谷歌TPU不是对手，英特尔要用AI一统芯片江湖！
新智元原创
新智元原创
采访/作者：闻菲
【新智元导读】英特尔全球副总裁兼人工智能产品事业部总经理 Naveen Rao 时隔两年再次接受新智元采访，AI 已成为英特尔“绝不能输的战场”。Naveen认为谷歌、微软等巨头自己造芯的做法不会持久，终将重回英特尔的怀抱。英伟达在AI领域的生态很强大，但英特尔CPU在基础设施里有更雄厚的基础。芯片创业公司要活下去很难。AI时代，仍将由英特尔来主导。
2018 英特尔人工智能大会（AIDC）14、15日在京举行，英特尔全球副总裁兼人工智能产品事业部总经理 Naveen Rao 时隔两年，再次接受新智元的采访。
尽管外界对英特尔10 纳米芯片“难产” 和英特尔 Nervana 神经网络处理器 NNP 发布时间一再延迟充满了“焦灼的期待”，但与两年前相比——那时候 Naveen刚加盟英特尔不久，他告诉新智元英特尔预计在 2017 年第一季度推出一款深度学习芯片——Naveen 显得更加从容。
当被问及“是否觉得在 2019 年底才推出 AI 芯片有些晚”时，他反而笑着问道：“为什么会觉得晚呢？”
收购Nervana Systems——Naveen Rao 出走高通，在 2014 年与人联合成立的深度学习芯片初创公司，成为英特尔全面拥抱人工智能的一个重要节点，Naveen 表示 AI 已是英特尔“绝不能输的战场”。
如今，英特尔上下全面意识到了 AI 的重要性，他率领的包括 Nervana 团队在内的人工智能产品事业部，推进 Nervana 神经网络处理器之外，还为英特尔其他所有部门提供技术支持。“最近两年英特尔至强处理器的改进也基本来自于我们组的工作。” Naveen 说。
一把钥匙开不了所有的锁。Naveen 表示不同的计算需要不同的架构，但任何计算都离不开CPU。市面上已经安装并投入使用的CPU 是英特尔的巨大优势。“客户的基础设施更新是逐步做起的，” Naveen 说：“没有人会一下子把旧的全扔掉然后换新的。” 在这些基础设施中，英特尔的 CPU 占了近九成，眼下最火热的人工智能推理，也有近 90% 是在英特尔的芯片上完成。
英伟达占据了很大的AI训练市场，也在为GPU添加更多的AI元素，“这是很正确的做法，”Naveen说：“但我们也将提供对 AI 来说最好的 CPU。”
“CPU 加 GPU 再加各种 AI 加速器很好，如果客户需要，把它们全部封装进一个芯片里也很好，” Naveen 说：“两者在我看来是一样的。”
换言之，AI时代，仍将由英特尔来主导。
2018 年 5 月，谷歌在 I/O 大会上发布了第三代 TPU，由 TPU 3.0 组成的 TPUPod 运算阵列，性能相比上一代提升了 8 倍，每秒运算性能 “远超” 100PFLOPS，也即 10 亿亿次——中国引以为傲的超级计算机神威·太湖之光的 Linpack 浮点性能是 9.3 亿亿次——为了给它降温，谷歌第一次在其数据中心引入了液冷。
为了给 TPU 3.0 Pod 运算阵列降温，谷歌第一次在其数据中心引入了液冷
除了谷歌，微软、亚马逊等巨头都在研发自己的 AI 芯片。国内，大公司自己造芯的声势更加明显：百度的“昆仑”，阿里的“平头哥”，华为的“昇腾”，一个比一个浩大。
不管怎么看，形势对英特尔来说都很不利。
但 Naveen 却说，“除了TPU（还仅供谷歌内部使用）和GPU，你还能再说出一款已经量产的AI训练芯片吗？”
“英特尔不与我们的客户相竞争，” Naveen 说：“谷歌、微软等大公司自己做芯片，归根结底是由于我们芯片厂商没有提供给他们适合的产品，因此，短期看他们自己做芯片更省钱，更有效率。我不认为他们会销售芯片，也不认为他们想要进入芯片行业，等到英特尔研发出工艺更好、价钱更便宜的芯片时——芯片制造工艺是英特尔的核心价值所在——大公司自然就会重新使用英特尔的产品，不再自己做芯片。”
而且，英特尔的产品线可是从云到端全面覆盖的。
至于英伟达，Naveen认为英伟达在一个正确的时机做出了正确的选择，大力投入深度学习，现在也在不断为GPU 增加更多的“AI元素”，“这是很正确的做法”。
Naveen 表示，英特尔近年来对AI的认识也有了很大转变。见证了人工智能几起几落的英特尔，在2014年之前并不认为这一次深度学习真的能掀起些什么。
收购Naverna 代表着英特尔对人工智能态度的转变，从“不重要”变为“非要不可”，Nervana团队现在为英特尔的所有部门，从CPU到FPGA再到物联网……提供技术支持。“实际上，至强处理器近两年来的性能提升基本上都来自我们组的贡献。”Naveen说。
抢占先机的英伟达，市值已经翻了几十番，GPU在AI训练市场拥有毋庸置疑的领先地位。但真正成就英伟达的，是其配套软件生态系统 CUDA。
“英伟达最初在2005年推出CUDA，这也就是说他们花了十年时间才让CUDA能够使用，”Naveen说，没有人能一夜之间颠覆这种优势，要让一款硬件取得成功，相关的软件生态系统至关重要，而要打造这样一套生态，“非常、非常地难”。
面对英伟达在人工智能领域凭借GPU+CUDA构建起的强大生态，Naveen表示英特尔的应对之道是他们两年前便开始布局的nGRAPH——如今，有各种各样的机器学习框架，而这些框架上的模型又需要在不同的硬件上面运行。以前做深度学习和人工智能运算，大家主要用GPU来加速，训练直接在框架里调用英伟达的CUDA库，推理则是用英伟达的TensorRT。现在硬件的选择变多了，大家也想做更多的优化，“框架编译器”（compiler）的概念也随之兴起。
最初是谷歌的XLA（Accelerated Linear Algebra/加速线性代数），但XLA是用于 TensorFlow的编译器，针对的也自然是谷歌的TPU。类似的是Facebook的Glow，实际上现在每家公司都在不同的层级上构建属于自己的中间表示，好让编程语言能够适应更多的硬件组合。
2016年8月，陈天奇团队推出了TVM，让包括图模型（Graph）在内的编程语言能够适应越来越多的硬件。Naveen告诉新智元，实际上TVM是比nGRAPH更低一级的中间表示，而英特尔正在与TVM合作。
英特尔要做的事情是，不与谷歌、Facebook、百度等公司直接竞争，“因为他们都是我们的客户”，nGRAPH能支持所有的框架，“无论你使用哪种框架，新建一个框架也行，我们都乐意支持”。
框架编译器，比如英特尔的nGRAPH，能将不同框架上运行的模型针对各种硬件进行优化，包括英伟达的GPU和其他硬件。
但Naveen也承认，业界现在确实有在所有这些中间表示中确定一个“标准”的意向，因为标准就是标准，有了大家都方便，而英特尔也不讳言想让nGRAPH成为这个标准。
“我们比所有人都领先，目前最接近的就是谷歌的XLA。”
但是等等，2019年底英特尔预计推出的可是“10纳米”芯片，对手台积电、三星早就量产了10nm，高通骁龙835已经在市场上整整卖了一年，台积电今年“7纳米”芯片量产成功，明年更是已经确定要上EUV 5纳米的研发。
但这里有个“陷阱”：一般人可能都认为10nm肯定比14nm先进，7nm也当然比10nm要好。实际上，7nm也好，10nm也罢，这些“线宽”仅仅代表工艺节点，但要衡量这个工艺的好坏，栅极间距（gate pitch）、逻辑单元高度（Logic Cell Height）、鳍片间距（fin pitch）、最小金属间距（Min Metal Pith）等关键技术参数更为重要。
英特尔22nm和14nm工艺比较：鳍片间距提升
2017年9月，英特尔主动公布出台积电、三星和自家10nm工艺相关技术参数指标，由下图可见，英特尔的10nm光刻技术制造出来的鳍片、栅极间隔更小。因此，在晶体管密度上几乎是台积电、三星的两倍。
英特尔的10nm光刻技术制造出来的鳍片、栅极间隔更小，在晶体管密度上几乎是台积电、三星的两倍
摩尔定律是怎么说的？
“积体电路上可容纳的晶体管数目，每隔18个月便会增加一倍。”
因此，要看的是电路上晶体管的密度，而不仅仅是“线宽”。
Anandtech总结的全球半导体企业制程路线图，那时候格芯还没有宣布放弃7nm
关于英特尔10纳米工艺芯片的“难产”，业界有各种各样的推论和假说，Naveen 自然没有给出正面回答，只说 “我们的10纳米工艺研发进度正顺利按计划完成”。
“但是，台积电的7nm从晶体管密度上说远不及英特尔的10nm。” Naveen说：“这是绝对的。”
巨头、英伟达、台积电等等都搞定了，对于颇有井喷式爆发的大批AI芯片初创公司又如何呢？
作为曾经芯片初创公司的CEO，Naveen 直言：“要做出能够大规模商用的芯片，靠初创芯片公司100%不行。”
现在确实是“计算机体系结构的黄金时代”，也有不少炒作，但计算机架构不是那么简单的事情。芯片的技术周期很长，也极少能用一代就取得成功，需要不断的迭代，这期间芯片的架构可能过时，或者有竞争对手出现。
做芯片是非常难的一件事情——你或许真的能设计出一款能解决一切问题的超级芯片，但要将这款芯片制造出来，需要付出大量的努力，而就算芯片真的做出来了，成功也不仅仅是靠处理器，还有生态系统和商业模式要考虑，要在百亿台处理器规模的数据中心无差错的使用，价格要能让客户用得起。
这也是 Nervana Systems 选择被英特尔收购的原因。“我们想要的是把自己的技术推向市场，而英特尔精湛的制造工艺和成熟的销售渠道以及其他资源，让我们能够把 Nervana的技术留下来并推向市场，这是我们唯一关心的。”
“我并不是说所有芯片初创公司都会死，”Naveen 说：“上世纪90年代，图形处理器市场，当初也有成千上万家 GPU 创业公司，有些被收购了，其技术也成为那些公司的一部分，大部分都倒闭了，最终活下来的有多少？而活下来的这两家，在此期间也几度濒临破产。”
“作为芯片初创公司要生存下去实在太难了，”Naveen说。Nervana Systems 曾经有过那么一个窗口，抓住这个机遇或许能成为下一个“英特尔”，但 Naveen和他的团队，做了99%的人都会做的、更保守、更安全、更稳妥、从各种意义上说，也是最明智的选择——投入英特尔的怀抱。（Moblieye 的创始人是不是也是这样想的呢？）
刚刚加入英特尔时，Naveen和他的团队就未来AI和计算的发展着很强的vision，但并没有获得大多数人的同意。
“实际上，当时人工智能对英特尔来说并非值得优先考虑的事情（priority），而现在英特尔的每个部门都在想着AI。”Naveen说：“AI是英特尔‘绝不能输的战场’。”
CPU曾经是英特尔的一切，也是令英特尔如此辉煌的原因。但过去两年来，“CPU就是一切”（注：非Naveen原话）的意识形态在公司内部已经有所转变，大家意识到各种各样的加速器，尤其是AI加速器，开始扮演起越来越重要的角色。
尽管CPU不再是“唯一”，但仍然是计算结构里不可或缺的重要组成部分。Naveen说，只要是冯·诺依曼架构，“你必须要有一个CPU”。
在CPU的周围，你可以放上GPU、DSP、ISP，以及NNP，或者各种新的架构，其中一些会被淘汰，而另一则会被被大家广泛使用，“我们很乐意把大家都用的这种架构放进CPU里”，Naveen说。
CPU+GPU+NNP等众多核心的异构计算很好，把所有这些核心封装到CPU里成为一个SoC也很好，“在我看来这两者是一样的”。
英特尔另一大优势在于，市面上已经安装并且投入使用的CPU。“客户的基础设施更新是逐步做起的，” Naveen 说：“没有人会一下子把旧的全扔掉然后换新的。” 如今，全球有3500万公司使用英特尔的CPU，眼下最火热的人工智能推理，也有近 90% 是在英特尔的芯片上完成。
与此同时，英特尔还在不断打造更好的CPU，不仅为人工智能。
【加入社群】
新智元 AI 技术 + 产业社群招募中，欢迎对 AI 技术 + 产业落地感兴趣的同学，加小助手微信号：aiera2015_2 入群；通过审核后我们将邀请进群，加入社群后务必修改群备注（姓名 - 公司 - 职位；专业群审核较严，敬请谅解）。