“我們有好幾次幾乎就破產(chǎn)了。”通常創(chuàng)始人不太談論自己公司瀕死的經(jīng)歷，然而Nvidia的老板黃仁勛，說出上面那句話時似乎毫不為意。作為一家開發(fā)微處理器和相關(guān)軟件的公司，Nvidia業(yè)績連創(chuàng)新高。上個季度，這家公司收入增長55％達到22億美元。

過去12個月里，黃仁勛的公司股價幾乎翻了兩番。

Nvidia的成功很大一部分要歸因于他們的芯片產(chǎn)品：圖形處理單元（GPU）。GPU也可以理解為顯卡，可以讓電腦在玩游戲時表現(xiàn)的更出色。然而現(xiàn)在GPU有了一個新的用武之地：為人工智能（AI）程序提供所需的大量計算能力，特別是在數(shù)據(jù)中心里。

這些芯片銷量非飛漲（如圖所示），是信息技術(shù)長期轉(zhuǎn)型的最明顯標志。由于摩爾定律的減慢（目前芯片的計算能力大約每兩年翻一番），以及云計算和AI的快速崛起，處理器市場正在重構(gòu)。這對半導體產(chǎn)業(yè)及其霸主英特爾，產(chǎn)生了深遠的影響。

過去的日子對英特爾來說，簡直順風順水。無論個人電腦市場還是服務器領域，英特爾生產(chǎn)的中央處理器（CPU），可以勝任幾乎所有的“工作負載”。因為制造了強大的CPU，英特爾掌控了個人電腦市場80％的份額，以及幾乎完全壟斷服務器市場。

過去一年，英特爾的收入接近600億美元。

如今這個單極世界開始崩潰。CPU的更新?lián)Q代速度，已經(jīng)無法滿足需求。機器學習和其他AI應用，需要大量的數(shù)據(jù)，對數(shù)據(jù)處理能力的需求比幾年前整個數(shù)據(jù)中心的消耗還多。所以英特爾的客戶，例如Google和微軟以及其他大數(shù)據(jù)中心運營商，正在選擇來自其他廠商越來越專業(yè)的處理器，甚至開始自己設計處理器。

Nvidia的GPU就是一例。這個產(chǎn)品最初被設計用來執(zhí)行交互式視頻游戲所需的大規(guī)模復雜計算，也就是給大型游戲加速。GPU有數(shù)百個專門用于計算數(shù)據(jù)的“核心”，所有的核心都是并行工作。而CPU只有幾個核心，順序地處理計算任務。

Nvidia最新的處理器有3584個核心，而因特爾服務器CPU最多有28個。

在2008－2009年的全球金融危機期間，已經(jīng)接近破產(chǎn)的Nvidia迎來了自己的幸運時刻。這家公司發(fā)現(xiàn)對沖基金和研究機構(gòu)，正在把他們處理器用于新的領域，例如計算復雜的投資策略或者研究氣候變化模型。

Nvidia開發(fā)了一種稱為CUDA的編程架構(gòu)，幫助客戶為不同的任務對處理器進行編程。CUDA能夠讓GPU解決復雜的計算問題。所以當幾年前云計算、大數(shù)據(jù)和AI開始崛起之后，能夠滿足需求的Nvidia芯片簡直堪稱生逢其時。

每一個互聯(lián)網(wǎng)巨頭都在使用Nvidia出品的GPU，驅(qū)動他們各自的AI服務在大量數(shù)據(jù)中進行挖掘，無論是醫(yī)學圖像或是人類語音等等。Nvidia來自數(shù)據(jù)中心運營商的銷售收入，在過去一年增長了三倍，達到2．96億美元。

然而在眾多的專用處理器中，GPU只是其中的一種。隨著云計算公司為了保持領先優(yōu)勢，不斷提高運營效率而混合和匹配芯片，處理器的范圍正在擴大。“為正確的工作找到合適的工具”，負責Google基礎設施的Urs Hlzle說，要在靈活性、速度和成本間取得平衡。

候選范圍的一端是ASIC，意思是專用集成電路。顧名思義，這種芯片為了單一目的而搭建，速度最快、能效最高。許多創(chuàng)業(yè)公司正在開發(fā)這種內(nèi)建AI算法的芯片。Google已經(jīng)為語音識別而建造了一個稱為TPU的ASIC芯片。

另一端是現(xiàn)場可編程門陣列：FPGA。這種芯片可以編程，也就有了更大的靈活性。盡管這種芯片不容易調(diào)教，微軟還是把他們加入到很多服務器中，例如在線搜索必應（Bing）。“我們現(xiàn)在有世界上最多的FPGA”，微軟計算云Azure的CTO說。

偏執(zhí)的時候到了

英特爾近年來專注于制造更強大的CPU，而不是生產(chǎn)ASIC或FPGA。

人們普遍認為，傳統(tǒng)的處理器不會很快失去地位：每一臺服務器都需要它們，無數(shù)應用運行在它們之上。英特爾的芯片銷售還在增長，不過Gartner的IT咨詢師Alan Priestley認為，加速芯片的高速增長對這家公司來說是個壞消息，在這些芯片上完成的計算越多，在CPU上運行的就越少。

英特爾的一個對策，是借助收購來追趕。2015年，英特爾以167億美元的價格收購了FPGA生產(chǎn)商Altera；8月，又花了4億美元收購了Nervana，這是一家成立僅3年的創(chuàng)業(yè)公司，開發(fā)從軟件到芯片的專用AI系統(tǒng)。

英特爾說，他們把專用處理器視為機會而非威脅。英特爾數(shù)據(jù)中心業(yè)務主管Diane Bryant說，新的計算工作往往是先在專用處理器上進行，隨后被“拉進CPU”，比如說加密，這項計算也曾用單獨的半導體組件來處理，但現(xiàn)在只是英特爾CPU上的一個簡單指令。

英特爾CPU幾乎占領了全球所有處理器市場，對于企業(yè)來說，在加速芯片上運行AI等新型計算工作意味著額外開銷和更高的復雜性。

英特爾已經(jīng)在為這樣的融合而進行投資。今年夏天，它將開始銷售代號“Knights Mill”的新處理器，來與Nvidia競爭。同時，英特爾也在開發(fā)另一款芯片，名叫“Knights Crest”，這款芯片融合了Nervana的技術(shù)。從某種意義上講，英特爾也希望能將Altera的FPGA融合到自己的CPU之中。

可以預見的是，競爭者們對未來有著不同見解。

Nvidia認為，他們已經(jīng)有了自己的計算平臺，很多公司用他們的芯片來開發(fā)、運行AI應用，他們也為其他類型的程序創(chuàng)造了軟件基礎設施，用于可視化和VR等領域。

數(shù)十歲高齡的計算巨頭IBM也在試著搶英特爾的生意。2013年，IBM開源了自己的處理器架構(gòu)Power，把它變成了半導體行業(yè)某種意義上的公共資產(chǎn)。專用芯片的制造商更容易將自己的硬件同強大的CPU結(jié)合在一起，而IBM掌握著平臺發(fā)展方式的話語權(quán)。

這很大程度上依賴著AI如何發(fā)展，如果AI沒能在幾年內(nèi)帶來很多人所期待向往的變革，英特爾的機會還不錯；但是，如果AI能在接下來的十幾年中繼續(xù)影響各行各業(yè)，其他處理器就有著更大的勝算。IDC市場分析師Matthew Eastwood這樣表示。

從AI技術(shù)應用的廣大范圍來看，第二種情況更可能發(fā)生。

當然，一個粗大笨重的CPU獨攬所有工作，不管計算量和難度的時代已經(jīng)過去了。它跌下云端摔得粉碎，英特爾拼盡全力，也無法讓它恢復往日榮光。