英偉達和英特爾的競爭在AI時代變得更為直白。英偉達在AI訓練領域具有絕對優勢，英特爾保持著在芯片架構上提供完整解決方案的優勢的同時，向英偉達GPU大本營發起挑戰，并在AI推理領域建立起了自己的優勢。

號角再次吹響

過去幾年，由于趕上了深度學習的東風，英偉達通用圖形處理單元扶搖直上，把2015年還是20美元的股價提高到了2018年10月292美元的高點，一躍成為AI領域第一股。其火箭般的漲勢讓半導體巨頭英特爾坐不住了，意圖通過收購突破自身限制，重塑市場版圖。二者的競爭在2019年變得更為直白和更加激烈。

我們知道，圖形和視覺處理領域是英偉達的傳統強項。英特爾近期展示了兩款分別面向AI訓練和推理的Nervana神經網絡處理器（NNP），以及下一代Movidius視覺處理單元（VPU），就是在向英偉達宣戰。

其中，兩款Nervana神經網絡處理器包括面向訓練的NNP-T1000和面向推理的NNP-I1000。這兩顆芯片都是專為云端環境定制的ASIC（特殊應用集成電路）芯片，可以并接多個芯片，加速AI模型的開發。會上，英特爾宣告兩款芯片正式開始商用交付，為百度、Facebook等人工智能客戶定制開發產品。英特爾還特地強調了為AI和機器學習“專門制造”芯片的重要性，暗示其產品對英偉達GPU產品的優勢。

對于下一代Movidius VPU，該芯片旨在為低功率設備中的AI圖像和視頻處理系統提供動力，面向開發電腦機器人視覺相關用途，例如依靠機器學習來繞過障礙物的無人機和無人駕駛汽車等。會上，英特爾也非常自信地將其和英偉達的產品做出比較，據說這款代號為Keem Bay的VPU能提供的算力是英偉達Xavier芯片的4倍，在充分利用的情況下，該芯片可幫客戶獲得50%的額外性能。并且這款新一代的視覺處理單元將于2020年上半年上市。

目前，在更考驗計算力的AI訓練市場，英偉達更具優勢，其數據中心業務也在不斷增長。不過，英特爾表示，其基于AI解決方案的產品組合得到進一步強化，今年會創造超過35億美元的營收。目前在數據中心領域，憑借CPU市場優勢，其已贏下了AI推理市場，因為多數云端推理都是由至強CPU完成的。

在傳統芯片架構上，英特爾仍然是可以提供最完整解決方案的公司，而在GPU領域，英特爾也將向英偉達發起挑戰。CPU是AI的基礎所在，絕大多數的企業已經在現有的架構基礎上，通過軟件來部署AI的應用。

無論是硬件還是軟件，無論是云端還是終端，無論是訓練還是推理，英偉達和英特爾都是你追我趕，步步緊逼，忙得不亦樂乎。

馬拉松式較量

英偉達一出手，就是一場豪賭。據媒體報道，在Mellanox的競購比賽中，英特爾曾經預備了60億美元的資金，但最終還是被英偉達的69億美元高價擊敗。

作為一家以高性能運算和網絡技術聞名的公司，Mellanox的產品與技術已經進入了全球大量的高性能計算機和人工智能基礎設施，包括中國“神州·太湖之光”在內的全球最快的三臺超級計算機，都使用了Mellanox的無線寬帶互聯網技術。

如果放到“雙英”的大戰背景下，拿下Mellanox則意味著英偉達在數據中心的戰局中獲得了一枚關鍵棋子，在數據中心領域將爭到更多話語權。

當然數據紅利的挖掘，不僅僅在于數據中心本身，還需要許多關鍵技術的創新與突破，比如人工智能、物聯網、自動駕駛、5G等。這就更增加了這場數據紅利大戰的延伸性和復雜性。

以此對比來看，“雙英”大戰將會是一場馬拉松式的較量。

英特爾的優勢在于研制一體、業務布局全面。英特爾的優勢是端到端，全面布局設備端、邊緣端和云端，未來要做“全能冠軍”。

此外，英特爾的生態圈構建也行動較早、聲勢較大。比如，英特爾合作建設了FPGA中國創新中心，聯合發起了成立開放數據中心聯盟、CXL開放合作聯盟、邊緣計算產業聯盟等。

但英偉達也在這些層面下了不少功夫，比如在GTC上，黃仁勛特意在AI工作流程中把機器學習、數據中心等與GPU加速深度學習一起，納入了英偉達的“AI定義域”。

這意味著，英偉達將逐漸調整過度倚重GPU的AI戰略，將產業布局擴展至AI產業各個鏈條。這與英特爾的“全能冠軍”思路頗為相似。

在擴展生態圈伙伴上，英偉達則采取了不同的策略。比如，基于最新發布的推理服務器芯片T4，與亞馬遜云AWS、阿里云達成合作。

有業內人士認為，英偉達本身在GPU領域實力強大難以替代，這種基于產品技術發展生態圈的策略，相比通過協議建立產業聯盟或以設立人才計劃資金池，要更為穩固，成本也更低。

就目前而言，比賽才剛剛開始，“雙英”都有自己的競爭優勢，最終誰能勝出還無法下定論，不過對于人工智能領域的其他玩家來說，“雙英”大戰未必是壞事，或許這也會是加速技術和應用領域發展的新契機。

AI已成重要業務，持續強化至強AI推理性能

如今，在深度學習的推理和應用方面，都需要十分復雜的數據、模型與技術。

而英特爾的至強可擴展處理器作為面向業界大部分企業和組織的重要平臺，已然成為英特爾在推進AI業務發展的重量級產品。

因此，英特爾也將繼續通過矢量神經網絡指令（VNNI）和深度學習加速技術（DL Boost）等功能優化并改進該平臺，以在數據中心和邊緣部署中進一步提升它的AI推理性能。

在Naveen Rao看來，隨著人工智能的進一步發展，現有的計算硬件和內存都將在未來達到臨界點，同時專用型硬件的重要性也愈加明顯。

因此，對英特爾來說，利用AI技術來提升業務成果，需要進一步推出涵蓋硬件和軟件的多種技術組合。