英特爾這幾年估計心很累。
除了PC銷量下滑、工藝進展遲滯，當英偉達股價上漲、新型AI處理器問世、AMD收購賽靈思、蘋果發(fā)布新芯片……英特爾每每都要被拖出來吊打一次。
是廉頗老矣？還是大象善舞本來就不容易？
從英特爾現(xiàn)在的業(yè)務情況來看，傳統(tǒng)PC業(yè)務已經(jīng)從原來的八成下降到現(xiàn)在的五成，而數(shù)據(jù)中心則一路上揚，營收從原來的二成增長到了五成?；蛟S老牌科技企業(yè)都逃不開波峰低谷的發(fā)展周期，于是轉型就成為必然。
從2017年開始，英特爾就宣稱自己是一家數(shù)據(jù)公司，因為“數(shù)據(jù)才是未來的石油”。2018年底，英特爾宣布最新戰(zhàn)略目標，即以制程和封裝、XPU架構、內(nèi)存和存儲、互連、安全、軟件六大技術支柱為核心，明確了“以PC為中心”轉向“以數(shù)據(jù)為中心”的轉型目標。
而就在昨晚，英特爾正式發(fā)布其首款數(shù)據(jù)中心獨立圖形顯卡——服務器GPU，以及oneAPI Gold工具包。這也意味著，英特爾六大戰(zhàn)略中的XPU架構（XPU架構中的“X”指的是包含 CPU、GPU、專用加速器以及FPGA 的混合架構）集齊最后一條“神龍”；軟件方面，one API Gold繼Beta版本發(fā)布一年后，也完成了階段性的躍升。軟硬件共同發(fā)力，英特爾卯足力氣攪動數(shù)據(jù)中心本來就不平靜的池水。
局勢已經(jīng)非常明朗，英特爾、英偉達、AMD都在打造自家的XPU架構，通過收購也好、自研也罷，在硬件架構和軟件工具上的布局都是一副當仁不讓的態(tài)勢。
英特爾加速計算20年坎坷路
英特爾不是沒有過獨立顯卡GPU的嘗試，只不過是20年前。2009年末，英特爾宣布取消“Larrabee”圖形芯片項目，將重注都押在多核的技術路徑上。
彼時，英偉達已經(jīng)推出Tesla，大舉進攻。AMD也在2006年收購了ATI后正式進入顯卡領域，雖然在CPU和GPU面臨著英特爾和英偉達的雙重夾擊，卻也是成就今天三足鼎立局面的關鍵一步。
英特爾在集成顯卡這條路的經(jīng)濟賬沒毛病。將圖像處理的部分整合到CPU中，這樣一來核心顯卡始終是和CPU一體的，必要時還是需要調(diào)用部分CPU的運算能力來提高圖像處理效率。當性能需要提升時怎么辦？增加核顯，還可以提高處理器價格，間接增加利潤?；蛟S正因如此，英特爾沒有太大動力去開發(fā)獨顯GPU，在宣布取消Larrabee項目時，信誓旦旦表示不會推出獨立顯卡GPU，至少短期內(nèi)不會。
被停掉的Larrabee后來成為了至強融核（Xeon Phi）協(xié)處理器的原型，這是英特爾首款集成眾核（Many Integrated Core，MIC）架構的產(chǎn)品，用作高性能計算的超級計算機或服務器的加速卡，順應了高性能計算市場的異構需求。Xeon Phi也一度被用到超級計算機上，雄霸世界超算榜單，例如我國的天河一號、天河二號，直到2015年4月被美國禁止向中國超算中心出口Xeon Phi。
受市場需求頹勢的主要影響，2018年開始，代號為Knight Landing的Xeon Phi 7210、7230等產(chǎn)品列入停產(chǎn)計劃；去年，代號為Knight Mill的Xeon Phi處理器也啟動停產(chǎn)計劃，并宣布將在今年7月31日停止出貨。
而就在英特爾在加速計算曲折前進的這些年，英偉達GPU一騎絕塵，AMD也在CPU和GPU雙線開花。雖說船大不好調(diào)頭，但作為巨頭，必要時確實要勇于自我piapia打臉。
2017年末，原AMD RTG總裁、顯卡首席架構師Raja Koduri離開AMD，加入英特爾。當時業(yè)界就推斷英特爾可能要重啟獨顯計劃，直到Xeon Phi陸續(xù)停產(chǎn)，這一猜想在去年達到沸點。
直到今年8月的架構日上，英特爾曝光了針對數(shù)據(jù)中心的首款基于 Xe 架構的獨立圖形顯卡，有關英特爾開發(fā)獨顯GPU的傳言正式得到驗證。
英特爾高級副總裁、首席架構師，兼架構、圖形和軟件部門總經(jīng)理RajaKoduri發(fā)布Xe戰(zhàn)略
Xe GPU的出現(xiàn)，從多個維度補充了英特爾缺失的拼圖。它正式宣告英特爾進軍高端GPU領域，將觸角伸向移動端、桌面端、云游戲、數(shù)據(jù)中心、高性能計算等多個領域。此外，它作為英特爾向量計算的代表產(chǎn)品，進一步補全了英特爾的XPU組合。
XPU架構成為必爭之地
僅有CPU一條路確實走不通，這一點AMD的方向從一開始就是正確的，英特爾這些年也通過買買買擴充了XPU架構。
圖源 | arabhardware.net
2015~2019這幾年間，英特爾都有重磅收購，幾乎都是圍繞這個架構理念展開的。2015年收購FPGA供應商Altera，2016年收購AI芯片供應商Nervana，2017年收購了ADAS芯片供應商Mobileye和AI芯片供應商Movidius，2018年收購eASIC，2019年收購云端AI芯片供應商Habana Labs。
直到昨天正式推出針對數(shù)據(jù)中心的首款服務器GPU，至此，XPU全家桶已配齊。如果說英特爾之前擱置GPU計劃是出于市場策略和技術瓶頸，那么，今天重返這一市場，難度就會低嗎？英偉達的GPU性能不夠好嗎？AMD的性價比它不香嗎？用戶選擇英特爾的理由是什么？
據(jù)英特爾的技術大拿表示，在過去的20年里，英特爾其實一直在提供集成圖形顯卡。而顯然，隨著工作負載和性能需求都在上升，AI和流媒體在這些工作負載中的占比也在上升。英特爾正在擴展為更為堅實的Linux堆棧，并將從數(shù)據(jù)中心一些獨特的用例開始，比如安卓云游戲和流媒體服務。
這是非常明智的一個起步。安卓云游戲在全球游戲開發(fā)生態(tài)系統(tǒng)中占據(jù)74%的市場份額，增長空間非常大；而流媒體服務涉及高密度的媒體轉碼和編碼，現(xiàn)在小視頻、直播盛行，有著巨量的用戶市場。英特爾希望通過至強可擴展處理器與全新服務器GPU的組合，加上開源和授權的軟件組件，通過較低的總體擁有成本（TCO），為安卓云游戲以及實時頂級視頻直播的高密度媒體轉編碼提供高密度、低時延的解決方案。
但不管怎樣，英特爾這一次押注數(shù)據(jù)中心GPU，將會是更為艱難的挑戰(zhàn)。首先龐大的研發(fā)投入仍然必不可少，更重要的是，這一次要突圍的技術需要多點開花，要在AI、5G、自動駕駛等領域都要持續(xù)投入，基礎研發(fā)上既要保持專注還要保證核心競爭優(yōu)勢，軟件要更易用，生態(tài)要更強大。
互相滲透的軟件生態(tài)
XPU的確很強大，但是想要把整個計算系統(tǒng)打通，除了硬件，軟件平臺也是要搭建的。因為涉及到具體的開發(fā)工作，在不同架構之間切換并不容易，尤其是想要跨廠商進行切換的時候，這也是業(yè)內(nèi)普遍的痛點。
英特爾曾在2019年的SuperComputing大會上首次提出oneAPI，并表示這是為實現(xiàn)統(tǒng)一、簡化的跨架構編程模型所提出的愿景，希望能夠不受限于單一廠商專用的代碼構建，且能實現(xiàn)原有代碼的集成。借助oneAPI，開發(fā)者可以針對他們要解決的特定問題選擇最佳的加速器架構，且無需為一個架構和平臺再重寫軟件。這不僅能夠釋放底層硬件的性能潛力，同時能降低軟件開發(fā)和維護成本。繼Beta版本發(fā)布一年后，相信這次最新發(fā)布的Gold版本在代碼穩(wěn)定性、成熟度以及性能表現(xiàn)方面值得期待。
既然支持跨架構、跨廠商的切換，那么不妨設想一下，如果英特爾、英偉達和AMD的芯片同在一個系統(tǒng)中，oneAPI是否可以提供支持？
對這一問題，英特爾方面給出的答案是肯定的，哪怕這個系統(tǒng)中沒有英特爾的芯片，也是可以支持的。這意味著什么？它將成為開放的行業(yè)規(guī)范，任何人都可以運用它，它甚至可以進入英偉達、AMD的生態(tài)系統(tǒng)。面對競爭，英特爾向友商敞開懷抱，并且進入他們的陣營擁抱他們和他們的盟友。oneAPI就是英特爾在軟件乃至生態(tài)層面最大的雄心。
英偉達的做法異曲同工。在2019年法蘭克福國際超算大會上，英偉達已經(jīng)宣布其CUDA編程架構開放支持Arm CPU架構，向Arm生態(tài)系統(tǒng)提供全堆棧的AI、HPC軟件，可支持所有AI框架、600多個HPC應用程序的加速，其中包括所有NVIDIA CUDA-X AI和HPC庫、GPU加速的AI框架和軟件開發(fā)工具，比如支持OpenACC的PGI編譯器和性能分析器。而堆棧優(yōu)化完成后，NVIDIA將為所有主流CPU架構提供加速，包括x86、POWER、Arm。
AMD幾年前也開始了這樣的嘗試，其Radeon開放運算平臺ROCm，希望通過CUDA編譯代碼轉換，進一步支持英偉達的 CUDA平行運算平臺，開始了在軟件平臺上對英偉達的追趕。
寫在最后
5G、AI都在催生計算場景的多樣性和更為豐富的內(nèi)涵。未來的數(shù)據(jù)是多樣化的，需要通過多種硬件計算組合來應對多種數(shù)據(jù)類型，誰能挖掘出最優(yōu)化的算力組合，誰就能讓數(shù)據(jù)發(fā)揮出最大價值。異構計算，不僅是解決摩爾定律走入絕境的一種方法，更是未來所需。這就是為什么英特爾、英偉達、AMD紛紛在構建自己的XPU平臺。
不過，當三大巨頭紛紛端出自己的全家桶時，一個挑戰(zhàn)是共通的：進步絕不僅體現(xiàn)在處理性能的提升上，更大的難題在于：如何牢牢抓住應用需求，用極為豐富、靈活的組合給出最優(yōu)化、最適配的方案？