在人工智能芯片战场追逐 GPU 背影的英特尔乃至波斯湾战争的美国陆军将

环顾历史名将如拿破仑、隆美尔，乃至波斯湾战争的美国陆军将领，一谈到「攻势」，几乎无不强调「追击」的重要，让敌军毫无站稳脚跟巩固和重组的机会而一泻千里。

文章图片
反过来说，当这简单道理套用到商业竞争，意义就不外乎「产品如果无法准时到位（TimeToMarket）」，特别是在人工智能这种一堆人还搞不清楚状况的新兴应用领域，或像半导体这种成本和售价会随技术演进快速滑落的产业，很可能一下子就被竞争对手一举冲垮，让产品开发工作左右为难，无法建立一条稳固的市占率防线，接着陷入恶性循环，难以翻身。
2016年3月5日：nVidia发表「总算摆脱了4年的台积电28纳米制程」、推进到台积电16纳米和三星14纳米Pascal ，支持FP16半精确度浮点、8位元整数与相对应的内积向量指令（VectorDotProduct），也具备NVLink连接8颗GPU的延展性，踏出nVidiaGPU进入人工智能应用的第一步。

文章图片
2016年5月GoogleI/O：Google发表第一代推论用的第一代TPU 。

文章图片
2016年夏天：英特尔并购「声称产品性能将比GPU高至少10倍」的Nervana ，就为了跟nVidiaGPU竞争。
2016年11月17日：英特尔公开Nervana代号LakeCrest的初步成果，但制程仍停留在台积电28纳米，且过没多久就因nVidia推出Volta而失去意义。

文章图片
2017年3月29日：nVidia发表采用TegraX2的「嵌入式人工智能运算装置」JetsonTX2 ，严格说来也算是nVidiaGPU应用的延伸，但早从2014年4月底就出现的Jetson产品线，怎么看都有一股「几年来替进攻手机平板都以失败收场的Tegra系统单芯片找出路」的味道。

文章图片
2017年5月GoogleI/O：Google继续「按表操课」发表支持浮点运算（Bfloat16浮点格式）、可同时用于训练和推论的第二代TPU 。

文章图片
2017年6月21日：nVidia公开台积电12纳米制程「原本产品时程表并没有」的Volta ，内建640个TensorCore（张量核心），可执行4×416位元浮点乘积和，应用于特征识别的卷积运算（ConvolutionalNeuralNetwork ， CNN），这让Volta成为nVidia史上首款针对人工智能量身订做、兼顾「学习／训练」与「推论／预测」的GPU微架构。

文章图片
Volta的训练效率高达Pascal的12倍，推论性能也达6倍，这让Nervana的「LakeCrest至少有GPU十倍」变得毫无意义， nVidia也借由NVswitch打造出16颗GPU、数量为DGX-1两倍的DGX-2 ，英特尔只能重新设计产品，也一再延误开发时程，直到承诺2019年底推出新芯片，届时距离并购案已超过3年。

文章图片
2017年8月14日：AMD发表「早就简报讲很久」的Vega（GlobalFoundry14纳米制程），支持FP16/INT16/INT8包裹式（Packed）计算，并锁定FP16与INT8精度，新增约40个新指令，也为影像匹配此类应用，提供SAD（SumofAbsoluteDifferences ，绝对误差和算法）指令。 AMD当然也会宣称「拥有完整的SoftwareStack」，至于成效如何，就请各位自由心证，笔者不予评论。

文章图片
2017年11月8日：来自AMD的RajaKoduri空降英特尔并担任资深副总裁，宣示打算「砍掉重练」整个绘图技术，抛弃对x86指令集相容性的执念，从头到尾打造货真价实GPGPU ， 2019年3月公布GPU架构的称呼「Xe」和一个让人摸不着头绪、看起来很像「在所有硬体平台包含FPGA都能跑的OpenCL」的「软件堆叠」OneAPI ，就是最后的解答。

文章图片
2018年5月GoogleI/O：Google再接再厉，发表整体性能和规格是前代两倍的第三代TPU ，不过依然还是Google自研自用就是了。

文章图片
2018年7月23日：从Larrabee开始挣扎超过十年，英特尔总算完全放弃「超级多核心x86处理器绝对无所不能」的南柯大梦，宣布放弃XeonPhi产品线。有趣的是，停产通知提到「市场对产品的需求已转移到其他英特尔产品」，但这些产品并不存在于英特尔产品线，没有任何产品提供类似XeonPhi的性能和功能，这些需求「转移」到nVidia的机率可能还高一点。
【在人工智能芯片战场追逐 GPU 背影的英特尔】笔者2017年底就预期XeonPhi的处境非常危险，「x86义和团」的最后碉堡即将失守，不幸一语成谶，早知就去买彩票了。

文章图片
2018年7月26日：Google发表适用物联网、「可以在消耗极少资源和能源的情况下提供绝佳效能，因此能够在边缘部署高精确度AI」的边缘推论用TPU ，这也让GoogleTPU踏出自家资料中心，与一群盘据半导体市场已久的豺狼虎豹捉对厮杀。

文章图片
2018年8月：nVidia发表采用Xavier系统单芯片的JetsonXavier ，同时应用于边缘AI运算及自动驾驶系统。

文章图片
2018年9月20日：采用台积电12纳米制程的Turing ，融合两者之长，结束了短暂的「消费型」（Pascal）和「专业型」（Volta）分立局面， TensorCore增加了新INT8和INT4精度模式， FP16半精度能完整支持经常用到的矩阵融合乘加（FMA）运算。

文章图片
此外， TensorCore也不再只是「限定专业应用」，可用来执行消除混叠的深度学习程式（深度学习超级采样， DLSS），利用先前向执行NeuralGraphicsFramework的超级电脑，喂食游戏画面进行训练神经网络的学习成果，渲染出接近64倍取样的画面滤镜，再套用回玩家的游戏画面，柔化画面锯齿边缘。

文章图片
2019年1月7日：AMD发表采用台积电7纳米制程的Vega ，芯片大幅缩小，性能大幅提升，然后我们现在也知道为何AMD初代7纳米制程APU的绘图核心还是Vega ，不是更新一代的Navi了。

文章图片
2019年3月19日：nVidia再次发表「边缘AI超级电脑」JetsonNano ，也开始有开发者比较与GoogleEdgeTPU的优劣胜负。

文章图片
2019年5月21日：nVidia利用Anandtech的报道，倒打英特尔一耙，在官方博客狂吃英特尔某篇官方文章《IntelCPU在推论胜过nVidiaGPU》的豆腐。预计2020年第二季推出的英特尔下一代Xeon平台Whitley ，首款CPUCooperLake（还是继续挤14纳米制程牙膏）会支持Bfloat16浮点格式，届时各位可以期待nVidia会不会再如法炮制一番。

文章图片
2019年7月7日：AMD「扩大制程领先优势」发表台积电7纳米制程的Navi ，重点集中在结束漫长GCN时代的全新RDNA（RadeonDNA）SIMT执行单元结构，在人工智能相关并无着墨，但业界盛传第二代RDNA将支持GoogleTensorFlow的Bfloat16浮点格式，也有人在担心搞不好这又会让AMD显示卡再被一大票数位货币矿工抢得一干二净，再度上演有钱也买不到显卡之戏码。
2019年8月：nVidia「持之以恒」继续在HotChips谈论自家多芯片可扩展式推论芯片研究案，意思就是nVidia故意宣示除商品外，还有额外的前瞻性技术研发工作就对了。
2019年夏天，英特尔看似开心的跟百度宣布合作，并购Nervana满3年的人工智能芯片，看似前程似锦，连潜在客户都谈好了。

文章图片
2019年11月8日：NVIDIA宣布推出「全球尺寸最小的边缘AI超级电脑」JetsonXavierNX ，不知不觉中，在这几年内， nVidia的Jetson家族已枝繁叶茂。

文章图片
2019年11月13日：英特尔总算「使命必达」准时在2019年底推出NervanaNNP产品线，包含深度学习导向的NNP-T1000（SpringCrest ，性能号称是LakeCrest的3~4倍）与推论专用的NNP-I1000（SpringHill），宣称样品已经送到客户（百度、Facebook）手上，不只现场实际较量NNP-I1000和nVidiaT4 ，可用不到2倍数量达成3.68倍的性能，也同时宣布2020年推出「20倍边缘推论性能」、源自2016年某金额不明并购案的Movidius体系产品。

文章图片
但短短一个月后， 2019年12月16日，英特尔宣布以20亿美元收购以色列AI芯片新创公司HabanaLabs ，瞬间风云变色， 2020年2月就传出英特尔将「部分放弃Nervana」、停止NNP-T1000开发的消息，但有鉴于NNP-I1000本质上根本就是「纯正英特尔血统」的产物，这也意味着Nervana并购案完全失败了。
「刚刚好」整件事件的所有参与演员：现场的英特尔、HabanaLabs、坐在板凳一旁看戏的AMD与nVidia ，都是2019年IEEEHotchips31的台上贵宾（大概因家大业大格局大，活动的餐点饮料包含酒类据说都由英特尔赞助买单），我们就来看看，英特尔耗费三年多做出来的成果，以及瞧瞧NNP-T1000为何被闪电腰斩的可能原因。
毕竟现在这票所谓人工智能深度学习等的新兴应用，无论从硬件架构到资料处理格式到框架到应用程序函式库等等，很多部分都是高度定制化，少有业界共通的公开比较基准，单纯比较数字「赛猪公」的意义并不大，笔者也不会在这里仔细介绍英特尔两颗芯片的技术细节。
但通过规格比较，可清楚看到两件事实：
SpringCrest和SpringHill根本是两个完全不同的技术体系，前者完全继承Nervana ，后者则是根正苗红的「英特尔本家」，大量引用现有IceLake技术。
Nervana的预设对手就是nVidia的旗舰级GPU ，连晶圆代工业者都是台积电。
NervanaNNP-T1000惨遭杀害，究竟有哪些可能的凶手？
成本太高：都这个时候了，还在台积电16纳米制程？HabanaLabs目前两颗芯片也都是台积电16纳米！这理由不合逻辑。
政治因素：英特尔不愿意看到重要的产品交给台积电生产？可是这件事不是很久以前该知道了吗？HabanaLabs也是台积电生产啊，所以这也不合理。
客户不满：难道先期导入的客户并不满意产品的实际表现？
需要客户：HabanaLabs已抢到「超大规模的客户」，甚至「抢走英特尔手上煮熟的鸭子」，所以才有20亿美元的并购价值？
软件不行：手上可掌握的软件资源和「生态系统」技不如人？
规格不利：HanabaLabs的推论芯片Gaudi可支持原生的以太网络界面走RDMA ，这难道对大型云端客户来说，算是杀手级的规格优势？
总之，只有英特尔和时间才会告诉我们谁是真正的凶手，也很有可能真相永远不会大白。
到头来，从Nervana到HanabaLabs ，不论训练还是推论，头号假想敌依旧是nVidia的GPU ，依然还是Volta和Turing ，连比较图的颜色都刻意挑「nVidia绿」。
但说到英特尔并购公司这件事，半导体制程优势开始崩溃，刚好就是宣布要「从PC公司转型为驱动云端计算和数以亿计智能互联计算装置」，也差不多是「最后的英特尔x86微架构」Skylake上市时，接着一直花大钱「生气乱买公司」才开始的。
2015：Altera167亿美元。
2016：Nervana3.5亿美元。
2016：Movidius金额不明。
2017：Mobileye153亿美元。
2019：HabanaLabs20亿美元。
这样一路看下来，似乎瞬间明白了什么。
编辑：AI智慧

在人工智能芯片战场追逐 GPU 背影的英特尔

推荐阅读

烈火如歌小说结局是什么？烈火如歌结局！

科技数码无极限|Pro将采用无碳铝外壳，苹果下一代16英寸MacBook

ZAKER娱乐|Bwipo父亲希望焕烽夺冠，SN化身死神来敲DWG的门

君王皇帝|贾谊与晁错：文景之治下的两大悲情人物！

新闻联播主播连续两天上新新主播郑丽亮相?

手工金属雕刻需要用到哪些工具，在哪里能够买到

特朗普|白宫浣熊一拥而上胖揍记者，网友笑了：这就是特朗普反媒体突击队

科技数据君RedmiBook 笔记本确认为 4500u 4700u

「急诊科小胡大夫」看起来简单的腰痛，结果却令人担心

[智通财经]净筹2.385亿港元，慧聪集团(02280)拟折让9.09%配售2亿股

北京日报|北京昨日零新增！私家车出行要注意这几点

【花与法兰西】又把中国排斥在一边，英法急了太自以为是，美国发起G7紧急会议

陕西西安具备开园条件的幼儿园6月8日起可陆续开学

|15张引人入胜的迷人照片，人体到底有多神奇？都是知识点

[蛇胆]宝宝可以吃蛇胆吗

央视新闻客户端|小朋友们如何“拥抱”新学期？，全球迎来特殊开学季

东方网|贫困发生率从2.7%降到0.1%！濉溪的脱贫之路：给资助、给政策、给信心

加米谷大数据零基础该如何学习大数据？

|本以为爱情来了，结果这跌宕起伏的剧情，冰火四重天……

更大的底气来自于寒武纪的科研实力