人工智能处理器将会如何影响芯片市场？

在不到12个小时里，有三个人问我是否愿意花一个小时跟一位陌生人通一小时的电话，称并愿意为此给我提供报酬。


三人都说他们很喜欢我写的一篇有关谷歌在搭载针对人工智能的新计算机芯片的文章，都促请我跟他们的其中一位客户讨论该文章的内容。他们称该客户是一家大型对冲基金的经理，但不愿意透露其姓名。


这些请求来自于所谓的专家网络——连接投资者和可帮助他们理解特定市场的人，给他们带来竞争优势（有时似乎是通过内幕消息）的研究公司。这些专家网络希望我去解释谷歌的AI处理器会如何影响芯片市场。不过，他们希望我签订保密协议。我拒绝了。


这些主动性的、高度针对性的高压请求（大概发生于三周前），凸显了利润非常丰厚的计算机芯片市场当前翻天覆地的变化——人工智能的崛起所引发的变化。那些对冲基金经理认为这些变化将要到来，但不大确定它们具体会带来怎样的影响。

当然，没有人能够确定它们将会带来怎样的影响。


如今，谷歌、Facebook、微软、亚马逊、百度等互联网巨头都在探索一系列能够驱动AI发展的芯片技术，它们的选择势必将会改变英特尔、英伟达等芯片厂商的命运。但现阶段，即便是那些互联网巨头内部的计算机科学家也不清楚未来会出现怎样的演变。


巨头们的行动


这些公司通过配备数千台服务器的数据中心运营它们的在线服务，各台服务器都由名为中央处理器（CPU）的芯片所驱动。不过，随着这些公司拥抱一种名为深度神经网络的AI形式，它们在给CPU补充其它的处理器。神经网络能够通过分析大量的数据来学习执行任务，其中包括识别照片中的人脸和物体，语言翻译等等。它们需要的并不只是CPU性能。

因此，谷歌打造了张量处理单元（TPU）。微软正在使用一种名为现场可编程门阵列（FPGA）的处理器。无数的公司采用配备大量图形处理器（GPU）的机器。它们都在着眼于新芯片品种，以便加速从智能手机和其它设备内部提供AI技术的进程。


这些公司的任何选择都事关重大，因为它们的在线业务运营范围非常宽广。它们采购和运行的计算机硬件比世界上任何其它的公司都要多得多，随着云计算变得日益举足轻重，这一差距势必将会进一步扩大。谷歌对于处理器的选择，会根本性地改变芯片行业。


谷歌的TPU对像英特尔和英伟达这样的公司构成威胁，因为谷歌自己来打造该款芯片。不过，GPU也在谷歌和其它大科技公司当中扮演重要的角色，而英伟达是这种专业化芯片的主要制造商。与此同时，英特尔也通过收购Altera切入市场。微软的FPGA悉数来自这家公司。英特尔收购Altera的价格高达167亿美元，是它迄今为止规模最大的一宗收购，这也凸显了芯片市场当前的巨大变化。


神经网络的训练与执行


然而，处理好这一切并非易事——部分因为神经网络的运行分两个阶段。第一个阶段是训练阶段，期间像谷歌这样的公司会训练神经网络去执行特定的任务，如识别照片中的人脸，或者将一种语言翻译成另外一种。第二个阶段是执行阶段，即人们实际上用到神经网络的阶段——例如，将高中大合照发布到Facebook，然后后者会自动在照片中给每一个人打上标签。这两个阶段大不一样，需要不同的处理方式。


当前，GPU是神经网络训练的最佳选项。芯片厂商以往设计GPU来给游戏和其它图像类应用渲染图像，但近年来，谷歌等公司发现这些芯片还是实现训练神经网络所需的运算阵列的高能效方式。这意味着它们可以用较少的硬件来训练更多的神经网络。微软AI研究人员XD Huang称GPU是“真正的武器”。最近，他的团队完成了一个可识别特定语音对话和人类的系统，开发历时大约一年。他指出，要是没有GPU，则要花费5年时间。在微软发表有关该系统的研究论文后，他在英伟达CEO黄仁勋的家中开香槟庆祝。


不过，企业还需要芯片来快速执行神经网络，这一过程被称作推断。针对这一过程，谷歌专门打造了TPU，微软采用FPGA。百度则是使用GPU，相对于神经网络的训练，GPU在推断上并没那么适用，但有合适的软件的话也能够奏效。


与此同时，其它公司在打造芯片来帮助在智能手机和其它设备上执行神经网络。IBM正在开发这种芯片，尽管有人质疑其芯片的有效性。英特尔则斥资收购已经在涉足该芯片领域的公司Movidius。

英特尔明白该市场正在发生变化。4年前，该芯片厂商向我们透露，它出售给谷歌的服务器处理器数量要出售给另外四家大公司的数量之和——所以它能够直接体会到谷歌及其它大科技公司对于芯片市场的巨大影响。因此，它如今在押注多个领域。除了将Altera和Movidius收归门下之外，它还吞并了AI芯片公司Nervana。


这不难理解，毕竟该市场还处于发展的初期阶段。英特尔副总裁杰森·韦克斯曼（Jason Waxman）称，“我们正处在下一波巨大增长浪潮爆发的边缘，那将会由人工智能驱动。”现在的问题在于，这一浪潮将会将我们带到何方。

本文来源：中芯谷