Xiongan-themed stocks in mixed performance

日前，芯片巨头英特尔宣布4.08亿美元收购人工智能（AI）创业公司Nervana Systems。由于Nervana Systems此前是Android之父安迪·鲁宾硬件孵化器Playground Global公司的旗下项目之一，所以此次并购在业内引起了关注。那么问题来了，为何英特尔要并购一家人工智能创业公司？背后的原因究竟是什么？

就在英特尔宣布并购Nervana Systems的同时，另外一家芯片厂商（专攻GPU，图形芯片）的英伟达发布了2017财年第二季度财报，其中营收为14.28亿美元，比去年同期的11.53亿美元增长24%；净利润为2.53亿美元，比去年同期的2600万美元增长873%。而英伟达的营收和利润，尤其是利润的暴增，主要得益于其在传统的PC游戏和数据中心市场的增长。不知业内看到英伟达业务的增长作何感想？熟悉传统PC的人知道，英伟达的GPU在PC配置的独立GPU市场中一直占据优势，而数据中心芯片市场则一直是英特尔错失移动（智能手机和平板电脑）市场之后现在和未来主要的营收和利润来源，且同样占据着绝对优势地位，为何英伟达会在英特尔的优势市场取得大的增长呢？

众所周知，谷歌人工智能软件AlphaGo利用深度学习技术击败全球顶尖围棋选手李世石预示着人工智能将是科技行业和大佬们竞争的下一个热点，而大数据和物联网的发展促使从IBM、谷歌、Facebook、微软等在内的科技巨头和许多大型的提供云服务的云计算公司竞相开发人工智能技术，以期利用未来物联网设备收集的海量数据（分析）为市场和用户提供更好的服务。需要说明的是，尽管各家厂商叫法不同，例如IBM称之为认知计算，Facebook和谷歌称之为机器学习或人工智能，但作为支撑这些技术和应用的数据中心基础硬件之一的芯片依然扮演者重要的角色。基于此种趋势，据相关统计，目前运行在包括IBM、谷歌、Facebook、亚马逊、微软等大佬们和云计算公司的数据中心至少有10%左右的工作负载与AI应用有关（或自己开发相关的AI应用或支持和运行客户的AI开发及应用等），且随着市场和用户对于AI的需求，这种趋势未来还会扩大。而这种趋势对于数据中心的基础芯片计算能力和功耗提出了新的挑战。

不幸的是，就像在移动芯片市场对于功耗的需求甚于性能一样，而英特尔不具优势类似，在以AI开发和应用为趋势的数据中心领域，英特尔的通用CPU在性能和成本上也不具优势（与GPU相比）。最新研究结果表明，GPU能够提供平均58.82倍于CPU的速度。GPU的另一大优势，是它的能耗远远低于CPU，这使得GPU在AI领域（例如深度学习、机器学习等）有了用武之地，因为GPU可以平行处理大量非结构化数据和信息。此外，深度学习所依赖的是神经系统网络，而这种网络出现的目的，就是要在高速状态下分析海量的数据。对于人工智能和深度学习来说，主要靠使用图形芯片（GPU）集群作为通用计算图形处理单元（GPGPU）。与传统的通用芯片（GPP）相比，GPU的核心计算能力要多出几个数量级，也更容易进行并行计算。说白了就是GPU更适合于现在和未来以AI开发和应用为主的数据中心的需求。这也很好地解释了为何专攻GPU的英伟达在退出移动芯片市场争夺后依然高速增长的原因。

其实早在两年前特斯拉采用英伟达作其车载芯片之时，其在人工智能的端倪就开始显现，之后英伟达斥资20亿美元专门针对AI开发芯片。例如今年4月该公司公布了最新款的专门用于人工智能研究领域的Tesla P100图形处理芯片和全球首款用于深度学习训练的超级计算机DGX-1。该款机型首次搭载了8块Tesla P100计算卡，其深度学习计算性能高达170 Teraflops，是搭载英特尔双路至强E5平台运算性能的56倍以上，平均学习时间也从150小时缩短到仅2个小时。整台设备是去年发布的超级计算机运算能力的12倍。正是基于英伟达在针对AI开发和应用支持的芯片的能力，英伟达的人工智能技术与Facebook、谷歌母公司Alphabet以及微软等大佬们展开了合作，这些人工智能领域研究的领先者已经在采用英伟达提供的专门应用于该领域研究的芯片产品，而诸如惠普、戴尔、IBM等传统的服务器和数据中心厂商也因为AI的趋势准备采用英伟达的芯片。(责任编辑：方向)