近日一则消息让业界哗然，英特尔宣布：将结束在神经网络处理器方面的工作，将重心转向人工智能芯片，而研发 AI 芯片的核心单位就是英特尔去年重金收购的 HabanaLabs。

名噪一时的 Nervana走下神坛，Habana 在开启另一个时代。这足以证明，为了 AI 时代的胜利，英特尔再一次“壮士断腕”。

当然，这不是英特尔第一次下决绝之手，遥想当年，英特尔还是存储芯片市场的老大。

从存储芯片到CPU的“战略转折”

1985 年，面对日本厂商的低价竞争，英特尔在存储芯片市场战陷入运营危机，业界都在怀疑英特尔是否能生存下去，以“偏执狂”著称的格鲁夫和时任英特尔首席执行官摩尔有一段经典的对话。

格鲁夫问摩尔：如果我们下台，另选一名新总裁，你认为他会采取什么行动？

摩尔回答：会放弃存储芯片业务。

格鲁夫反问：那我们为什么不自己动手？

于是英特尔断然放弃了存储芯片业务，将当时还是副业的微处理器业务扶上主位，这次转型让英特尔赢得了 CPU 时代的胜利。到 1992 年，英特尔成为了全球半导体市场的霸主，而当年打败英特尔的日本企业却不见踪影，这次决策被格鲁夫称为“战略转折点”，也正是这次转折成就了英特尔后面十年的辉煌。

痛失移动处理器市场的“症结”

时间来到 2010 年，智能手机需求不断升温，以高通为首的一大堆移动处理器厂商迅速崛起，但是英特尔并没有及时作出反应。直到 2011 年，英特尔才宣布用 Atom 系列处理器进入移动芯片领域，人称“阿童木”系列，而这个寄予厚望的产品线却让英特尔败走移动处理器市场。

和其它厂商采用 Arm 架构大相径庭，英特尔的 Atom 系列坚持采用了 x86 架构，而且 Atom Z2580 和 Android 系统出现了严重的兼容性问题，给消费者留下了极差的印象。让用户不解的是，在 2013 年，当高通和联发科采用 28nm 推出了骁龙 801 和 MT6592 时，Atom Z2580 还在采用 32nm，x86 架构本来在功耗上就处于劣势，落后的工艺制程让 Atom 处理器的功耗和封装体积问题雪上加霜；到 2015 年，主流移动处理器厂商纷纷奔向 20nm、14nm，而英特尔推出的 Atom Z3580 依然坚守在了 22nm。如果是 Fabless 厂商出现这种情况我们可以理解，但是发生在拥有代工厂的英特尔身上真是让人大跌眼镜。

更让人匪夷所思的是，当时英特尔的桌面处理器已经量产了 14nm 芯片，可见英特尔在自我博弈，想要拿到移动处理器市场，也不想让 PC 产品失去优势。然而，鱼与熊掌不可兼得，即使后面英特尔散钱式补贴平板电脑市场都没能挽救 Atom 系列被移动处理器抛弃的命运。

随后不甘心的英特尔又为移动处理器市场打造了两款产品 –Broxton 和 SoFIA，Broxton 面向高端移动产品，采用全新的 Goldmont 架构、14nm 工艺制造，原计划在 2015 年中旬推出；SoFIA 面向低端移动产品，宣称是 Intel 首款整合有基带芯片的移动 SoC，在 2014 年下半年推出了搭载 3G 基带的第一代产品，原计划在 2015 年推出的带有 4G 基带的 SoC，但是这两款产品都无缘上市。

最终，在 2016 年 5 月，英特尔正式对外宣布全面取消 Broxton 和 SoFIA 两款凌动处理器产品线的开发，放弃移动芯片市场，此时英特尔在移动处理器芯片市场的投入已经超过 100 亿美金。

笔者百思不得其解：英特尔为什么死守复杂指令集（CISC）（也就是 x86 架构），而不选择更适合移动处理器市场的精简指令集（RISC）呢？直到我看到另一个故事才恍然大悟。

英特尔不是没有拥戴过精简指令集，早在格鲁夫“执政”时代，英特尔就发现 RISC 能够用较少的晶体管完成绝大多数计算任务，负责计算技术的工程师们也曾为其优越的性能欢欣鼓舞，甚至格鲁夫还亲自为 RISC 推波助澜。

当时任英特尔高层主管 Craig Kinnie 和 Dennis Carter 找到格鲁夫严厉指出：安迪，你不能这么干。放弃 CISC 上马 RISC，将断送商业史上最大的特许经营生意，而得到的是一大堆竞争对手。

最终，格鲁夫被说服了，事后他十分感慨：我们差点儿就葬送了公司，我们的技术是行业标准。这个特许经营业务价值超过百亿美元。而我却由于一个漂亮新产品的诱惑而忘记市场，差点儿就把生意白白断送掉。

这段故事或许就是英特尔坚守复杂指令集的最大原因，但是当年的成功经验在移动处理器市场并没有奏效，反而让英特尔节节败退，最后无疾而终。或许在移动处理器市场的失败也会给英特尔带来某些启示。

AI成就英伟达，英特尔棋逢对手

转眼到了 AI 时代，对处理复杂运算和并行运算的天然优势让英伟达和它的 GPU 站在了聚光灯下。虽然现在 AI 芯片已经遍地开花，创业公司不断涌现，但是 AI 芯片市场依然是英伟达的 GPU 独霸江湖，其产品在图形处理方面占有据对优势，市场占有率高达一半以上，英特尔可谓棋逢对手。

业界预测，AI 芯片市场规模在 2022 年将达到 352 亿美元。英特尔自己也预测，2024 年 AI 芯片市场规模将超过 250 亿美元。作为处理器市场的老大，英特尔自然不肯放过 AI 这块肥肉。不过此时的英特尔已经意识到，仅凭自己砸钱研发难以追赶技术的发展，于是它选择了通过收购快速扩张：

2016 年 8 月，英特尔以 4.08 亿美元的价格收购 AI 创业公司 Nervana Systems。Nervana 成立于 2014 年，其产品是神经网络芯片，产品架构设计很有特色，针对 AI 需要高性能内存的特点放弃了标准缓存系统，改用软件管理内存系统。收购 Nervana 之后，英特尔将技术进行整合推出了多款 Nervana AI 芯片，主要有 Nervana NNP-T 及 Nervana NNP-I 这两款。

2016 年，英特尔还收购了另外一家 AI 芯片公司 movidus。movidus 成立于 2006 年，花费九年时间研发了低价低功耗高性能的视觉处理器芯片——Myriad 系列 VPU，而在被英特尔收购之前，其产品就已经应用于谷歌和大疆的产品中。

2018 年，英特尔收购了 AI 初创公司 Vertex.ai。Vertex.ai 专注于开发深度学习汇编工具和相关技术。Vertex.ai 联合创始人宗 – 恩格（Choong Ng）曾表示，他们看到性能强大的 CPU 和 GPU 存在缺乏便携式、对开发者友好工具的问题，而他们则发现了利用新软件 PlaidML 引擎解决针对所有平台的兼容性和便携性的问题。被收购后，Vertex.ai 并入英特尔 Movidius 部门，PlaidML 在 Apache 2.0 开源授权项目下使用英特尔的 nGraph 编译器后台继续支持一系列硬件。

英伟达凭借 GPU 在 AI 市场所向披靡，让英特尔阵阵刺痛，这也激发了英特尔研发 GPU 的决心。2019 年 2 月，英特尔收购了印度初创公司 Ineda Systems，这家公司是由海德拉巴市连续创业家 Gude Dasaradha 于 2011 年创立，进行人工智能、自动驾驶和物联网技术开发，2013 年至 2014 年间，该公司因设计和开发用于可穿戴设别的低功耗 SoC 芯片而闻名。重点在于，此次收购令英特尔从 Ineda 公司吸纳超过 100 名具备图形开发技术的工程师。英特尔表示，本次交易有助于自己打造世界级的独立 GPU 产品。

对于 AI 市场，英特尔可谓不惜重金布局，处处圈地，势在必得。

Habana Labs：为了“被收购”而生

Habana Labs 这家公司可谓以技术取胜，在 2018 年就发布了推理处理器 Goya，而这个产品简直就是为了被英特尔收购而打造的。笔者第一次采访 Habana Labs 是在 2019 年 6 月，其首席商务官 Eitan Medina 向与非网介绍，基于 Goya HL-1000 处理器的 PCIe 卡可基于 ResNet-50 推理基准实现每秒 15000 张图片的吞吐量，延迟时间为 1.3 毫秒，功耗仅为 100 瓦，主要应用于数据中心。

让笔者吃惊的是，Habana 的 Goya 产品直接对标的就是英伟达的 Tesla T4，从对比图上可以看出，Goya 的性能是 Tesla T4 的三倍；从能耗上来看，比 GPU 有两倍的优势；在实时处理上，延迟也比 GPU 要低很多。与传统的 CPU 对比，8 片 V100 GPU 的性能等同于 169 片传统 CPU 的处理能力，而 3 片 Goya 处理器就可以达到 8 片 V100 的处理效果。

如果我是英特尔，看到 Goya 的性能也会心动的。