CPU的墜落就像童謠中的蛋頭先生摔下墻頭變成碎片那樣,英特爾的兵馬再怎么努力也無法將它復原了。
“有幾次我們差點就倒閉了?!惫緞?chuàng)始人通常都不會談論自己公司瀕臨破產(chǎn)的經(jīng)歷,不過英偉達(Nvidia)的老板黃仁勛沒什么理由要避忌。他的公司近來捷報頻傳。過去一個季度,這家開發(fā)微處理器和相關軟件的公司收益增長55%,達22億美元,股價在過去12個月幾乎翻了兩番。
英偉達的成功有很大一部分原因是人們對其生產(chǎn)的芯片需求增長很快。這種名為圖形處理器(GPU)的芯片能讓個人電腦成為快速游戲設備。且GPU還有了新的用武之地,特別是為數(shù)據(jù)中心提供人工智能程序耗費的大量計算能力。
這些芯片飛漲的銷量(見圖表)是迄今為止信息技術長期轉(zhuǎn)型最顯著的標志。摩爾定律放慢了腳步(不久之前這個定律還保證計算能力大約每兩年會翻一番),加之云計算和AI的快速崛起,計算的體系正趨于碎片化。這對半導體行業(yè)及業(yè)內(nèi)主導企業(yè)英特爾有著深遠的影響。
摩爾定律以英特爾創(chuàng)始人之一戈登·摩爾(Gordon Moore)的名字命名。在該定律完全應驗之時,情況很簡單。無論是在個人電腦(PC)還是服務器(數(shù)據(jù)中心里性能更強勁的計算機)中,名為“中央處理單元”(CPU)的一類微處理器都可處理大多數(shù)“工作負載”(各類計算任務的總稱)。英特爾制造的CPU性能最為強大,因此這家公司不僅在PC處理器市場一家獨大(占據(jù)約8o%的市場份額),還幾乎完全壟斷了服務器的處理器市場。2016年,英特爾的收入接近600億美元。
如今這個單極世界已開始崩潰。處理器性能提升的速度并不足以滿足例如機器學習以及其他AI應用程序的需求。這些應用都需要大量的數(shù)據(jù),消耗的數(shù)字運算能力比幾年前所有數(shù)據(jù)中心加起來還要多。英特爾的客戶,如谷歌、微軟和其他大數(shù)據(jù)中心運營商,正在選擇來自其他公司越來越專門化的處理器,而且還開始設計自己的處理器。
英偉達的GPU就是一個例子。這些GPU最初是設計用來運行交互式視頻游戲所需的大量復雜計算。GPU有數(shù)百個專用“核心”(處理器的“大腦”)并行工作,而CPU只有幾個強大的核心來按順序處理計算任務。英偉達最新的處理器擁有3584個核心,而英特爾的服務器CPU最多只有28個。
英偉達上次瀕臨倒閉是在2008至2009年全球金融危機期間,不過它也是在那時時來運轉(zhuǎn)。它發(fā)現(xiàn)自家芯片在對沖基金和研究機構那里有了新用途,例如用來計算復雜的投資和氣候模型。英偉達開發(fā)了一種被稱為CUDA的編程語言,幫助其客戶就不同任務為處理器編程。當云計算、大數(shù)據(jù)和AI在幾年前勢頭漸勁時,能夠滿足這些需求的正是英偉達芯片。
每個互聯(lián)網(wǎng)巨頭都在使用英偉達的GPU,以令它們的AI服務能夠從醫(yī)學到圖像和人類語音等各類材料中吸收大量數(shù)據(jù)。上一個財年,英偉達面向數(shù)據(jù)中心運營商的芯片銷售額增長了兩倍,達到 2.96億美元。
不過,GPU只是這些被稱為加速器的專用處理器中的一種。為了提高運營效率并在競爭中保持領先,云計算公司會混用和搭配芯片,因此專用處理器的范圍也在擴大。負責谷歌技術基礎設施的烏爾斯·霍爾澤(Urs Holzle)這樣描述在靈活性、速度和成本因素之間取得平衡:要為合適的工作找到合適的工具。
專用處理器的一種極端形式是專用集成電路(ASIC)。顧名思義,這種電路為單一目的而搭建。相較于其他芯片,它們速度最快,能效也最高。數(shù)十個創(chuàng)業(yè)公司都正在開發(fā)這種已內(nèi)置AI算法的芯片。谷歌已打造了一個叫作“張量處理單元”(TPU)的ASIC,用于語音識別。
另一個方向的極端是現(xiàn)場可編程門陣列(FPGA)。這種芯片可以編程,靈活性也就更大,因此盡管這種芯片不易駕馭,微軟還是把它加入到許多服務器中,比如微軟的在線搜索必應(Bing)的服務器里就有它們。微軟的云計算平臺Azure的首席技術官馬克·拉希諾維奇(Mark Russinovich)說:“我們現(xiàn)在有世界上最多的 FPGA。”
該提心吊膽了
近年來,英特爾沒有制造ASIC或 FPGA,而是致力于制造更為強勁的CPU。沒有人認為傳統(tǒng)處理器很快就要失去用武之地:每個服務器都需要這些處理器,無數(shù)的應用程序也都在其上運行。英特爾的芯片銷量仍在增長。不過IT咨詢公司高德納(Gartner)的艾倫·普里斯特利(Alan Priestley)說,加速器正在加速的增長對英特爾來說似乎是個壞消息。加速器上進行的計算越多,留給CPU的就越少。
一種對策就是通過收購來趕上加速器的發(fā)展。2015年,英特爾以 167億美元的天價收購了FPGA制造商Altera;去年8月,它又以4億多美元買下Nervana——這家創(chuàng)業(yè)公司剛成立三年,正在開發(fā)從軟件到芯片的專用AI系統(tǒng)。英特爾稱視專用處理器為機遇而非威脅。主管英特爾數(shù)據(jù)中心業(yè)務的黛安·布萊恩特(Diane Bryant)解釋說,新的計算工作負載往往先在專用處理器上進行,到頭來還是會被“拉入CPU”。例如,加密計算以前在單獨的半導體上進行,但現(xiàn)在只是英特爾CPU上的簡單指令,全球幾乎所有計算機和服務器上都在運行。在加速器上運行AI等新型工作負載意味著成本增加、復雜性更高。
這樣的整合一旦發(fā)生,英特爾已經(jīng)進行了投資以占領先機。今年夏天,英特爾將開始銷售代號為 Knights Mill的新處理器,與英偉達一爭高下。英特爾還在利用 Nervana的技術開發(fā)另一款代號為 Knights Crest的芯片。到某個時候,英特爾還會將其CPU與Altera的FPGA整合在一起。
可以預見,競爭對手對未來有著不同的看法。英偉達認為它已搭建了自己的計算平臺。許多公司已經(jīng)編寫了AI應用程序在英偉達的芯片上運行,并且英偉達還為其他類型的程序創(chuàng)建了軟件基礎設施,用于實現(xiàn)可視化和虛擬現(xiàn)實等功能。幾十歲高齡的計算巨頭IBM也在試著搶英特爾的生意。IBM學習開源軟件的做法,在2013年“開源”了其Power處理器的架構,把它變成了半導體業(yè)的一種共有資源。專用芯片制造商可以更輕松地將它們的產(chǎn)品與 Power CPU整合,并且對平臺如何發(fā)展有了發(fā)言權。
未來很大程度上將取決于AI的發(fā)展,市場研究公司IDC的馬修·伊斯特伍德(Matthew Eastwood)說。他認為如果AI最終沒有帶來許多人所期待的革命,而只是在幾年內(nèi)帶來了變革,英特爾還是有機會的。但是,如果AI在未來十年或更長時間內(nèi)繼續(xù)影響芯片行業(yè),其他種類的處理器將有更多的機會攻占市場。鑒于AI技術應用之廣泛,第二種情況的可能性似乎可大。當然,運算任務無論多大多復雜一概由又大又笨的CPU處理的時代已經(jīng)結束了。CPU的墜落就像童謠中的蛋頭先生摔下墻頭變成碎片那樣,英特爾的兵馬再怎么努力也無法將它復原了。