去年，由于AI運算高性能產品需求在下半年大幅增加，英特爾時隔3年重返半導體廠商銷售額榜首。對于未來，AI是英特爾“必須贏下的市場”。

半導體行業大型并購頻發

英偉達宣布將以400億美元現金加股票的形式收購Arm。

AMD又宣布將以350億美元收購賽靈思。

Marvell宣布將通過股票加現金的方式，以總價約100億美元的價格收購模擬芯片制造商Inphi。

英特爾最新的收購看似不值得關注，但對其AI發展可能意義重大。

在過去的幾年中，英特爾將其精力集中在專用芯片領域，包括專門為人工智能（AI）等產品設計的芯片。

AI芯片沒有看起來那么擁擠

在PC時代稱霸的英特爾，如今想要在人工智能時代，撼動英偉達的領導地位。

AI相關營收激增，動作頻繁，加之最新推出的首款云端AI專用芯片，讓人不禁猜測：英特爾的追趕之路或將提速。

人工智能時代，GPU被視作訓練人工智能的主要方式，全球主流的硬件平臺都在使用GPU進行加速。

因此，GPU的領軍者英偉達在獲得新增長點的同時，也在這一領域站穩了腳跟。

在此之后，許多芯片廠商、AI初創企業，甚至云計算廠商這樣的芯片大客戶都開始自研AI芯片。

目前真正通用的AI芯片只有GPU。AI芯片的角逐場上，遠沒有看起來那么擁擠。

英特爾向AI轉型抵消下降趨勢

英偉達、AMD和Arm這樣的競爭對手正在縮小與英特爾的性能差距。

考慮到這一點，英特爾正在利用即將到來的技術和優化的下一代芯片來推動AI的發展。

在第三季度，英特爾報告的收入為183．3億美元，與去年同期相比下降了3%，英特爾最新一季財報下降的原因是其數據中心集團營收下降7%。

然而，市場預測到2024年AI芯片市場的價值將超過250億美元。隨著行業的不斷發展，以及AI在實際部署中逐步普及，英特爾將有更大的增長空間。

內憂外患之下，英特爾選擇了買買買和賣賣賣，試圖通過收購可以面向未來布局業務和出售當前非核心業務來實現新一輪的轉型。

就在上個月，英特爾將NAND閃存業務以90億美元的價格賣給了SK海力士。

而在這場交易中，英特爾計劃將本次交易獲得的資金用于開發業界領先的產品和加強其具有長期成長潛力的業務重點，包括AI、5G網絡與智能、自動駕駛相關邊緣設備。

英特爾的AI投資也使其創造除了CPU之外新收入來源的戰略組成部分。

英特爾的目標是在“全芯片”市場中占據30%的市場份額，而提出這個愿景的時候，競爭對手AMD正在向英特爾核心CPU業務施加的更大壓力。

在10納米處理器硬件出現延遲之后，英特爾宣布將推遲其7納米制造工藝。在斥資20億美元收購芯片制造商Habana Labs之后，該公司在2月終止了其Nervana AI模型訓練技術的開發。

值得關注的是，SigOpt服務了一些非常知名的大公司。這種支持使它得以開發出有趣的技術，這些技術現在將有助于推動英特爾 AI 芯片業務的發展。

考慮到這一點，英特爾正在利用即將到來的技術和優化的下一代芯片來推動 AI 的發展。

去年，英特爾的AI相關業務收入不到40億美元。收購SigOpt將幫助其在未來的AI市場大幅提高收入。

收購SigOpt聚焦AI芯片整合提升

SigOpt公司位于美國舊金山，開發的軟件平臺主要被私有公司和OpenAI等研究組織使用，用于提高AI模型的性能，而這主要是通過一種超參數優化的方法做到的。

SigOpt的AI軟件技術能夠在包括深度學習、機器學習和數據分析方面的軟硬件參數、使用場景和工作負載層面提升生產力和性能。

SigOpt的軟件技術與英特爾的硬件相結合，預計將推動AI的進一步采用。

英特爾計劃在其硬件產品中使用SigOpt的技術，為開發者加速、擴大人工智能軟件工具的規模。

超參數是開發人員定義的一種設置，可影響AI處理數據的方式，其中包括模型中人工神經元的數量以及這些神經元彼此交互的方式。

超參數優化是SigOpt的專長，這個過程中各種設置通過優化最大限度提升性能。

SigOpt的平臺讓開發人員可以指定他們希望改善的AI屬性，然后創建一個“優化循環”以對其進行自動微調，在復雜的項目中，可以一次微調多個屬性。

該平臺可以與很多不同種類的AI配合使用，包括機器學習模型和更復雜的深度學習模型。

英特爾計劃在其AI硬件產品中使用SigOpt的軟件技術來幫助加速、增強以及擴展英特爾為開發者提供的AI軟件解決方案。

英特爾有了SigOpt的性能優化功能，就可以幫忙那些在英特爾芯片上運行AI模型的企業客戶實現更高的處理速度。

交易完成后SigOpt的技術將“跨英特爾AI硬件產品”進行集成。

SigOpt首席執行官兼聯合創始人Scott Clark與首席技術官兼聯合創始人Patrick Hayes將加入英特爾的機器學習性能團隊。

他們帶來了英特爾所迫切期待的技術人才，來幫助解決某些客戶所面臨的最嚴峻挑戰。

幾年前已布局開展專用芯片

早在2016年8月，為了進入深度學習訓練芯片市場，英特爾以大約3．5億美元收購了Nervana。

Nervana的深度學習芯片有著10倍于GPU的速度，能幫助英特爾在深度學習特定應用的集成電路方面獲取競爭優勢。

三年后，英特爾公布了首款云端AI專用芯片Nervana神經網絡處理器（NNP）系列產品，被視作對GPU的正面回應。

之后，同樣在2019年，英特爾再次憑借一起收購引發關注——英特爾花費20億美元收購以色列AI芯片制造商HabanaLabs。

AI計算不存在一個通用的解決方案，涉及預算、芯片和系統等多個要素。英特爾的策略是給客戶選擇的空間，來挑選適合具體需求的硬件。

英特爾已擁有從CPU、GPU、FPGA到ASIC的AI芯片，全面的產品線也使英特爾具備了差異化優勢。

結尾：

現在，英特爾在CPU的基礎上，加入并完善GPU、FPGA、AI芯片、視覺處理芯片等不同類型的計算架構，已經形成了一個完整的芯片家族，將為接下來的數據中心、物聯網和邊緣計算提供一個全家桶式的計算解決方案。

英特爾能夠將這些芯片推廣給原有的CPU客戶，還要看這些芯片之間的兼容性和通信聯接能力，以及產品的性價比。而這都需要時間來證明，但是留給英特爾的時間確實也只有接下來的幾年了。

責任編輯：haq