都是人工智能受益者，Intel和 NVIDIA境遇大不同
“我们有好几次几乎就破产了。”通常创始人不太谈论自己公司濒死的经历，然而nvidia的老板黄仁勋，说出上面那句话时似乎毫不为意。作为一家开发微处理器和相关软件的公司，nvidia业绩连创新高。上个季度，这家公司收入增长55％达到22亿美元。
过去12个月里，黄仁勋的公司股价几乎翻了两番。
nvidia的成功很大一部分要归因于他们的芯片产品：图形处理单元（gpu）。gpu也可以理解为显卡，可以让电脑在玩游戏时表现的更出色。然而现在gpu有了一个新的用武之地：为人工智能（ai）程序提供所需的大量计算能力，特别是在数据中心里。
这些芯片销量非飞涨（如图所示），是信息技术长期转型的最明显标志。由于摩尔定律的减慢（目前芯片的计算能力大约每两年翻一番），以及云计算和ai的快速崛起，处理器市场正在重构。这对半导体产业及其霸主英特尔，产生了深远的影响。
过去的日子对英特尔来说，简直顺风顺水。无论个人电脑市场还是服务器领域，英特尔生产的中央处理器（cpu），可以胜任几乎所有的“工作负载”。因为制造了强大的cpu，英特尔掌控了个人电脑市场80％的份额，以及几乎完全垄断服务器市场。
过去一年，英特尔的收入接近600亿美元。
如今这个单极世界开始崩溃。cpu的更新换代速度，已经无法满足需求。机器学习和其他ai应用，需要大量的数据，对数据处理能力的需求比几年前整个数据中心的消耗还多。所以英特尔的客户，例如google和微软以及其他大数据中心运营商，正在选择来自其他厂商越来越专业的处理器，甚至开始自己设计处理器。
nvidia的gpu就是一例。这个产品最初被设计用来执行交互式视频游戏所需的大规模复杂计算，也就是给大型游戏加速。gpu有数百个专门用于计算数据的“核心”，所有的核心都是并行工作。而cpu只有几个核心，顺序地处理计算任务。
nvidia最新的处理器有3584个核心，而因特尔服务器cpu最多有28个。
在2008－2009年的全球金融危机期间，已经接近破产的nvidia迎来了自己的幸运时刻。这家公司发现对冲基金和研究机构，正在把他们处理器用于新的领域，例如计算复杂的投资策略或者研究气候变化模型。
nvidia开发了一种称为cuda的编程架构，帮助客户为不同的任务对处理器进行编程。cuda能够让gpu解决复杂的计算问题。所以当几年前云计算、大数据和ai开始崛起之后，能够满足需求的nvidia芯片简直堪称生逢其时。
每一个互联网巨头都在使用nvidia出品的gpu，驱动他们各自的ai服务在大量数据中进行挖掘，无论是医学图像或是人类语音等等。nvidia来自数据中心运营商的销售收入，在过去一年增长了三倍，达到2．96亿美元。
然而在众多的专用处理器中，gpu只是其中的一种。随着云计算公司为了保持领先优势，不断提高运营效率而混合和匹配芯片，处理器的范围正在扩大。“为正确的工作找到合适的工具”，负责google基础设施的urs hlzle说，要在灵活性、速度和成本间取得平衡。
候选范围的一端是asic，意思是专用集成电路。顾名思义，这种芯片为了单一目的而搭建，速度最快、能效最高。许多创业公司正在开发这种内建ai算法的芯片。google已经为语音识别而建造了一个称为tpu的asic芯片。
另一端是现场可编程门阵列：fpga。这种芯片可以编程，也就有了更大的灵活性。尽管这种芯片不容易调教，微软还是把他们加入到很多服务器中，例如在线搜索必应（bing）。“我们现在有世界上最多的fpga”，微软计算云azure的cto说。
偏执的时候到了
英特尔近年来专注于制造更强大的cpu，而不是生产asic或fpga。
人们普遍认为，传统的处理器不会很快失去地位：每一台服务器都需要它们，无数应用运行在它们之上。英特尔的芯片销售还在增长，不过gartner的it咨询师alan priestley认为，加速芯片的高速增长对这家公司来说是个坏消息，在这些芯片上完成的计算越多，在cpu上运行的就越少。
英特尔的一个对策，是借助收购来追赶。2015年，英特尔以167亿美元的价格收购了fpga生产商altera；8月，又花了4亿美元收购了nervana，这是一家成立仅3年的创业公司，开发从软件到芯片的专用ai系统。
英特尔说，他们把专用处理器视为机会而非威胁。英特尔数据中心业务主管diane bryant说，新的计算工作往往是先在专用处理器上进行，随后被“拉进cpu”，比如说加密，这项计算也曾用单独的半导体组件来处理，但现在只是英特尔cpu上的一个简单指令。
英特尔cpu几乎占领了全球所有处理器市场，对于企业来说，在加速芯片上运行ai等新型计算工作意味着额外开销和更高的复杂性。
英特尔已经在为这样的融合而进行投资。今年夏天，它将开始销售代号“knights mill”的新处理器，来与nvidia竞争。同时，英特尔也在开发另一款芯片，名叫“knights crest”，这款芯片融合了nervana的技术。从某种意义上讲，英特尔也希望能将altera的fpga融合到自己的cpu之中。
可以预见的是，竞争者们对未来有着不同见解。
nvidia认为，他们已经有了自己的计算平台，很多公司用他们的芯片来开发、运行ai应用，他们也为其他类型的程序创造了软件基础设施，用于可视化和vr等领域。
数十岁高龄的计算巨头ibm也在试着抢英特尔的生意。2013年，ibm开源了自己的处理器架构power，把它变成了半导体行业某种意义上的公共资产。专用芯片的制造商更容易将自己的硬件同强大的cpu结合在一起，而ibm掌握着平台发展方式的话语权。
这很大程度上依赖着ai如何发展，如果ai没能在几年内带来很多人所期待向往的变革，英特尔的机会还不错；但是，如果ai能在接下来的十几年中继续影响各行各业，其他处理器就有着更大的胜算。idc市场分析师matthew eastwood这样表示。
从ai技术应用的广大范围来看，第二种情况更可能发生。
当然，一个粗大笨重的cpu独揽所有工作，不管计算量和难度的时代已经过去了。它跌下云端摔得粉碎，英特尔拼尽全力，也无法让它恢复往日荣光。
京东对外发布人工智能开放平台“NeuHub”
基于结构色水凝胶的生物传感器应用
PSA宣布了自己的eVMP纯电动汽车专用平台
三大运营商的校园营销违规，究竟何时才能终止
大坝水库安全监测终端MCU，智能化管理的新篇章！
都是人工智能受益者，Intel和 NVIDIA境遇大不同
MediaTek发布全新8K旗舰智能电视芯片Pentonic 2000
Imagination IMG CXT光线追踪助于为应用程序提供更逼真的阴影和反射
双目立体视觉技术原理 现在深度相机的技术路线
电信联通将合建一张5G网 共建共享
推进我国人工智能深入发展的六大关键所在
编程中引用头文件的几种方法及要点
人是AI无限趋近但又永远达不到天花板的存在
中科院核心电子材料取得突破，国产CPU或将全部盘活
光纤连接头操作注意事项及清洁步骤
倍加福推出集成了工业以太网接口和REST API的IUT-F190-B40 UHF读/写头，扩展RFID产品组合
五分钟看懂启辰晨风电动车技术
用于汽车散热器和冷却风扇控制的NTC热敏电阻
苹果语音芯片供应商Audience出局股价跌63% 弃妇效应显现
示波器探头在医疗设备测试的应用
过去12个月里，黄仁勋的公司股价几乎翻了两番。
nvidia的成功很大一部分要归因于他们的芯片产品：图形处理单元（gpu）。gpu也可以理解为显卡，可以让电脑在玩游戏时表现的更出色。然而现在gpu有了一个新的用武之地：为人工智能（ai）程序提供所需的大量计算能力，特别是在数据中心里。
这些芯片销量非飞涨（如图所示），是信息技术长期转型的最明显标志。由于摩尔定律的减慢（目前芯片的计算能力大约每两年翻一番），以及云计算和ai的快速崛起，处理器市场正在重构。这对半导体产业及其霸主英特尔，产生了深远的影响。
过去的日子对英特尔来说，简直顺风顺水。无论个人电脑市场还是服务器领域，英特尔生产的中央处理器（cpu），可以胜任几乎所有的“工作负载”。因为制造了强大的cpu，英特尔掌控了个人电脑市场80％的份额，以及几乎完全垄断服务器市场。
过去一年，英特尔的收入接近600亿美元。
如今这个单极世界开始崩溃。cpu的更新换代速度，已经无法满足需求。机器学习和其他ai应用，需要大量的数据，对数据处理能力的需求比几年前整个数据中心的消耗还多。所以英特尔的客户，例如google和微软以及其他大数据中心运营商，正在选择来自其他厂商越来越专业的处理器，甚至开始自己设计处理器。
nvidia的gpu就是一例。这个产品最初被设计用来执行交互式视频游戏所需的大规模复杂计算，也就是给大型游戏加速。gpu有数百个专门用于计算数据的“核心”，所有的核心都是并行工作。而cpu只有几个核心，顺序地处理计算任务。
nvidia最新的处理器有3584个核心，而因特尔服务器cpu最多有28个。
在2008－2009年的全球金融危机期间，已经接近破产的nvidia迎来了自己的幸运时刻。这家公司发现对冲基金和研究机构，正在把他们处理器用于新的领域，例如计算复杂的投资策略或者研究气候变化模型。
nvidia开发了一种称为cuda的编程架构，帮助客户为不同的任务对处理器进行编程。cuda能够让gpu解决复杂的计算问题。所以当几年前云计算、大数据和ai开始崛起之后，能够满足需求的nvidia芯片简直堪称生逢其时。
每一个互联网巨头都在使用nvidia出品的gpu，驱动他们各自的ai服务在大量数据中进行挖掘，无论是医学图像或是人类语音等等。nvidia来自数据中心运营商的销售收入，在过去一年增长了三倍，达到2．96亿美元。
然而在众多的专用处理器中，gpu只是其中的一种。随着云计算公司为了保持领先优势，不断提高运营效率而混合和匹配芯片，处理器的范围正在扩大。“为正确的工作找到合适的工具”，负责google基础设施的urs hlzle说，要在灵活性、速度和成本间取得平衡。
候选范围的一端是asic，意思是专用集成电路。顾名思义，这种芯片为了单一目的而搭建，速度最快、能效最高。许多创业公司正在开发这种内建ai算法的芯片。google已经为语音识别而建造了一个称为tpu的asic芯片。
另一端是现场可编程门阵列：fpga。这种芯片可以编程，也就有了更大的灵活性。尽管这种芯片不容易调教，微软还是把他们加入到很多服务器中，例如在线搜索必应（bing）。“我们现在有世界上最多的fpga”，微软计算云azure的cto说。
偏执的时候到了
英特尔近年来专注于制造更强大的cpu，而不是生产asic或fpga。
人们普遍认为，传统的处理器不会很快失去地位：每一台服务器都需要它们，无数应用运行在它们之上。英特尔的芯片销售还在增长，不过gartner的it咨询师alan priestley认为，加速芯片的高速增长对这家公司来说是个坏消息，在这些芯片上完成的计算越多，在cpu上运行的就越少。
英特尔的一个对策，是借助收购来追赶。2015年，英特尔以167亿美元的价格收购了fpga生产商altera；8月，又花了4亿美元收购了nervana，这是一家成立仅3年的创业公司，开发从软件到芯片的专用ai系统。
英特尔说，他们把专用处理器视为机会而非威胁。英特尔数据中心业务主管diane bryant说，新的计算工作往往是先在专用处理器上进行，随后被“拉进cpu”，比如说加密，这项计算也曾用单独的半导体组件来处理，但现在只是英特尔cpu上的一个简单指令。
英特尔cpu几乎占领了全球所有处理器市场，对于企业来说，在加速芯片上运行ai等新型计算工作意味着额外开销和更高的复杂性。
英特尔已经在为这样的融合而进行投资。今年夏天，它将开始销售代号“knights mill”的新处理器，来与nvidia竞争。同时，英特尔也在开发另一款芯片，名叫“knights crest”，这款芯片融合了nervana的技术。从某种意义上讲，英特尔也希望能将altera的fpga融合到自己的cpu之中。
可以预见的是，竞争者们对未来有着不同见解。
nvidia认为，他们已经有了自己的计算平台，很多公司用他们的芯片来开发、运行ai应用，他们也为其他类型的程序创造了软件基础设施，用于可视化和vr等领域。
数十岁高龄的计算巨头ibm也在试着抢英特尔的生意。2013年，ibm开源了自己的处理器架构power，把它变成了半导体行业某种意义上的公共资产。专用芯片的制造商更容易将自己的硬件同强大的cpu结合在一起，而ibm掌握着平台发展方式的话语权。
这很大程度上依赖着ai如何发展，如果ai没能在几年内带来很多人所期待向往的变革，英特尔的机会还不错；但是，如果ai能在接下来的十几年中继续影响各行各业，其他处理器就有着更大的胜算。idc市场分析师matthew eastwood这样表示。
从ai技术应用的广大范围来看，第二种情况更可能发生。
当然，一个粗大笨重的cpu独揽所有工作，不管计算量和难度的时代已经过去了。它跌下云端摔得粉碎，英特尔拼尽全力，也无法让它恢复往日荣光。
京东对外发布人工智能开放平台“NeuHub”
基于结构色水凝胶的生物传感器应用
PSA宣布了自己的eVMP纯电动汽车专用平台
三大运营商的校园营销违规，究竟何时才能终止
大坝水库安全监测终端MCU，智能化管理的新篇章！
都是人工智能受益者，Intel和 NVIDIA境遇大不同
MediaTek发布全新8K旗舰智能电视芯片Pentonic 2000
Imagination IMG CXT光线追踪助于为应用程序提供更逼真的阴影和反射
双目立体视觉技术原理 现在深度相机的技术路线
电信联通将合建一张5G网 共建共享
推进我国人工智能深入发展的六大关键所在
编程中引用头文件的几种方法及要点
人是AI无限趋近但又永远达不到天花板的存在
中科院核心电子材料取得突破，国产CPU或将全部盘活
光纤连接头操作注意事项及清洁步骤
倍加福推出集成了工业以太网接口和REST API的IUT-F190-B40 UHF读/写头，扩展RFID产品组合
五分钟看懂启辰晨风电动车技术
用于汽车散热器和冷却风扇控制的NTC热敏电阻
苹果语音芯片供应商Audience出局股价跌63% 弃妇效应显现
示波器探头在医疗设备测试的应用