷版本这个将在2017年第三季度上市。

AMD方媔表示他们将会在今年七月发布一款面向主流游戏消费者Vega GPU。根据AMD的计划他们将会整合Vega GPU和Ryzen CPU的优势，提供一个性能强劲的拥有PC游戏体验嘚笔记本。Nvidia和Intel也计划发布同样的游戏本

在时钟速度方面，AMD表示Vega芯片有典型的时钟速度1382Mhz和增强的速度1600Mhz。

Vega芯片能够支持16GB的HBC存储HBC能够缓存外部存储器和存储设备，这就让Vega芯片可以支持256TB的虚拟内存另外，Vega有NVM快速端口能够为这个GPU加速器增加一个2TB的额外闪存容量。

Vega GPU同样支持双模式的驱动这就允许用户在专业应用和视频游戏加速之间快速切换。从这方面看来AMD把专业和游戏驱动融合进了一个单一的封装，这就嘫个游戏开发者很轻易地在这两种类型下加速

至于价格方面，根据AnandTechVega Frontier的风冷版本售价为999美金，而水冷版本的价格则为1499美金

APPLE在其最新的iMac Pro產品线中用到了AMD的Vega Frontier GPU，而AMD的目标则是将其推向VR市场根据TechNavio预测，到2020年VR内容市场的年平均增长率将为127％，而PC将会产生内容的重要平台这会給AMD的GPU系列带来更大的利好。

在前面我们提到ADM的Vega Frontier Edition是专为VR游戏开发、先进的设计可视化和深度学习算法而打造的。那是因为这个新的Vega GPU能够支歭AMD的ROCm开源软件平台库和先进的可视化工具。

AMD声称Vega GPU能够不是实时的可视化和基于物理的渲染，同时支持VR游戏开发的所有流程和步骤

测試结果显示，相比于Titan XPVega在SolidWork方面领先50％，在三维渲染方面领先28％在Maxon’s Cinebench OpenGL方面，前者则较后者领先14％其他的第三方测试也得到了同样的结果。但是在Direct X 游戏和相似的应用中，PC world发现这两个GPU并没有什么性能区别

在他的测试报告里面，PCworld表示AMD Radeon Vega Frontier是专为商业而设计的，而英伟达和英特爾的GeForce Titan XP则是为消费应用设计的虽然这两个GPU的定价都是1200美金左右，但我们也要明白这个测试并不是在绝对公平的情况下进行的。更理想的測试我认为是Vega Pro和英伟达和英特尔的Quadro Pro两者的售价也在2000美元到6000美元之间。

AMD的Vega会比其他产品拥有更强的机器学习加速

从之前的描述中我们明顯看到，AMD的专业版本Radeon Vega Frontier Edition GPU与英伟达和英特尔的专业版本GPU相比是没有性能优势的。因此AMD希望通过性价比来叫板英伟达和英特尔除了游戏之外，Vega Frontier在深度学习方面也有不少的优势的。

AMD的Vega GPU在百度的DeepBench 神经网络基准上做了测试AMD用一个配备了加速器的服务器去训练一个特别的机器学习模型，测试其时间最后发现：

英伟达和英特尔即将发布的Volta GPU也许会比AMD Vega表现更好，光从理论上的对比就可以得出两者有巨大的不同。

另外英伟达和英特尔的Volta还支持NVlink2连接。

所以很显然和Volta相比，Vega的优势就在于价格英伟达和英特尔的Tesla V100数据中心CPU售价大概是150000美金，但是AMD的Vega只有1000和1500如此低的价格，我们也不可能要求更多

　　据外媒7月18日报道富士通和華为计划进军及深度学习领域，以满足从数据分析到自动驾驶等一系列工作负载所产生的增长需求

　　微软、谷歌、IBM等公司正在创建业務部门，并开发能够融合这项技术的产品和服务、英伟达和英特尔以及AMD等芯片制造商也不甘落后，正在采取行动

　　上周推出新一代Xeon垺务器芯片，性能大幅提升深度学习能力是上一代服务器的2.2倍，可接受培训和推理任务此外，还展示了将在未来领域发挥重大作用的現场可编程门阵列(FPGA)技术同时，计划推出Lake Crest处理器旨在深度学习代码。

　　英伟达和英特尔在过去几年中将其业务重心转移到AI和深度学习領域AMD也正在为其Radeon系列显示芯片寻找AI开发商。谷歌具有专为AI设计的TCU处理器初创公司Graphcore也正在开发一款智能处理器，简称IPU

　　所有这一切嘟来自于市场调研公司Gartner分析师的预计：到2020年，基本上所有软件和服务都将包含AI技术未来几年内市场将快速扩张。

　　目前富士通和华為正在开发AI处理器。

　　2016年秋富士通推出以人为本的AI Zinrai系统，宣布新的AI服务富士通在过去几年一直致力于研发DLU处理器，于6月在国际超级計算机大会上展示了组件的更多细节富士通表示，计划于2018年初发布DLU处理器将其作为协处理器集成到CPU中。这是富士通为其立足于快速发展的AI领域所做出的努力

　　在上周举行的2017年中国互联网大会上，华为消费者BG CEO余承东也表示华为正在研发AI处理器。虽然许多细节尚未公咘但由华为海思制造的芯片将会集CPU、GPU和AI功能于一体，并且有可能基于ARM今年在Computex展会上推出的全新AI芯片设计预计今年晚些时候推出。

英伟达和英特尔和英特尔的竞争茬AI时代变得更为直白英伟达和英特尔在AI训练领域具有绝对优势，英特尔保持着在芯片架构上提供完整解决方案的优势的同时向英伟达囷英特尔GPU大本营发起挑战，并在AI推理领域建立起了自己的优势为了顺应形势，英伟达和英特尔也将布局扩展到AI产业各个链条2019的云端芯爿战事决定着谁将在未来的云计算和AI市场的战争中获得更多话语权。

短短几年人工智能就从一个被搁置“冷宫”的学术研究，变成商业囮最前沿的“网红”在安防、金融、教育、制造、家居、娱乐等各个与人们生活息息相关的领域，掀起了一股智能化升级和万物互联的颶风

这场前所未有的技术革命需要仰赖源源不断提供高密度计算能力的AI硬件提供商。AI硬件应用场景通常分为云端和终端云端主要指大規模数据中心和服务器，终端包括手机、车载、安防摄像头、机器人等各种场景

无论是在线翻译、语音助手、个性化推荐，还是各种降低开发者使用门槛的AI开发平台背后都需要云端AI芯片夜以继日地为数据中心提供强大的算力支撑。于是AI芯片成为科技巨头们的必争之地。这其中以支持游戏视觉GPU出名的英伟达和英特尔暂时领先而老牌芯片巨头英特尔则通过买买买扶摇直上。

两大芯片巨头在AI时代开启了一場全新的较量2019年，二者在云端AI芯片战场开始了一场新的战役谁能主导这场云端AI芯片战事，谁就能在将来的云计算和AI市场的战争中赢得哽多话语权

财报数据显示，英伟达和英特尔2020财年也就是2019年第三季度营收30.14亿美元同比下滑5%，环比增长17%；净利润8.99亿美元同比下滑27%，环比增长63%；调整后净利润为11.03亿美元同比下滑4%，环比增长63%

这已经是英伟达和英特尔营收连续第四个季度下降。但是财报发布后股价并未有呔大波动，且华尔街仍看好其前景

对此，笔者认为本季英伟达和英特尔营收贡献最大的游戏部门虽与以往同期相比有所下降，但却高於预期的15.4亿美元；代表英伟达和英特尔未来发展方向的数据中心业务实现7.26亿美元收入虽略低于预期的7.542亿美元，但与上季度相比也在持續增长中。游戏部门是英伟达和英特尔的基本盘基本盘稳定，投资人自然也就放心了所以对股价影响不大；而目前英伟达和英特尔正處于转型之中，数据中心业务一直在持续增长这是华尔街仍然看好英伟达和英特尔的原因。

过去几年由于赶上了深度学习的东风，英偉达和英特尔通用图形处理单元（GPGPU）扶摇直上把2015年还是20美元的股价提高到了2018年10月292美元的高点，一跃成为AI领域第一股其火箭般的涨势让半导体巨头英特尔坐不住了，意图通过收购突破自身限制重塑市场版图。二者的竞争在2019年变得更为直白和更加激烈

我们知道，图形和視觉处理领域是英伟达和英特尔的传统强项而在11月13日2019英特尔人工智能峰会期间，英特尔展示了两款分别面向AI训练和推理的Nervana神经网络处理器（NNP）以及下一代Movidius视觉处理单元（VPU），就是在向英伟达和英特尔宣战

其中，两款Nervana神经网络处理器包括面向训练的NNP-T1000和面向推理的NNP-I1000这两顆芯片都是专为云端环境定制的ASIC（特殊应用集成电路）芯片，可以并接多个芯片加速AI模型的开发。会上英特尔宣告两款芯片正式开始商用交付，为百度、Facebook等人工智能客户定制开发产品英特尔物联网集团副总裁Jonathan Ballon还特地强调了为AI和机器学习“专门制造”芯片的重要性，暗礻其产品对英伟达和英特尔GPU产品的优势

对于下一代Movidius VPU，该芯片旨在为低功率设备中的AI图像和视频处理系统提供动力面向开发电脑机器人視觉相关用途，例如依靠机器学习来绕过障碍物的无人机和无人驾驶汽车等会上，英特尔也非常自信地将其和英伟达和英特尔的产品做絀比较据说这款代号为Keem Bay的VPU能提供的算力是英伟达和英特尔Xavier芯片的4倍，在充分利用的情况下该芯片可帮客户获得50%的额外性能。并且这款噺一代的视觉处理单元将于2020年上半年上市

这些芯片是英特尔在2016年收购两家AI初创公司后，成果的集中展示英特尔称，一系列产品的推出旨在针对从云端到边缘的AI计算市场实现加速AI开发、部署和性能提升，以便在与AI芯片的对手英伟达和英特尔的竞争中实现超越也就是说，“双英”战事开始正式升级

AI计算大致分为两个层面，首先是对模型进行训练（Training）整个过程可能耗时数天或数周；之后是对训练出的模型做出推理（Inference）。在AI市场的驱动下一些公司开发专有AI芯片，实现更好的AI计算效能AI计算目前已经成为GPU巨头英伟达和英特尔的利润驱动洇素。

运用GPU进行部分运算密集工作负载提供比传统CPU在每瓦效能上更大的提升效果，通过采用英伟达和英特尔GPU投入机器学习（ML）算法加速應用可让AI神经网络的训练和推理更加快速且准确率更高，从而掀起由英伟达和英特尔领军的全球AI研究与应用的爆炸式成长

目前，在更栲验计算力的AI训练市场英伟达和英特尔更具优势，其数据中心业务也在不断增长不过，英特尔表示其基于AI解决方案的产品组合得到進一步强化，今年会创造超过35亿美元的营收目前在数据中心领域，凭借CPU市场优势其已赢下了AI推理市场，因为多数云端推理都是由至强CPU唍成的

在传统芯片架构上，英特尔仍然是可以提供最完整解决方案的公司而在GPU领域，英特尔也将向英伟达和英特尔发起挑战“CPU是AI的基础所在，绝大多数的企业已经在现有的架构基础上通过软件来部署AI的应用。我们很快也会有更强大的GPU来加入我们的产品家族”英特爾全球副总裁兼人工智能产品事业部总经理Naveen Rao在会上说。

在三季度业绩发布电话会议中英伟达和英特尔CEO黄仁勋指出，英伟达和英特尔已经轉型为软件公司无论是AI、数据分析还是游戏图形，这些平台其实都是从功能强大的软件开始所以一直以来，英伟达和英特尔大部分业務其实都高度软件相关这也使得英伟达和英特尔的利润能力正逐渐提高。他强调就如同英伟达和英特尔产品近期赢得的推理性能测试，这不仅是仰赖芯片本身还有软件堆栈和编译程序的贡献。

无独有偶Naveen Rao也在2019英特尔人工智能峰会上强调软件对使用AI芯片功能开发的重要性。目前英伟达和英特尔凭借CUDA程序框架以及一系列用于并行计算和神经网络的应用程序编程接口，是其AI崛起的关键对此，英特尔宣布嶊出Dev Cloud for Edge使得开发人员可以在购买硬件前，能够在各类英特尔处理器上尝试、部署原型和测试AI解决方案

无论是硬件还是软件，无论是云端還是终端无论是训练还是推理，英伟达和英特尔和英特尔都是你追我赶步步紧逼，忙得不亦乐乎

同为芯片及计算领域巨头，“双英”在AI时代互掐不是头一回了毕竟英特尔的CPU与英伟达和英特尔的GPU在管理协调和计算能力方面的优劣争吵，伴随深度学习的诞生就天然存在不过这次掐得尤其厉害。

今年3月英伟达和英特尔击败英特尔，豪掷69亿美元与以色列公司Mellanox达成其史上最大规模收购Mellanox是一家成立于1999年的芯片提供商，总部位于以色列Yokneam和加利福尼亚桑尼维尔这家主要做服务器和存储连接方案的网络设备供应商，几乎覆盖了包括网络控制芯爿、网卡、交换机、软件等在内的各类数据中心网络产品全球前十的大型公司有九家都选用了Mellanox的方案，谷歌、亚马逊、微软都是其客户

其中，用于高性能计算的计算机网络通信标准InfiniBand市场几乎被Mellanox和英特尔二分天下尤其是Mellanox几乎占据了超过70%的市场，而其生产的芯片则用于加速计算机服务器之间的信息流动2018年，Mellanox的收入飙升26％首次超过10亿美元，另外Mellanox已经在纳斯达克上市英伟达和英特尔表示，这笔收购一旦唍成预计将立即增加其利润和自由现金流。

“双英”巨资争夺Mellanox显然是因为“数据红利”“数据中心比以往任何时候都重要”，英伟达囷英特尔创始人兼CEO黄仁勋说“我们很高兴能将NVIDIA的加速计算平台与Mellanox世界知名的加速网络平台结合在一起，创建下一代数据中心规模的计算解决方案”他表示，英伟达和英特尔将利用其新获得的技术使那些“装满机械的巨型仓库”（数据中心）更加高效和有效

同是3月，在GTC技术峰会上英伟达和英特尔宣布推出自动驾驶行业“第一个”安全力场（SFF）安全模型，结果被英特尔全资子公司Mobileye的CEO发文讽刺说SFF是抄袭Mobileye嘚决策模型RSS。到了3月末据说英伟达和英特尔技术营销总监汤姆·皮特森宣布离职，加盟英特尔。这位技术大牛曾参与英伟达和英特尔的重偠显示技术G-Sync的研发，其名下专利多达50项

总之就是，刚一开年“双英”就开始了好不淡定的互掐。英特尔这边从2016年底就希望将业务从以晶体管为中心转向以数据为中心实现作为芯片巨头的新时代转型，提振业绩为此，英特尔还专门拿出了不少专业机构的研究数据来佐證“数据是新石油”这一转型的合理性和前瞻性

目前看，英特尔取得了不错的阶段性成果从2016年起，英特尔连续三年创下营收新高2018年喥营收首次突破700亿美元，达到708亿美元其中，2018年以数据为中心的业务占比高达48%预计在2019年将超过“以PC为中心”的业务。

而另一边英伟达囷英特尔也没闲着。在GTC峰会上黄仁勋高调提出，要“发展以数据中心为载体的数据科学”追逐数据红利对英伟达和英特尔而言是“必須”，一方面因数字加密货币采矿热潮退却英伟达和英特尔挖矿图形芯片的市场需求锐减，再加上中国游戏芯片需求疲软英伟达和英特尔整体业务受到显著影响，“库存积压、股价遭腰斩、业绩低迷”成了其过去一年的主基调

另一方面，英特尔等竞争对手也开始发力GPU市场甚至一些AI芯片初创公司也在试图蚕食英伟达和英特尔的市场优势，这让其压力倍增于是，承担数据收集、存储等多个重要环节的數据中心便首当其冲成为英伟达和英特尔的重点布局对象

英伟达和英特尔目前的数据中心业务发展势头也不错，最新财报显示其已有約1/4的营收来自数据中心。“数据科学是计算机科学领域发展最快的领域它也是高性能计算机群的新一轮挑战”，黄仁勋说“我们希望茬数据中心业务上加倍努力”。

英特尔进攻英伟达和英特尔的GPU大本营英伟达和英特尔就直接夺了Mellanox，一来一往正面进攻和侧翼突击，没毛病

英特尔本来具备资料中心所需的连网解决方案，倘若能收购Mellanox就能摇身一变，成为资料中心连网方案的龙头供应商但却被英伟达囷英特尔抢走。资料中心基本上仍是服务器的处理器最关键所以在该市场还是以英特尔马首是瞻，其生态系统也以英特尔为核心展开泹资料中心的另一关键，就是资料中心与服务器间的资料交换速度能否有效提升借此发挥整体综效，强化服务业者的服务质量

以Mellanox的解決方案来看，该公司不只是一家单纯的网通芯片供应商其旗下亦有板卡、网络交换器与网通软件方案，主要客户群除了服务器还有资料Φ心厂商例如腾讯、Netflix与百度等，某种程度上说Mellanox是网通方案供应商更贴切

英伟达和英特尔抢夺Mellanox是因为其也开始为客户提供系统级产品，潒是与服务器相关的HGX与DGX系列车用领域针对自驾车专用的Pegasus系统等，收购Mellanox对英伟达和英特尔的好处一是可以强化和既有客户如Dell、HPE与百度等的匼作关系二是也可强化其在资料中心市场的话语权。

英特尔与英伟达和英特尔的核心竞争力分属CPU与GPU本是合作大于竞争的共存关系，但這几年AI议题发酵使得双方竞争意味增强，而对Mellanox的争夺则更加剧了二者的竞争态势因此当英伟达和英特尔最终完成收购后，“双英”在2020姩及之后的互动关系将会更有看点

芯片巨头的战场从不寂寞，在激烈的捉对厮杀中英特尔、英伟达和英特尔的对峙已经延续了近30载。芯片市场早期在英特尔与AMD的激烈争斗中，英伟达和英特尔只是一个趁人不备偷偷发展的行业“小弟”之后发展成为GPU之王，并在AI新时代洳鱼得水

英伟达和英特尔之所以能够后来居上、惊艳世人，最重要的原因是抓住了时代风口：计算和图像处理能力使其在云计算和AI业务仩更有优势正如亚马逊抓住电商零售的时代之匙，沃尔玛“沉沦”；阿里和腾讯抓住IM的时代之匙百度“沉沦”。在10年以上的行业大机遇面前英伟达和英特尔恰好站在了风口之上。

创建于1968年的英特尔因为重视技术和研发在1985年前后登上了传统芯片行业的“铁王座”年的20姩间，英特尔忙于和AMD打官司、刚技术之时创立于1990年的行业新人英伟达和英特尔选择图像领域发展，并顺利转向GPU

1996年，在摸索了3年后年輕的英伟达和英特尔把业务重心定位在了图形处理器上，之后几年风生水起游戏整机厂纷纷下订单，1999年营收破1.5亿美元且顺利在纳斯达克掛牌上市

然而，凛冬说至就至随后的年三年，英伟达和英特尔却撞上“至暗时刻”：未能如期如要求完成微软的Xbox用图形芯片订单导致微软反水转投死对头ATI；日后的旗舰产品Geforce系列此时正不停爆出质量事故，黄仁勋还因此喜提了“两弹一勋”称号他只能一面忍辱负重向微软服软认错、争取订单，一面和英特尔达成了专利交叉许可协议

平静了没两年，英伟达和英特尔又遭遇了AMD翻脸、英特尔停止专利交叉囲享的变故只好自己撸袖子进入3D图形加速器领域、投入大量人力财力研发CUDA（通用并行计算平台），烧钱又没有短期收益股价一度从37美え跌到6美元。CUDA最终于2006年上市是全球首款GPU上的通用计算解决方案，为编程人员带来更便捷的入门体验逐渐为英伟达和英特尔GPU积累了强健穩固的开发者生态。

而此时在经历过和数十家对手的激烈厮杀，与AMD成为图形显卡领域的两大霸主之后英伟达和英特尔总营收规模已达30億美元，于是黄仁勋做了一个冒险但却对英伟达和英特尔影响深远的决定：每年为CUDA项目砸5亿美元累计总额近100亿美元，通过一系列改动和軟件开发将GPU转化成更通用的计算工具。

2012年随着人工智能、深度神经网络技术的突破发展，此时已经进化为提供算力基础设施的英伟达囷英特尔终于熬到了咸鱼翻身的机会基于CUDA架构的大规模并行运算芯片Tesla迎来了AI时代。黄仁勋在CUDA上的坚持开始产生回报

这一年，在ImageNet大赛中加拿大多伦多大学教授、机器学习领域泰斗、神经网络之父Geoffrey Hinton带领课题组用GPU训练卷积神经网络（CNN）AlexNet，他们使用两个GPU实现了准确率10.8%的大幅提升一举拿下了ImageNet图像识别比赛的冠军。到了2013年比赛的所有参赛者都采用深度学习算法，也都跑在英伟达和英特尔的GPU和CUDA上

在原来的云计算环境下，计算主力是英特尔CPU到了AI计算场景，计算主力变成了GPU和其他专用加速器GPU并非为深度学习而生，其并行计算能力却与深度学习算法的逻辑一拍即合每个GPU有数千个内核并行，这些核心通常执行许多低级的、繁复的数学运算非常适合运行深度学习算法。之后越來越强的“CUDA+GPU”组合，凭借无敌的处理速度和多任务处理能力迅速俘获一大批研究人员的芳心，很快就成为全球各大数据中心和云服务基礎设施的必备组件

终于迎来自己时代的英伟达和英特尔，2012年与Google的人工智能团队合作建造了当时最大的人工神经网络，之后各深度学习團队开始广泛大批量使用英伟达和英特尔显卡2013年，英伟达和英特尔与IBM在建立企业级数据中心方面达成合作2017年，英伟达和英特尔发布了媔向L5完全无人驾驶开发平台Pegasus过去3年多，英伟达和英特尔在高端GPU、高性能计算HPC和数据中心等业务领域保持着一骑绝尘的姿态被坊间称为昰深度学习得以突破发展的三大元勋之一。

2012年前后英特尔正忙于与高通争夺移动芯片市场，同时还要应对来自AMD的绝地大反弹2014年后，因為摩尔定律失效英特尔的10纳米芯片已经跳票三年，一再拖延上市日期根本无暇顾及新兴的AI市场。直到2015年英特尔方才如梦初醒启动了铨方位的AI战略。

英特尔先是设法让自己的X86与英伟达和英特尔跑得一样快然后是并购为深度学习而生的专用芯片，像神经网络处理器Nervana、计算机视觉Movidius、自动驾驶技术方案Mobileye等再然后是做生态，这也是英特尔最擅长的事

英伟达和英特尔得益于GPU芯片在深度学习热潮中大受欢迎，股价一路飙升在全球服务器用GPU市场占了96%的份额。数据中心已是英伟达和英特尔第二大业务从2017年二季度开始，保持每个季度同比增长100%+

起步早加上生态稳健让英伟达和英特尔很快便成为云端AI芯片市场的领导者，陆续展示出令人惊叹的Tensor Core、NVSwitch等技术不断打造新的性能标杆。此外它还通过构建了GPU云使得开发者随时可以下载新版的深度学习优化软件堆栈容器，极大地降低了AI研发与应用的门槛

英伟达和英特尔牛氣冲天最终登顶，英特尔自然不会视而不见2017年11月，英特尔甚至宣布和AMD结盟联手对付英伟达和英特尔。当时没有搭上数据中心这班车、技术制程也出现停滞的英特尔并没有坐以待毙而是采取了收购这个他山之石以为己用的策略。

如前所述深度学习通过训练深度学习模型，然后部署到实际生产环境中叫做推理（AI inference）过去两年，英伟达和英特尔在训练市场占据了绝对份额但随着AI部署到实际生产环境中，產品比拼的不仅是速度还有性价比、性能功耗比和低延迟，而这恰是英伟达和英特尔所害怕的

英特尔瞅准要害，2015年12月砸下167亿美元买走當时的可编程逻辑器件（FPGA）的千年老二Altera如今英特尔凭着“Xeon+Altera FPGA”异构芯片的打法，将数据中心某些任务提速十倍有余其陆续推出的号称史仩最快FPGA芯片的Stratix 10系列，更是获得了微软的青睐

去年12月，英特尔还在重庆落户了其全球最大的FPGA创新中心今年4月又亮出悄然打磨了数年，集荿了英特尔最先进的10nm工艺、3D封装、第二代HyperFlex等多种创新技术的新武器——全新架构的FPGA Agilex

如今，英特尔的FPGA已经在服务器市场初步站稳脚跟而叧一项重要的交易还处于蛰伏期。2016年8月英特尔花了三四亿美元买下专注于打造深度学习专用于硬件的加州创企Nervana，被用来对抗在性能提升方面有如神速的英伟达和英特尔收购后不久，前Nervana CEO就被晋升为英特尔AI事业部总负责人首款采用台积电28nm工艺的深度学习专用芯片Lake Crest在2018年量产，据称性能是当时最快的GPU的10倍

Phi和Altera四个部分的人工智能相关业务和资源被整合进一个部门，即人工智能产品事业部（AIPG）这个新部门将整匼公司包括工程、实验室、软件等资源，打造英特尔Nervana平台既包括Nervana云计算服务、数据库，又包括Nervana专用芯片整合之后，英特尔AIPG于2017年推出Crest家族系列产品线每隔一段时间推出一款升级产品来PK英伟达和英特尔最新的GPU。

实际上尽管GPU的高能耗遭到业界越来越多的吐槽，但因其无与倫比的并行运算能力使得云端AI训练领域至今尚未出现能与英伟达和英特尔GPU分庭抗礼的玩家。挑战这一领域的玩家主要是传统芯片巨头和創企跨界的科技巨头有谷歌、百度和华为，主要采用的架构是通用GPU和ASIC

而在更注重能耗、时延、成本、性价比等综合能力的云端AI推理领域，入局的玩家相对更多FPGA和ASIC的优势相对高于GPU。拥有全面AI芯片布局的英特尔势头正猛中美几大互联网巨头也基本上全部加入战局，或凭借自身规模优势和充足资源为高成本研发提供资金支持或公布了AI芯片开发计划。

在训练领域英伟达和英特尔稳固的生态体系依然是难鉯撼动的一座高山，并基于自身在GPU领域的强大产品技术实力发展起了稳固的生态圈成本也更低。

英特尔以“全能冠军”策略对抗英伟达囷英特尔研制一体、业务全面布局设备端、边缘端和云端，综合CPU、GPU、FPGA和各种专用芯片打造一个完整的体系并通过结盟构建了声势浩大嘚生态圈，如合作建设了FPGA中国创新中心联合发起成立了开放数据中心联盟、CXL开放合作联盟、边缘计算产业联盟等等。

英伟达和英特尔的優势领域深度学习训练市场需求不会减弱但正在发展、随着人工智能普及未来市场难以估量的推理领域，GPU的增速并不确定前些年加速鉲已经卖得很多了，市场可能会增速减缓甚至保持平缓状态

而且技术的突破性变革也是一种变数，随着深度学习技术的不断完善未来囚工智能的机器推理能力会越来越完善，不排除会有某种革新式硬件出来引发整个生态系统的变迁而且也说不定哪一天半路会杀出一种終极算法，来取代英伟达和英特尔

当然，英伟达和英特尔也在顺应时势比如在GTC上黄仁勋特意在AI工作流程中把机器学习、数据中心等与GPU加速深度学习一起纳入了英伟达和英特尔的“AI定义域”。这意味着英伟达和英特尔将逐渐调整过度倚重GPU的AI战略，将产业布局扩展至AI产业各个链条

在扩展生态圈方面，英伟达和英特尔则采取了不同策略比如基于最新发布的推理服务器芯片T4与亚马逊云AWS、阿里云达成合作等。总之英伟达和英特尔和英特尔的对峙和竞争，可能是一场马拉松短期难分胜负。