悲情Intel:CPU的时代结束了!

service 硬件资讯 386 次浏览 没有评论

“有几次我们差点就倒闭了。”公司创始人通常都不会谈论自己公司频临破产的经历,不过NVIDIA的老板黄仁勋没什么理由要避忌。

他的公司近来捷报频传。过去一个季度,这家开发微处理器和相关软件的公司收益增长55%,达22亿美元,股价在过去12个月几乎翻了两番。

NVIDIA的成功有很大一部分原因是人们对其生产的芯片需求增长很快。这种名为图形处理器(GPU)的芯片能让个人电脑成为快速游戏设备,不过GPU还有了新的用武之地,特别是为数据中心提供人工智能程序耗费的大量计算能力。

GPU芯片飞涨的销量是迄今为止信息技术长期转型最显著的标志。摩尔定律放慢了脚步(不久之前这个定律还保证计算能力大约每两年会翻一番),加之云计算和AI的快速崛起,计算的体系正趋于碎片化。这对半导体行业及业内主导企业Intel有着深远的影响。

摩 尔定律以Intel创始人之一戈登·摩尔(Gordon Moore)的名字命名。在该定律完全应验之时, 情况很简单。无论是在个人电脑(PC)还是服务器(数据中心里性能更强劲的计算机)中,名为“中央处理单元”(CPU)的一类微处理器都可处理大多数“工 作负载”(各类计算任务的总称)。

Intel制造的CPU性能最为强大,因此这家公司不仅在PC处理器市场一家独大(占据约8o%的市场份额),还几乎完全垄断了服务器的处理器市场。2016年,Intel的收入接近6oo亿美元。

如今这个单极世界已开始崩溃。处理器性能提升的速度并不足以满足例如机器学习以及其他AI应用程序的需求。这些应用都需要大量的数据,消耗的数字运算能力比几年前所有数据中心加起来还要多。

Intel的客户,如Google、微软和其他大数据中心运营商,正在选择来自其他公司越来越专门化的处理器,而且还开始设计自己的处理器。

NVIDIA 的GPU就是一个例子。这些GPU最初是设计用来运行交互式视频游戏所需的大量复杂计算。GPU有数百个专用“核心”(处理器的“大脑”)并行工作,而 CPU只有几个强大的核心来按顺序处理计算任务。NVIDIA最新的处理器拥有3584个核心,而Intel的服务器CPU最多只有28个。

NVIDIA上次濒临倒闭是在2008至2009年全球金融危机期间,不过它也是在那时时来运转。它发现自家芯片在对冲基金和研究机构那里有了新用途,例如用来计算复杂的投资和气候模型。

NVIDIA开发了一种被称为CUDA的编程语言,帮助其客户就不同任务为处理器编程。当云计算、大数据和AI在几年前势头渐劲时,能够满足这些需求的正是NVIDIA芯片。

每个互联网巨头都在使用NVIDIA的GPU,以令它们的AI服务能够从医学到图像和人类语音等各类材料中吸收大量数据。上一个财年,NVIDIA面向数据中心运营商的芯片销售额增长了两倍,达到2.96亿美元。

不过,GPU只是这些被称为加速器的专用处理器中的一种。为了提高运营效率并在竞争中保持领先,云计算公司会混用和搭配芯片,因此专用处理器的范围也在扩大。

负责Google技术基础设施的乌尔斯·霍尔泽(Urs Holzle)这样描述在灵活性、速度和成本因素之间取得平衡:要为合适的工作找到合适的工具。

专用处理器的一种极端形式是专用集成电路(ASIC)。顾名思义,这种电路为单一目的而搭建。相较于其他芯片,它们速度最快,能效也最高。

数十个创业公司都正在开发这种已内置AI算法的芯片。Google已打造了一个叫作”张量处理单元”(TPU)的ASIC,用于语音识别。

另 一个方向的极端是现场可编程门阵列(FPGA)。这种芯片可以编程,灵活性也就更大,因此尽管这种芯片不易驾驭,微软还是把它加入到许多服务器中,比如微 软的在线搜索必应(Bing)的服务器里就有它们。微软的云计算平台Azure的首席技术官马克·拉希诺维奇(Mark Russinovich) 说:“我们现在有世界上最多的 FPGA。”

该提心吊胆了

近年来,Intel没有制造ASICS或 FPGA,而是致力于制造更为强劲的CPU。没有人认为传统处理器很快就要失去用武之地:每个服务器都需要这些处理器,无数的应用程序也都在其上运行。Intel的芯片销量仍在增长。

不过IT咨询公司高德纳(Gartner)的艾伦·普里斯特利(Alan Priestley) 说,加速器正在加速的增长对Intel来说似乎是个坏消息。加速器上进行的计算越多,留给CPU的就越少。

一 种对策就是通过收购来赶上加速器的发展。2015年,Intel以167亿美元的天价收购了FPGA制造商Altera;去年8月,它又以4亿多美元买下 Nervana——这家创业公司刚成立三年,正在开发从软件到芯片的专用AI系统。Intel称视专用处理器为机遇而非威胁。

主管 Intel数据中心业务的黛安·布莱恩特(Diane Bryant) 解释说,新的计算工作负载往往 先在专用处理器上进行,到头来还是会被“拉入CPU”。例如,加密计算以前在单独的半导体上进行,但现在只是IntelCPU上的简单指令,全球几乎所有 计算机和服务器上都在运行。在加速器上运行AI等新型工作负载意味着成本增加、复杂性更高。

这样的整合一旦发生,Intel已经进行了投资 以占领先机。今年夏天,Intel将开始销售代号为Knights Mill的新处理器,与NVIDIA一争高下。Intel还在利用Nervana的技术开发另一款代号 Knights Crest的芯片。到某个时候,Intel还会将其CPU与Altera 的FPGA整合在一起。

可以预见,竞争对手对未来有着不同的看 法。NVIDIA认为它已搭建了自己的计算平台。许多公司已经编写了AI应用程序在NVIDIA的芯片上运行,并且NVIDIA还为其他类型的程序创建了 软件基础设施,用于实现可视化和虚拟现实等功能。几十岁高龄的计算巨头IBM也在试着抢Intel的生意。

IBM学习开源软件的做法,在2013年“开源”了其Power处理器的架构,把它变成了半导体业的一种共有资源。专用芯片制造商可以更轻松地将它们的产品与 Power CPU整合,并且对平台如何发展有了发言权。

未来很大程度上将取决于AI的发展,市场研究公司IDC的马修·伊斯特伍德(Matthew Eastwood)认为,如果AI最终没有带来许多人所期待的革命,而只是在几年内带来了变革,Intel还是有机会的。

但是,如果AI在未来十年或更长时间内继续影响芯片行业,其他种类的处理器将有更多的机会攻占市场。鉴于AI技术应用之广泛,第二种情况的可能性似乎可大。

当然,运算任务无论多大多复杂一概由又大又笨的CPU处理的时代已经结束了。CPU的坠落就像童谣中的蛋头先生摔下墙头变成碎片那样,Intel的兵马再怎么努力也无法将它复原了。

驱动之家



义乌奥美电脑 技术咨询

发表评论

Go