8
- 云端增长正在加速成长，英特尔还在享受着在服务器芯片领域的垄断地位；
- 然而，随着摩尔定律放缓，云计算向更加复杂的应用进行转移，因此英特尔的领导地位会受到威胁；
- 其它解决方案，如 GPU 和 FPGA，现在的谷歌 TPU 可以更有效地解决云计算不断变化的需求；
摩尔定律的放缓可能会产生重要影响，尤其是对英特尔来说。其在手机领域已经失手，PC 销量在不断下滑，但是迄今为止，这些大部分已经从服务器领域获得拯救，因为在该领域它还处于垄断地位。
后者已经受到了来自英伟达的 GPU 的攻击，这些 GPU 执行了一些任务，尤其是并行处理了与人工智能相关的大数据任务。
英伟达在数据中心行业的发展可圈可点，去年的增长率高达 126%。
英特尔正在进行反击。如今数据中心的芯片优先采用新的处理器平台（节点），并且它已经收购了 Altera，可以提供 FPGA 技术以加速云计算。赛灵思是这条路线的另一个玩家。
FPGA 是摩尔定律放缓打击通用 CPU 的一个手段，因为它是“现场可编程”，也就是可以在生产后根据用户需求重新配置。
英特尔 FPGA 能够用于加速大型数据系统的性能。英特尔 FPGA 通过提供定制化高带宽、低延迟连接到网络和存储系统，实现高速数据处理。另外，英特尔 FPGA 提供压缩、数据过滤和算法加速。通过带有 OpenCL 的英特尔 FPGA SDK，你可以为计算和存储系统快速研发加速方案。带有 OpenCL 的英特尔 FPGA SDK 能够让软件开发者很容易通过 FPGA 进行设计，它允许工程师利用高级语言进行快速开发。
谷歌似乎找到另一种解决这个问题的方法。所采用的方案不是像 CPU 和 GPU 这样的通用芯片，也不是 FPGA 等可编程芯片，而是专用芯片，如专用加速器。
Google 正在做这件事，介绍（见文件）Tensor 处理单元（TPU）：
“谷歌的 TPU 在机器学习测试中超过英特尔的 Xeon 和英伟达的 GPU 一个数量级。TPU 和基准测试表明，它的速度比商业芯片快了 15 倍，性能提升 30 倍。”
令人印象深刻的是，所使用的基准并不是最前沿的（本文认为，2015 年的测试，英特尔已经提供了 14 纳米 CPU，而 Nvidia 拥有新的 16 纳米 GPU），因为测试是在 2015 年进行的，但是再一次，TPU 本身也不是特别尖端的（在频率和处理器节点方面）：
“40-W TPU 是运行在 700 MHz 的 28 nm 芯片，旨在加速 Google 的 TensorFlow 算法。 其主要逻辑单元包含 65,536 个 8 位乘法累加单元和 24 MB 缓存，提供每秒 92 个 tera 操作。”
把产品迁移到更小的节点上会提高性能，还有其它技巧：
“如果我们比较更新的芯片，显示，我们可以通过使用 K80 的 GDDR5 内存将 28nm、0.7GHZ、40W 的 TPU 性能提升三倍。（成本增加 10W）”
如果不这样的话，随着 TPU 的成熟，它的性能可能会超过竞争对手扩大自身优势：
“该 TPU 的数量级性能优势很少，这可能导致它会成为某些特定领域架构的原型。我预计很多会构建继承者，它们的水平会提高很多。谷歌表示，关于短至 15 个月的设计周期表阻止了 TPU 中的许多节能功能。
TPU 已经应用于谷歌的数据中心，但是公司没有提供任何关于广泛应用的信息，也没有说升级方式以及是否会将 TPU 卖给第三方。”
这对英特尔有明显的警告，对英伟达属于小幅度的：
TPU 项目从 2013 年随着从 FPGA 实验开始。“当我们看到 FPGA 的性能无法和 GPU 相比的时候，我们抛弃了它，并且运行速度加快 TPU 功耗会比 GPU 更低。”报告指出。
总结
不久前，英特尔还沉迷于快速增长的服务器市场的垄断地位。但是随着摩尔定律的放缓，尤其是不管是存储、简单应用还是复杂 AI 开始向云端转移，英特尔的 GPU 无法有效地做这些工作，并且寻找有效的解决方案。
早期的替代者是英伟达的 GPU 或者 Altera 和赛灵思的 FPGA。它们对英特尔没有造成威胁，因为服务器仍然在跑 CPU，几乎全部来自英特尔，但是即使这样，一些来自 AMD、IBM 和 ARM 基础设计的新兴竞争出现了。
但是 GPU 和 FPGA 的处理能力越来越强，英特尔来自数据中心的增长收益开始变少。
如今在复杂加速器似乎出现了一种新的模块，如谷歌的 TPU。这会造成多大的威胁？
对于初学者，你必须认识到就像 GPU 和 FPGA 一样，TPU 无法在服务器中取代 CPU。它通过有效地执行一些任务就可以提供附加的处理能力。
或者，有人会死或它可能会威胁到 GPU 和 FPGA，但是似乎他们根据用户的需求有各自的优势。但是，像 GPU 和 GPGA，TPU 会从英特尔占主导地位的 CPU 转移处理能力。
因此，对英特尔来说，最好的方案是它的使用仍然局限于谷歌云自身。目前还没有迹象表明谷歌是否计划将 TPU 给第三方。它可能应用 TPU 去加强自身的云应用的性能优势，或者限制其对第三方供应商的依赖。
但是高级芯片业务受益于巨大的经济规模，所以我们认为谷歌不太可能将其作为专有解决方案。
更重要的是，谷歌似乎开启了一扇数据中心全新解决方案之门，而且是在 15 个月内研发出来的。其它厂商跟了多久了？
与非网编译内容，不经允许，不得转载！
下载ECAD模型
