近日一則消息讓業界嘩然，英特爾宣布：將結束在神經網絡處理器方面的工作，將重心轉向人工智能芯片，而研發 AI 芯片的核心單位就是英特爾去年重金收購的 HabanaLabs。
名噪一時的 Nervana走下神壇，Habana 在開啓另一個時代。這足以證明，爲了 AI 時代的勝利，英特爾再一次“壯士斷腕”。
當然，這不是英特爾第一次下決絕之手，遙想當年，英特爾還是存儲芯片市場的老大。
從存儲芯片到CPU的“戰略轉折”
1985 年，面對日本廠商的低價競爭，英特爾在存儲芯片市場戰陷入運營危機，業界都在懷疑英特爾是否能生存下去，以“偏執狂”著稱的格魯夫和時任英特爾首席執行官摩爾有一段經典的對話。
格魯夫問摩爾：如果我們下台，另選一名新總裁，你認爲他會采取什麽行動？
摩爾回答：會放棄存儲芯片業務。
格魯夫反問：那我們爲什麽不自己動手？
于是英特爾斷然放棄了存儲芯片業務，將當時還是副業的微處理器業務扶上主位，這次轉型讓英特爾贏得了 CPU 時代的勝利。到 1992 年，英特爾成爲了全球半導體市場的霸主，而當年打敗英特爾的日本企業卻不見蹤影，這次決策被格魯夫稱爲“戰略轉折點”，也正是這次轉折成就了英特爾後面十年的輝煌。
痛失移動處理器市場的“症結”
時間來到 2010 年，智能手機需求不斷升溫，以高通爲首的一大堆移動處理器廠商迅速崛起，但是英特爾並沒有及時作出反應。直到 2011 年，英特爾才宣布用 Atom 系列處理器進入移動芯片領域，人稱“阿童木”系列，而這個寄予厚望的産品線卻讓英特爾敗走移動處理器市場。
和其它廠商采用 Arm 架構大相徑庭，英特爾的 Atom 系列堅持采用了 x86 架構，而且 Atom Z2580 和 Android 系統出現了嚴重的兼容性問題，給消費者留下了極差的印象。讓用戶不解的是，在 2013 年，當高通和聯發科采用 28nm 推出了骁龍 801 和 MT6592 時，Atom Z2580 還在采用 32nm，x86 架構本來在功耗上就處于劣勢，落後的工藝制程讓 Atom 處理器的功耗和封裝體積問題雪上加霜；到 2015 年，主流移動處理器廠商紛紛奔向 20nm、14nm，而英特爾推出的 Atom Z3580 依然堅守在了 22nm。如果是 Fabless 廠商出現這種情況我們可以理解，但是發生在擁有代工廠的英特爾身上真是讓人大跌眼鏡。
更讓人匪夷所思的是，當時英特爾的桌面處理器已經量産了 14nm 芯片，可見英特爾在自我博弈，想要拿到移動處理器市場，也不想讓 PC 産品失去優勢。然而，魚與熊掌不可兼得，即使後面英特爾散錢式補貼平板電腦市場都沒能挽救 Atom 系列被移動處理器抛棄的命運。
隨後不甘心的英特爾又爲移動處理器市場打造了兩款産品 –Broxton 和 SoFIA，Broxton 面向高端移動産品，采用全新的 Goldmont 架構、14nm 工藝制造，原計劃在 2015 年中旬推出；SoFIA 面向低端移動産品，宣稱是 Intel 首款整合有基帶芯片的移動 SoC，在 2014 年下半年推出了搭載 3G 基帶的第一代産品，原計劃在 2015 年推出的帶有 4G 基帶的 SoC，但是這兩款産品都無緣上市。
最終，在 2016 年 5 月，英特爾正式對外宣布全面取消 Broxton 和 SoFIA 兩款淩動處理器産品線的開發，放棄移動芯片市場，此時英特爾在移動處理器芯片市場的投入已經超過 100 億美金。
筆者百思不得其解：英特爾爲什麽死守複雜指令集（CISC）（也就是 x86 架構），而不選擇更適合移動處理器市場的精簡指令集（RISC）呢？直到我看到另一個故事才恍然大悟。
英特爾不是沒有擁戴過精簡指令集，早在格魯夫“執政”時代，英特爾就發現 RISC 能夠用較少的晶體管完成絕大多數計算任務，負責計算技術的工程師們也曾爲其優越的性能歡欣鼓舞，甚至格魯夫還親自爲 RISC 推波助瀾。
當時任英特爾高層主管 Craig Kinnie 和 Dennis Carter 找到格魯夫嚴厲指出：安迪，你不能這麽幹。放棄 CISC 上馬 RISC，將斷送商業史上最大的特許經營生意，而得到的是一大堆競爭對手。
最終，格魯夫被說服了，事後他十分感慨：我們差點兒就葬送了公司，我們的技術是行業標准。這個特許經營業務價值超過百億美元。而我卻由于一個漂亮新産品的誘惑而忘記市場，差點兒就把生意白白斷送掉。
這段故事或許就是英特爾堅守複雜指令集的最大原因，但是當年的成功經驗在移動處理器市場並沒有奏效，反而讓英特爾節節敗退，最後無疾而終。或許在移動處理器市場的失敗也會給英特爾帶來某些啓示。
AI成就英偉達，英特爾棋逢對手
轉眼到了 AI 時代，對處理複雜運算和並行運算的天然優勢讓英偉達和它的 GPU 站在了聚光燈下。雖然現在 AI 芯片已經遍地開花，創業公司不斷湧現，但是 AI 芯片市場依然是英偉達的 GPU 獨霸江湖，其産品在圖形處理方面占有據對優勢，市場占有率高達一半以上，英特爾可謂棋逢對手。
業界預測，AI 芯片市場規模在 2022 年將達到 352 億美元。英特爾自己也預測，2024 年 AI 芯片市場規模將超過 250 億美元。作爲處理器市場的老大，英特爾自然不肯放過 AI 這塊肥肉。不過此時的英特爾已經意識到，僅憑自己砸錢研發難以追趕技術的發展，于是它選擇了通過收購快速擴張：
2016 年 8 月，英特爾以 4.08 億美元的價格收購 AI 創業公司 Nervana Systems。Nervana 成立于 2014 年，其産品是神經網絡芯片，産品架構設計很有特色，針對 AI 需要高性能內存的特點放棄了標准緩存系統，改用軟件管理內存系統。收購 Nervana 之後，英特爾將技術進行整合推出了多款 Nervana AI 芯片，主要有 Nervana NNP-T 及 Nervana NNP-I 這兩款。
2016 年，英特爾還收購了另外一家 AI 芯片公司 movidus。movidus 成立于 2006 年，花費九年時間研發了低價低功耗高性能的視覺處理器芯片——Myriad 系列 VPU，而在被英特爾收購之前，其産品就已經應用于谷歌和大疆的産品中。
2018 年，英特爾收購了 AI 初創公司 Vertex.ai。Vertex.ai 專注于開發深度學習彙編工具和相關技術。Vertex.ai 聯合創始人宗 – 恩格（Choong Ng）曾表示，他們看到性能強大的 CPU 和 GPU 存在缺乏便攜式、對開發者友好工具的問題，而他們則發現了利用新軟件 PlaidML 引擎解決針對所有平台的兼容性和便攜性的問題。被收購後，Vertex.ai 並入英特爾 Movidius 部門，PlaidML 在 Apache 2.0 開源授權項目下使用英特爾的 nGraph 編譯器後台繼續支持一系列硬件。
英偉達憑借 GPU 在 AI 市場所向披靡，讓英特爾陣陣刺痛，這也激發了英特爾研發 GPU 的決心。2019 年 2 月，英特爾收購了印度初創公司 Ineda Systems，這家公司是由海德拉巴市連續創業家 Gude Dasaradha 于 2011 年創立，進行人工智能、自動駕駛和物聯網技術開發，2013 年至 2014 年間，該公司因設計和開發用于可穿戴設別的低功耗 SoC 芯片而聞名。重點在于，此次收購令英特爾從 Ineda 公司吸納超過 100 名具備圖形開發技術的工程師。英特爾表示，本次交易有助于自己打造世界級的獨立 GPU 産品。
對于 AI 市場，英特爾可謂不惜重金布局，處處圈地，勢在必得。
Habana Labs：爲了“被收購”而生
Habana Labs 這家公司可謂以技術取勝，在 2018 年就發布了推理處理器 Goya，而這個産品簡直就是爲了被英特爾收購而打造的。筆者第一次采訪 Habana Labs 是在 2019 年 6 月，其首席商務官 Eitan Medina 向與非網介紹，基于 Goya HL-1000 處理器的 PCIe 卡可基于 ResNet-50 推理基准實現每秒 15000 張圖片的吞吐量，延遲時間爲 1.3 毫秒，功耗僅爲 100 瓦，主要應用于數據中心。
讓筆者吃驚的是，Habana 的 Goya 産品直接對標的就是英偉達的 Tesla T4，從對比圖上可以看出，Goya 的性能是 Tesla T4 的三倍；從能耗上來看，比 GPU 有兩倍的優勢；在實時處理上，延遲也比 GPU 要低很多。與傳統的 CPU 對比，8 片 V100 GPU 的性能等同于 169 片傳統 CPU 的處理能力，而 3 片 Goya 處理器就可以達到 8 片 V100 的處理效果。
如果我是英特爾，看到 Goya 的性能也會心動的。