2010年代的最后三年，英特爾浩浩蕩蕩開始了轉型革命，這是英特爾第四次向自己“動刀”。回顧英特爾歷史上曾發生過的三次轉型：

上世紀八十年代中期，安迪·格魯夫和戈登·摩爾主張放棄存儲業務，聚焦微處理器，由此英特爾才成為一家芯片公司；

20世紀90年代，克雷格？貝瑞特將單一微處理器產線打散，抓住互聯網機遇，完成了到 “互聯網經濟的構件供應商”的戰略轉型；

2010年代，移動時代讓巨人英特爾步履蹣跚，盡管英特爾做了諸多努力，成效卻并不十分明顯，今年4月英特爾宣布退出5G智能手機調制解調器芯片，也是對自己上個時代轉型未果的作別。

兩次成功，一次行至中盤，錯失移動互聯網時代也讓英特爾快速開啟下一次轉型，倘若英特爾在移動互聯網時代再度成功，想必是不會如此之快開啟自己的下次進化，失之東隅收之桑榆，誰又能說得清呢？

英特爾中國研究院院長宋繼強

對外豪擲千金的收購、對內不斷演進的技術路線，英特爾用三年時間時間構建了自己“以數據為中心”的技術版圖。英特爾中國研究院院長宋繼強總結了英特爾這三年來為轉型做作的努力，并且給出了一些技術預判。

“數據”是主線

英特爾“以數據為中心”的戰略不是說說而已，英特爾正是沿著數據產生、采集、傳輸、處理、增值、存儲的流向，將其作為指導構建了自己的技術全景圖，同時不斷查漏補缺。

IDC 預測， 全球數據圈將從 2018 年的 33ZB 增至 2025 年的 175ZB。當下每天有超過 50 億消費者與數據發生互動，到 2025 年，這一數字將上升到 60 億，相當于全球人口的 75%。2025 年，每個聯網的人每隔 18 秒就會有至少 1 次數據交互。

由此產生的不僅是數據金礦，更是數據災難。數據增長讀懂計算、存儲和傳輸需求，而數據的的規模與復雜性，遠遠超出當前分析、理解這些數據的能力。

英特爾認為，未經處理的數據毫無價值，只有將數據轉化為業務價值，才能創造新的服務和體驗。數據的新需求在哪里，英特爾就在哪里。

宋繼強表示，數據無處不在，意味著多遠計算時代來臨，從云到端，不僅僅是PC，服務器或其他設備，人工智能、云數據中心、物聯網、下一代網絡、自動駕駛等新型數據密集型工作負載不斷涌現，正驅動計算架構快速演進并呈指數級擴展，未來十年，架構創新將成為計算創新的關鍵驅動力。

早在2017年，英特爾便確立了“以數據為中心”的轉型目標，但是為了這個轉型，英特爾的準備還可以追溯到更早期，如上圖所示，英特爾從2015年就開始了布局，涵蓋戰略、收購、產品創新、生態合作等方方面面，圖中所列甚至都不能完全概括英特爾究竟做了多少事，但可以確定的是，英特爾很努力不想錯失萬物互聯時代。

自2015年收購Altera起，英特爾先后收購了Nervana、Movidius、Mobileye、eASIC、NetSpeed Systems、Habana Labs，成為收購最頻繁的科技巨頭之一。結合戰略發布、生態合作，英特爾每年帶來驚人的產品創新能力，根據Q3財報，英特爾以數據為中心業務營收已與PC業務持平，僅剛剛過去的11月，英特爾就連續發布了Nervana神經網絡處理器NNP、Movidius Myriad視覺處理單元、基于Xe架構的通用GPU等產品，英特爾通過豐富的產品布局牢牢抓住“計算”的主動權。

截至今年10月，英特爾經過三年多的轉型，“以數據為中心”的業務營收與“以PC為中心”的業務營收持平。“以前我們大部分的營收是來自以PC為主，現在已經至少一半是來自“以數據為中心”的業務。這是非常大的變化，而且以后就會越來越高。”宋繼強肯定的表示。

計算是英特爾“以數據為中心”戰略版圖上的明珠，為了更好的面向新的計算時代，英特爾在2018年提出了“六大技術支柱”戰略，從制程和封裝、XPU架構、內存和存儲、互連、安全、軟件這六個方面確立了如何驅動未來的創新。

異構計算重要且有效，但是異構計算也帶來新的難題，掌握不同架構開發編程技術的人才少之又少，所以英特爾推出了oneAPI，其最重要的作用是統一和簡化跨架構編程，將CPU、GPU、AI、FPGA等關鍵技術打通連接，使它們可以按照需求進行靈活組合，從而為客戶提供跨架構、跨平臺的組合式解決方案。而異構整合EMIB和Foveros及今年7月推出的Co-EMIB技術則從封裝角度展現了英特爾基于六大支柱的創新能力。

對于六大技術支柱，宋繼強坦率表示，“50多年來，英特爾作為一家IT行業的領先公司，也不可能所有部分全部做到第一，但我們在這幾個驅動未來的關鍵領域都做到了第一梯隊，有些是第一，這就保證我們產品總體的軟件到硬件的配合、性價比、穩定性，或者說從端到端的整合計算、存儲和通訊，我們的領先度是絕對有保證的，而且是有持續可靠的產品供應體系。”

技術是未來

如果說互聯網時代，模式創新還能成就一家巨頭，那么萬物互聯時代，沒有硬核技術作為后盾，即使找到創新模式，也無法構建企業競爭壁壘。技術布局如英特爾，也認為面向未來，僅靠現在所擁有的產品是無法滿足需求的，智能計算和人腦相比還有顯著的差距。

英特爾在2017年推出了Loihi神經擬態芯片，內置128個核，擁有13萬個神經元和1.3億突觸，還包括了片上存儲結構。能提供高度復雜的神經網絡拓撲，支持多種學習模式的擴展和片上學習能力。Loihi系統部署學習機制后，它將邊工作邊學習邊自行改進，這已經在向人腦的運行模式去靠攏。

神經擬態芯片就是英特爾重點押注的未來技術之一，Loihi芯片架構設計整合了計算和存儲，不再是馮·諾依曼架構，128個同構的核，每個核里都放了一千個神經元的計算模型、計算部件和存儲，同時還通過每一個小的神經元，進行信息收發。英特爾用一套硬件架構和模擬類似于人腦的工作方式。

相比人腦的860億神經元，Loihi的13萬神經元還差的很遠，人腦的能耗也只有20瓦，目前神經擬態芯片的瓶頸在內存、I/O和能耗三個方面，神經擬態計算的發展前路漫漫。目前神經擬態的應用領域還相對比較集中，體現在智慧工廠、惡意軟件檢測、自適應假肢等方面。

日前大熱的量子計算也是英特爾持續投入的重點方向，不過相比沸沸揚揚的“量子霸權”英特爾更關注量子計算實用性。客觀地講，實驗室成果值得慶祝，但實際應用是大問題。

量子計算的目標是處理經典計算機搞不定的大規模計算問題，通常是組合爆炸問題，比如密碼破解，128位密鑰、256位密鑰，經典計算需要幾十上百年，甚至數千年都算不出來，但是量子計算可以迅速破解加密方式，這也體現出量子計算的特長。

“量子計算最擅長的是它可以直接模擬量子的形態，量子態的東西最適合模擬，通過很多種不同的組合可以實現化學發現，發現一種新物質，發現一種新材料、這些都可以用量子計算來解決。”宋繼強提到。

當然量子計算想要實現并不容易，量子計算中量子躍遷所需要量子位是脆弱的，躍遷結果難以被測試，也很容易受到條件因素改變而改變。同時，量子位是不容易疊加新的態，或者讓多個態之間進行糾纏的，如此一來量子位缺少數量優勢，難以實現量子計算爆發的效率優勢。制造更多的量子位，解決量子位的糾錯，解決量子位之間的連接和測試問題，這是龐大而又系統性的工程。

不管是創造更多的量子位還是監測量子躍遷狀態，都需要在可測試的條件下進行，所以英特爾目前所做的主要是在不影響量子位和躍遷狀態的情況下對量子位進行測試。以此路徑，英特爾帶來了首款49量子位超導量子測試芯片“Tangle Lake”，并打造了全球第一臺低溫晶圓探測儀，它也是目前量子計算首款測試工具。在剛剛過去的12月，英特爾推出首款低溫量子位控制芯片，令量子位達到量子計算所需要的疊加態、糾纏態，可實現-269攝氏度低溫環境下工作。

“以數據為中心”和“六大技術支柱”是英特爾遵循的戰略主線，仍在豐富的XPU產品組合，異構整合和oneAPI軟件平臺推動英特爾超異構計算愿景。圍繞數據的來去，英特爾提供一套完整的數據處理、存儲和傳輸的解決方案，同時面向未來，英特爾也正在在神經擬態計算、量子計算等前沿計算領域不斷探索，這就是英特爾對即將過去的2010年代交出的技術轉型答卷。

責任編輯：wv