日前，圖形芯片廠商英偉達發(fā)布了季度營收創(chuàng)6年最大增幅的財報，并拉動其股價盤后飆升14%而引發(fā)業(yè)內(nèi)的關注，加之此前，其CEO黃仁勛宣稱英偉達已經(jīng)是一家AI（人工智能）芯片公司（頗有趕AI風口的意味），業(yè)內(nèi)紛紛看好其在芯片，尤其是AI芯片的市場表現(xiàn)。事實真的如此嗎？

我們先看看這個季度英偉達的財報表現(xiàn)

總營收20億美元，同比增長53.6%。其中圖形芯片部門的營收在其總營收中占比85%，同比增長52.9%，為17億美元；數(shù)據(jù)中心業(yè)務同比增長兩倍，為2.4億美元；汽車業(yè)務同比增長60.8%，為1.27億美元。

從營收的構成上，不難看出，支撐英偉達的核心業(yè)務依舊是傳統(tǒng)PC市場的圖形芯片（獨立顯卡），而涉及到AI相關領域或者是與AI密切相關（例如數(shù)據(jù)中心）業(yè)務的營收僅占到其總營收的12%左右。所以僅從營收看，英偉達遠稱不上是一家AI芯片公司。

而眾所周知的事實是，目前AI是產(chǎn)業(yè)競相追逐的熱點，曾經(jīng)，包括現(xiàn)在依然是傳統(tǒng)PC產(chǎn)業(yè)獨立顯卡（顯示芯片）的英偉達搖身一變成為AI公司自然會吸引不少的眼球。

缺乏CPU的英偉達

當然，我們在此并非否認AI芯片（支持AI應用和功能）將是未來芯片產(chǎn)業(yè)的發(fā)展趨勢。尤其是谷歌人工智能軟件AlphaGo利用深度學習技術擊敗全球頂尖圍棋選手李世石，預示著人工智能將是科技行業(yè)和大佬們競爭的下一個熱點，而大數(shù)據(jù)和物聯(lián)網(wǎng)的發(fā)展促使IBM、谷歌、Facebook、微軟等在內(nèi)的科技巨頭和許多大型的提供云服務的云計算公司競相開發(fā)人工智能技術，以期利用未來物聯(lián)網(wǎng)設備收集的海量數(shù)據(jù)（分析）為市場和用戶提供更好的服務。

需要說明的是，盡管各家廠商叫法不同，例如IBM稱之為認知計算，F(xiàn)acebook和谷歌稱之為機器學習或人工智能，但作為支撐這些技術和應用的數(shù)據(jù)中心基礎硬件之一的芯片依然扮演著重要的角色。

基于此種趨勢，據(jù)相關統(tǒng)計，目前運行在包括IBM、谷歌、Facebook、亞馬遜、微軟等大佬們和云計算公司的數(shù)據(jù)中心（服務器）至少有10%左右的工作負載與AI應用有關（或自己開發(fā)相關的AI應用或支持和運行客戶的AI開發(fā)及應用等），且隨著市場和用戶對于AI的需求，這種趨勢未來還會擴大。這種趨勢對于數(shù)據(jù)中心的基礎芯片計算能力和功耗提出了新的挑戰(zhàn)，而英偉達此前一直專攻的。

GPU（圖形芯片）具備有天然的優(yōu)勢。例如AI所需的大規(guī)模并行運算能力；同等面積下，GPU上擁有更多的運算單元（整數(shù)、浮點的乘加單元，特殊運算單元等）；GPU擁有更大帶寬的Memory，因此在大吞吐量的應用中也會有很好的性能；GPU對能源的需求遠遠低于CPU等。

盡管如此，這并不代表上述大佬們的數(shù)據(jù)中心（服務器）對CPU沒有需求，相反，CPU依然是計算任務不可或缺的一部分，在深度學習算法處理任務中還需要高性能的CPU來執(zhí)行指令并且和GPU進行數(shù)據(jù)傳輸，同時發(fā)揮CPU的通用性和GPU的復雜任務處理能力，才能達到最好的效果，這也是為何目前大多數(shù)企業(yè)采用的依然是“CPUGPU”的組合，或者稱為異構計算，而在這種異構模式下，應用程序的串行部分在CPU上運行，而GPU作為協(xié)處理器，主要負責需要大量計算的部分。

從這個角度看，缺乏CPU應該是英偉達在現(xiàn)在和未來自詡為AI公司始終存在的短板。

既然提到CPU，自然就會聯(lián)想到此領域的老大英特爾

它既是英偉達成為AI芯片公司在CPU上無法跨域的障礙，即便是在其擅長的能夠滿足上述大佬AI需求的GPU上也是最大的挑戰(zhàn)者。

這種挑戰(zhàn)首先體現(xiàn)在英特爾對于CPU計算能力的創(chuàng)新挖潛上。例如其日前發(fā)布的用于數(shù)據(jù)中心服務器的XeonPhi芯片。據(jù)英特爾的相關報告顯示，XeonPhi處理器的訓練速度比英偉達的GPU快了2.3倍、XeonPhi芯片在多個節(jié)點的擴展路為38%，且最多可達128個節(jié)點，這是目前市面上的GPU無法辦到的。

同時，由128XeonPhi處理器組成的系統(tǒng)要比單個XeonPhi處理器快50倍，意旨XeonPhi處理器的擴展性優(yōu)勢明顯，而這對于滿足AI的應用至關重要。

不過，針對英特爾的說法，英偉達提出了強烈的反駁，并指出英特爾使用的是18個月前的數(shù)據(jù)，比較的是四個MaxwellGPU和四個XeonPhi處理器。如果使用更新的CaffeAlexNet數(shù)據(jù)，就會發(fā)現(xiàn)四個MaxwellGPU比四個XeonPhi處理器的速度快30%。

我們這里姑且不論誰的說法更接近客觀，但從雙方對于報告的口水戰(zhàn)看，至少說明天然不占優(yōu)勢的CPU還是大有潛力可挖，至少從CPU本身，英特爾就可以縮小與英偉達的差距，或者說給英偉達帶來壓力。

另外，從單純滿足AI應用本身的計算能力和實現(xiàn)方法上看，GPU是否是最好或者說是惟一在業(yè)內(nèi)依然存在爭議。有研究人員測試，相比GPU，F(xiàn)PGA的架構更靈活，單位能耗下性能更強。深度學習算法在FPGA上能夠更快、更有效地運行，而且功耗也能做到更低。這似乎很好地解釋了為何英特爾此前以167億美元收購FPGA制造商Altera的原因。

而提及并購，還有一樁被業(yè)內(nèi)認為英特爾可以借此提升自身在AI芯片競爭力，甚至有可能超越英偉達的就是對于專攻AI芯片的NervanaSystems公司的并購，據(jù)稱，NervanaSystems研究的深度學習芯片具有性價比高于GPU，處理速度是GPU的10倍等特點。

為了說明NervanaSystems公司的實力或者說對于英偉達的威脅，我們不妨介紹一段NervanaSystems被并購的插曲。據(jù)稱，英特爾在接觸Nervana談論出售事宜時，Nervana認為英偉達是合理的選擇之一，因為Nervana的深度學習軟件Neon也可以運行在英偉達芯片上，可以幫助英偉達補齊短板。然而，英偉達對Nervana并不感冒，認為自己基于GPU的深度學習技術要好于Nervana，但當Nervana與英特爾達成交易之后，英偉達似乎改變了想法，并試圖重啟收購談判，無奈的是機會已經(jīng)錯過。

對此，有分析認為，讓英特爾得到Nervana是英偉達最大的失誤，因為通過這次收購，英特爾將得到一個用于深度學習的具體產(chǎn)品和IP，它們可被單獨使用外，也能與英特爾未來的技術融合，生產(chǎn)出更具競爭力、創(chuàng)造性的芯片產(chǎn)品。

而提到整合，則是英特爾最為擅長的，例如針對并購來的NervanaSystems，其可以把相關產(chǎn)品整合到芯片或者多芯片封裝中。例如把NervanaEngineIP加到一個至強CPU中，可以提供一個低成本的方法來實現(xiàn)AI所需要的性能的加速，將NervanaIP產(chǎn)品化，進而提升自己CPU的計算能力，滿足AI開發(fā)和應用對于數(shù)據(jù)中心芯片的更高需求。

綜上所述，我們認為，鑒于AI芯片的應用尚在起步階段（目前僅占數(shù)據(jù)中心1/10左右的負載）及對手英特爾在此領域中有的放矢的并購和自身在CPU的挖潛和整合能力，英偉達以AI之名換來的股價暴漲背后并非高枕無憂和一片坦途。