英特尔AI豪赌出业绩:年入账245亿涨250%,新一代边缘AI吊打华为

48 0
2019-11-14 17:31:20
显示全部楼层
14174152.png
今天(11月13日)在年度AI峰会上,老牌芯片霸主英特尔,交上最新AI答卷:
首款AI芯片量产商用、性能吊打英伟达T4,营收贡献预计35亿美元——年对年同比增长250%,另外还推出了下一代边缘芯片VPU。

种种成绩,让英特尔AI掌舵者Naveen Rao也备显扬眉吐气,在历经4年励精图治、壕购4家初创公司、花费超过5亿美元后,豪赌押注终于有了明确回报。
而且不仅是对英特尔整体战略转型的验证,也在AI竞争中扳回一局,给了核心竞争对手英伟达有力反击。
AI芯片江湖,风雨再起。
首款AI芯片商用部署
今年8月,英特尔就对外宣布了NNP——这也是芯片巨头旗下名副其实的首款AI芯片。
现在,用于训练的NNP-T1000和主打推理的NNP-I1000正式商用,百度和Facebook成首批交付客户,会率先在数据中心和云端展开部署。
值得一提的还有性能跑分。
之前最先官宣时,还没有明确性能参照,但今日现场,推理方面直接吊打友商。

对标英伟达新一代T4,英特尔NNP-I1000展现出3.7倍的性能优势,但没有比较之前宣称15倍于T4的平头哥含光800……
而且更多参数方面,英特尔现场没有再专门“更新”,应该依然维持官宣时数据。
我们简单回顾:
NNP-T,16nm FF+制程工艺,有270万个16nm晶体管,硅片面积680平方毫米,60mmx60mm 2.5D封装,包含24个张量处理器组成的网格。
核心频率最高可达1.1GHz,60MB片上存储器,4个8GB的HBM2-2000内存,它使用x16 PCIe 4接口,TDP为150~250W。

算力方面,最高可以达到每秒119万亿次操作(119TOPS)。
还支持3大主流机器学习框架:TensorFlow\PyTorch\PaddlePaddle,包括C++ 深度学习软件库、编译器nGraph。
NNP-I,10nm工艺,基于Ice Lake处理器,在数据中心推理工作负载中,它的效率达4.8TOPs/W,功率范围可以在10W到50W之间。
在ResNet50上,NNP-I在10W的功率水平上每秒可以完成3600次推理,每瓦每秒可以处理360张图片。

针对主要数据中心推理工作负载,NNP-I能做到在很宽的功率范围内具有可扩展的性能、不影响能效比的高度可编程性,从而在单位功率上实现最佳性能。
NNP-I也覆盖主流深度学习软件:ONNX,nGraph,OpenVINO,C++。
所以整体而言,虽然AI专用芯片“姗姗来迟”,但软硬件一体上,姜还是老的辣。
而且不止云端AI芯片,这次还有用于边缘的下一代VPU,主打边缘端视觉推理。

与上一代VPU相比,推理性能有10倍提升。
能效方面,对比英伟达TX2有6.2倍优势,比英伟达Xavier和华为昇腾310,也优势明显。

不过上市要等到2020年上半年,具体成本和价格,也要等到那时才能揭晓。
年营收预计245亿,250%增长
AI芯片交付和商用之外,另一项重要业绩自然是营收。
峰会现场,英特尔AI负责人Naveen Rao再次披露营收成绩单。

按照预计,2019年英特尔AI创造的营收有望达到35亿美元——折合人民币245亿元,相比去年的10亿美元,同比增长了250%。
这种增长对英特尔总营收自然也是利好,虽然短期内还无法成为数据中心、PC一样的主营收入项。
比如2018年,英特尔总收入和708亿美元,折合人民币4800亿元,其中数据中心贡献的收入占比48%。

但AI芯片起势,营收价值不光直接交付商用本身,对于PC、数据中心等业务,也是补强。
特别在AI落地中,需要的解决方案并不单一。
AI芯片、边缘物联网芯片,以及英特尔核心法宝CPU结合,可以发挥协同效应。

之前深度学习方兴未艾,更多大厂主要用GPU进行训练和推理部署,比如百度。
但这次英特尔AI峰会现场,百度已表示旗下AI训练中心,已基于英特尔方案打造。

这也印证了NNP刚宣布时的格局判断:企业在谷歌、英伟达的硬件之外又有了新的选项。
豪赌押注有了成果
而且对于英特尔本身来说,这也是一个历史性的时刻。
豪赌押注多年,AI方面终于产品交货,营收大涨。
毕竟芯片半导体巨头,在经历PC时代无可撼动的辉煌、遗憾错失移动互联网先机之后,着实想在AI为核心的新技术周期里,打一场漂亮反击战。
为了今日,英特尔排兵布阵积蓄多年。

此前为了在与英伟达、高通和AMD等公司的竞争中立于不败之地,英特尔这家半导体领域的巨头不仅每年投入上百亿美元的研发资金,还辗转收购多家AI领域明星芯片公司。
2015年,买入FPGA制造商Altera,之后推出了基于FPGA的专用深度学习加速卡。
2016年,壕购深度学习芯片公司Nervana Systems,并且吸纳核心团队,以外部收购融合内部业务。

同年还收购了主打低功耗AI视觉处理芯片公司Movidius。
2018年,又将开发AI模型套件的创业公司Vertex.ai收入囊中。
而且值得注意的是,英特尔在买买买同时,研发体系也在建立和强化。
收购Nervana Systems是一桩典型的核心人才收购。
原Nervana Systems创始人Naveen Rao,出任AI业务大总管,担任英特尔副总裁、AI负责人,直接向英特尔CEO汇报。
也是在Naveen Rao带队下,英特尔的AI专用芯片开始谋篇布局、落到实处,Nervana神经网络处理器(NNP)明确打响第一枪,证明在AI方向上投入的成效。
战略转型中的英特尔
但AI并非英特尔战略全部。
英特尔搞AI,一方面是时势使然,但更重要的是其数据转型战略。
在这家老牌半导体巨头来看,我们正在进入一个万物皆数、一切都是数据流的时代。
AI、IoT、5G,都是数据流时代里的技术表现或使用方式之一。

他们更关心数据从何而来、怎样处理,最后能多大程度发挥效用。
所以AI为大数据而生,数据中心\云计算为数据而长,智能化也是数据充分训练、推理和模拟部署的结果。
对于英特尔来说,希望借此穿越新技术周期,复刻PC时代的成功路线。
只是今时不同往日,英特尔面临的竞争不仅有老冤家,还有诸多新对手。
英伟达、AMD、Arm和高通之外,还有华为海思、阿里平头哥以及一众AI造芯公司……市场激烈如春秋战国。
但英特尔依然是不可小觑的芯片一哥,CPU上的垄断地位未受动摇,云、边缘和AI芯片方面也在补强。
而且老牌公司越发力,市场竞争越激烈,对于广大中小企业和开发者无疑也会带来性价比利好。
从这个方面来说,英特尔加加油,也挺好。
你说呢?