英特爾曾開創大時代,是誰另闢AI 新沙場?

0
432
圖片來源:Alex Knight from Pexels

每個時代都有創世者,誰創造了 AI 時代?

科技行業的顛覆式創新,永遠始於邊緣化市場的異軍突起。

從12年前英特爾原CEO保羅.歐德寧(Paul Stevens Otellini)對智慧手機晶片商業潛力的不屑,而將喬布斯拒之門外,再到遊戲顯卡市場常年被晶片巨頭的戰略忽視。邊緣化市場於壟斷者而言,是提高平均生成成本、拉低利潤率的拖後腿業務,人人避而遠之。

然而現實往往十分戲劇性,上述這兩大不被主流玩家接納的邊緣化場景,誕生出了千億級市值的高通和輝達。他們從邊緣演變至新主流的過程中,隨之帶來的,則是萬億級產值的移動帝國和智慧浪潮。

既定領域強者愈強、弱者愈弱的馬太效應,已成為從業者潛意識裡的商業鐵律,但歷史告訴我們:邊緣化市場的創新,往往是違反常識的。

揭開大時代的序幕:英特爾的4004微處理器

1970年夏天,英特爾開發出了全世界第一款商用微處理器「4004」(即4位的4004處理器),這款處理器集成了 2250 個晶體管,能夠處理 4bit 數據,每秒運算 6 萬次,頻率為 108KHZ。

4004的橫空出世,被認為是拉開了微處理器時代的大幕。

1971年中,英特爾很快又從日本手錶制造商精工集團手上接下了一個不小的訂單,後者急需通過電子手錶這一創新產品撬開消費類電子市場金礦的大門,需要更為強大的邏輯晶片作支撐。

強大業務驅動下,英特爾加班加點埋頭苦幹,並於1972年初正式推出8位8008處理器 。

當所有人都為這兩款震驚世界的晶片產品而欣喜、瘋狂時,它們的主要研發者,年輕物理學家費德裡科.法金並不滿足,他又開始著手研發一款真正意義上的單晶片微處理器。

在法金的思維象限裡,4004、8008雖然剛剛問世,但都是用於四晶片組,實際應用效果非常有限,如果單晶片微處理器能夠面世,不但處理速度快且實用性較強。

英特爾開發的微處理器 8080,可說是開啟了家用電腦的先河。
圖片來源:Malte Lu from Pexels

1974年3月,也就是法金和他的團隊著手產品設計僅9個月後,英特爾正式向公眾推出了世界上第一款單晶片微處理器8080。

這款處理器一經發布便掀起了半導體界顛覆性革命,8位晶片運算速度達到每秒29萬次,約為8008晶片的10倍。

次月,電腦愛好者埃德.羅伯茨拿到了 8080 微處理器的一些包含相關參賽的手寫表格,同時著手打造一款置於晶片上的計算機。(Google、Intel、IBM與微軟搶著研發,量子電腦的魅力究竟在哪?

1975年1月,《大眾電子學》封面刊登了由羅伯茨組裝的個人電腦 Altair 8800 ,並在導語處印上了加粗的14個大字:電腦走進千家萬戶的時代,來臨了!

當保羅.艾倫在哈佛廣場中央的報攤上看到《大眾電子學》上印著 Altair 8800 圖片時,他像是看到了新大陸,他踏著泥濘的積雪,一路小跑著來到比爾.蓋茨在哈佛的寢室。

讀完文章後,蓋茨好像意識到了什麽,他沒有多想,便和艾倫參與到這場革命中,接下來的幾個月時間裡,兩人開始瘋狂為個人電腦編寫軟件。

同時,Altair 8800 也吸引了沃茲.尼亞克的注意,不同於羅伯茨,沃茲是專業的計算機工程師,當天晚上,他也在紙上畫下了蘋果I型電腦的雛形。

英特爾8080 微處理器的推出,讓多少名不見經傳的小人物看到了機會,轉身一變,化身商業大佬。而英特爾,也憑借三款微處理器組成的產品家族,尤其是最新的旗艦產品 8080 ,占據了市場領導地位。

在此後長達半個世紀裡,隨著微處理器成為數十個主要行業內成千上萬種產品的核心大腦,英特爾也一步一步建立起了一個PC時代的嶄新晶片王國。

英特爾錯失良機,移動晶片與CDMA趁勢而起

歷史車輪滾滾前行,誰都不能永遠年輕。

在英特爾與微軟組成的Wintel聯盟如日中天幾十年後,他們遺憾錯失了規模較PC市場大得多的移動市場。

船大難掉頭也好、後浪推前浪也罷,在時代面前,就移動市場而言,英特爾輸了。移動時代的晶片領域則是高通的天下,又一位義大利技術天才維特比霸道登場。

維特比發明的分碼多重進接技術CDMA,將現代數字通信的解碼複雜度降到極低,而這也讓他和他的公司化身這個時代的寵兒。

於移動晶片市場,英特爾曾經投入大量資金,嘗試通過收購英飛淩無線事業部強力涉足,但是這種試水性投資並沒有給前者帶來太多驚喜,最終還是竹籃打水,落得一場空。

2016年6月27日,Marvell以6億美元的現金收購了英特爾通信與應用處理器部門,獲得了英特爾的XScale產品線。

這一舉動也正式宣告英特爾真正放棄了移動市場。就移動市場而言,其實英特爾也注意到了,但它的確回天乏術。

《創新者的窘境》中提到,一個優秀企業的處境也可能很糟糕,而且企業越好,就越容易失敗。

傳聞,當年喬布斯推出第一代iPhone,首先找到的廠商便是英特爾,邀請他們生產iPhone手機晶片,因為他們有品牌保障、有成熟的生產線。(iPhone 11暗藏定位商機!蘋果:這只是個開端

對於彼時的英特爾來說,這類手機晶片毫無技術障礙,最大的障礙就是價格。喬布斯給出的價格是每片10美元,而當時英特爾生產的CPU晶片,價格一般都在每片100美元以上。

為了一個前景不明的所謂的智慧手機業務,騰出為英特爾超極本生產100美元晶片的生產線,去做10美元的手機晶片,換做大多數人,都是拒絕的。

蘋果這趟車,英特爾算是沒搭上,這一步,也讓它徹底成了移動晶片市場的「觀眾」。

回憶當年的這一決策,時任英特爾CEO保羅.歐德寧在其宣布卸任的那一天也懺悔了過錯,「英特爾的晶片原本可以出現在蘋果手機中,但我當時回絕了蘋果提出的交易。」

AI 時代來臨!輝達抓到新技術趨勢

進入AI時代,To B市場的數據能力被強制喚醒,而它又開闢了晶片產業的一個新戰場。(AI商用,管理者必須先體認到的5個迷思

英特爾與移動晶片市場失之交臂,而輝達卻搶先嗅到了下一波趨勢在AI領域。
圖片來源:Jordan Harrison from Pexels

AI晶片相比通用晶片在執行AI算法時效率更高、成本和功耗更低,它按技術路線可分為GPU、FPGA和ASIC,按功能可分為雲端訓練晶片、雲端推斷晶片和終端推斷晶片。

在這個技術節點,輝達(NVIDIA)來了。

輝達CEO黃仁勳一直提到一個觀點,過去大多行業都是依賴摩爾定律來推動,但它太老了、太慢了,GPU才是全新的「超級摩爾定律」,這也是整個行業千載難逢的機遇。

2015年前後,業界對於GPU摩爾定律視若無睹,那時候GPU的角色更多是顯卡的核心部件,主要受眾在遊戲市場。

大多數人並沒有意識到,一些變化正在潛移默化地發生著。

輝達早在2007年年中就推出的、為釋放GPU獨特並行運算所打造的CUDA計算架構,和很早就提出基礎理念但遲遲沒有實質進展的人工智慧走到了一起。

這兩者互相成全,AI找到了一條通過算力暴力突破瓶頸的捷徑;而GPU也終於在遊戲和專業應用之外找到了一個新的市場、一個幾乎無所不覆蓋的新市場。

譬如安防市場,在這個領域,99%以上的數據是非結構化數據,安防大數據要走向深度應用首先必須解決的就是視頻結構化問題。

早在2016年,海康威視便基於輝達Jetson TX1發布最新雙目智慧攝影機產品,借助GPU的強大視覺計算性能和深度學習技術,在實現強大視頻捕捉能力的同時滿足了對海量計算的需求。

此外,包括華為、比特大陸、寒武紀等中國AI晶片廠商也發布了相關產品,為高性能智慧分析服務器市場提供更多選擇。

雲端之外,就AI晶片邊緣側,來自中國戰區的炮火聲也不小。

比如地平線,在智慧攝影鏡頭嵌入AI晶片方面,地平線的AI晶片已經具備了在前端實現大規模人臉檢測跟蹤、視頻結構化處理的性能。

更為重要的是,地平線不僅手握AI晶片,還具有結合場景的深度AI算法,這是他們在安防行業競爭的殺手鐧。智慧視覺分析應用,不僅需要超強大的AI晶片,還要有結合業務場景的應用算法,雙劍合璧,效率更高。

畢竟,一個裁縫做出來的上衣加褲子才能稱為一套完美的衣服。

比如雲天勵飛,它於2018年推出了第二代基於視覺應用的人工智慧晶片DeepEye1000。DeepEye1000是一款異構多核並行計算SoC晶片,內嵌具備自主知識產權指令集的多核神經網絡處理器。

與通用GPU相比,DeepEye1000單位性能提升20倍,單位能效提升100倍,系統時延降低200倍。隨著雲天勵飛DeepEye1000的推出以及應用場景的拓展,雲天勵飛的AI晶片將會以更快的速度實現更大規模的商用。

再比如觸景無限,這是一家行業最早布局前端視覺感知的AI企業,過去幾年,他們已經成功推出包括盾悟智慧盒/分析主機、人工智慧模塊「瞬視」、角蜂鳥Horned Sungem AI視覺套件等過硬產品,鍛造出了一個完整的覆蓋安防、教育、金融等領域的解決方案生態體系。

談完AI晶片新銳公司,再看傳統安防巨頭。

公開資料顯示,海康及其關聯公司已經開始在晶片領域進行投資、並購和投產研發,涉及了SSD主控晶片、AI晶片等。

另外,2018年人工智慧與實體經濟深度融合創新項目名單中,也將大華申報的視頻監控人工智慧SoC晶片研發及應用的項目公之於眾。

作為傳統安防玩家,他們的優勢是對安防各類應用場景非常熟悉,對攝影機的光學特性結合AI應用了如指掌,獲得AI晶片最終落地應用的成本更低。

但在這塊,有人果斷看好,也有人比較擔憂AI晶片的前景:

1. 耗能落差

一是耗能。以安防視頻監控智慧分析為例,AI晶片需要將大量的非結構化視頻數據轉化成結構化數據,將視頻數據打上標簽,然後進行比對分析。

想要實現整個分析過程的通暢無阻,AI晶片的性能必須達到要求,並要求整體的軟硬件的耗能不能太高。

例如,同樣是分析同一個紅綠燈路口的車輛監控數據,不同的晶片裝在同一個攝影機上,由於AI算法的千差萬別,就會造成分析的同一張畫面所需能耗可能一個只需要80毫安,另一個則需要120毫安。

雖然相差40毫安,但是在酷暑的氣候條件下,這40毫安持續散發的熱量可能會導致攝影機主板被燒壞,增加額外成本和維修費用。

2. 價格考量

二是價格。普通的高清槍機和球機,價格一般在幾百到千元左右,但是如果在攝影機上加入場景定制的AI晶片,價格可能會翻一倍以上,對於大多數客戶而言,在前置的智慧分析無法帶來業務和管理效率的提升時,沒有必要冒險將智慧分析的功能從後端前置到攝影機上。

可以看出,應用模式上的爭議,正考驗著整個行業的實踐智慧,同時也讓晶片商在產品上做出取捨。(AI從臉就能透視你的健康狀況!手機自拍就可以測血壓

在競爭激烈的晶片市場,前有虎、後有狼,應用場景的不同,意味著產品聚焦要麽在後端,要麽在前端,二者選其一。如果顧頭又顧尾,最終可能兩頭都沒法達到預期效果,這是場景分散化,產品個性化和需求碎片化決定的。

可以肯定的是,深耕競爭激烈的AI晶片市場,各家企業都有自身的看家本領,也就是說,無論做前還是做後,各家都有機會占領一隅,成為一方諸侯。

發表評論

請輸入您的評論!
請在這裡輸入您的名字