32
日前，以 CPU 为主的英特尔和 GPU 为主的英伟达先后发布了自己今年第一季度财报，其中双方利润分别同比增长了 45%和 48%，按理说双方利润的增长都相当可观，尤其是对于英特尔，在当季 PC 市场依然下滑之时，仍以 PC 芯片为主的英特尔能够实现如此的利润增长实属可贵，但事实远没有看起来那般简单，反映在资本市场中，英特尔在取得了看似不错的财报后，其股价不涨反跌，跌幅高达 6%左右，相比之下，英伟达的股价则大幅上扬了 14%左右。那么问题来了，为何同是利润增长，且增长幅度几乎相同，但双方在股价上的表现却大相径庭呢？这背后的真正原因是什么？又预示着芯片产业怎样的趋势？
其实只要稍微留意双方的财报和业内的分析就不难发现其中的缘由。由于云服务提供商的数据中心对于芯片的需求非常旺盛，英伟达第一财季的数据中心业务营收为 4.09 亿美元，同比增长了一倍以上，轻松击败了分析师预期的 3.182 亿美元。与之相比，英特尔的数据中心业务（DCG）收入为 42 亿美元，尽管增长了 6%，但因不及预期，导致英特尔股价大跌 3%。也就是说双方在数据中心（芯片）市场的表现才是决定股价的关键。
如果说上述是因为外部（主要来自英伟达）竞争压力导致英特尔股价下跌的话，英特尔内部业务的表现也起到了关键作用。从构成英特尔营收和利润的两大主力业务看，据英特尔第一季度财报显示：以 PC 芯片为主的客户端计算事业部（CCG）的运营利润为 30.31 亿美元，同比增长 60%，而以数据中心服务器芯片为主 DCG 运营利润则同比下降了 16%至 14.87 亿美元。而众所周知的事实是，CCG 业务所在的 PC 产业日渐走低，以数据中心服务器芯片为主 DCG 才是英特尔现在和未来增长的动力已是业内（包括英特尔自己）的共识，更何况本季度 CCG 的运营利润增长并不具备可持续性，这点从 PC 市场依然下滑，英特尔 CEO 科再奇在财报发布上的今年全年，这一业务仍然会出现个位数下滑的预测可见一斑，也进而再次证明了以数据中心服务器芯片为主 DCG 业务表现对于英特尔的举足轻重。
实际上，分析师对本季度英特尔的 DCG 运营利润下滑均感到不解，纷纷在电话会议期间进行询问。而英特尔给出的原因是因为把未来制程节点作为了首选，成本较高所致。事实真的如此吗？
“现在，全世界各大互联网和云服务提供商都在使用英伟达的 GPU 芯片。”英伟达首席财务官科莱特 - 克雷斯（Colette Kress）在财报电话会议结束后说。不知业内看到这句话有何感想？我们看到的是，克雷斯说的这些大公司包括社交网络 Facebook、Alphabet 公司旗下的谷歌、IBM、微软和阿里巴巴集团。甚至连亚马逊 AWS 云服务都在使用英伟达的芯片。而这些也是英特尔 DCG 业务的主要客户。
在此，也许有人会质疑，在目前占有数据中心服务器芯片市场 90%以上市场份额的英特尔，英伟达的冲击真的会对英特尔造成实质性的影响吗？这里我们不妨看看英伟达的 GPU 在数据中心服务器芯片市场的表现。
以其去年发布的 Tesla P100 为例，由 8 块 Tesla P100 搭建的 DGX-1，其 GPU 吞吐量相当于 250 台传统服务器的水平。除此之外，DGX-1 系统还包含一套深度学习软件，即深度学习 GPU 训练系统 (DIGITS™)，可用于设计深度神经网络 (DNN)，据了解 DGX-1 可以将深度学习的培训速度加快 75 倍，将 CPU 性能提升 56 倍，即英特尔双路至强系统需要 250 多个节点和 150 个小时来训练 Alexnet，而 DGX-1 只需要一个节点 2 个小时，后者在性能和节点总带宽上都有明显的优势。其实，在谷歌 Brain 项目中，英伟达的 GPU 已经量化了相对于英特尔 CPU 的优势，该项目中，其 3 台机器中配置了 12 颗 GPU，性能就达到了包含 1000 个节点的 CPU 簇的水平。
进入到今年，英伟达推出了新的 Tesla V100，这款 AI 芯片有 210 亿个晶体管，比一年前的 Tesla P100 还要强大，同时 Tesla V100 具有 5120 个 CUDA 处理内核。对此，英伟达 CEO 黄仁勋表示，这种芯片的能力和能源效率有助于云服务供应商大幅提升其使用 AI 的能力（云服务和数据中心提供业务的发展趋势），可以将数据中心的能力提高 15 倍，替代 400 台传统 CPU 的服务器，甚至无需建立新的数据中心。看到这里想必业内应该清楚英伟达对于英特尔的影响了吧，即现在和未来，英伟达主打 AI 功的 GPU 都会在不同程度上冲击英特尔在数据中心芯片市场 CPU 的销量、营收和利润，其实这种冲击在本季度就应该有所显现，只是英特尔以未来制程节点作为了首选，成本较高所致其运营利润下滑避重就轻罢了。
更让业内担心的是，在日前英伟达主办的 GTC 2017 上，英伟达宣布 GTC 参加人数在五年内上升了三倍，今年达到 7000 人，GPU 开发者增长了 11 倍达到 50 多万，CUDA 驱动程序和 SDK 的下载量也超过了百万。此外，英伟达还推出 GPU 云平台和开源 Xavier DLA，我们看到的是英伟达不仅在 GPU 本身，而是以此为基础正在打造以满足 AI 需求的未来数据中心的新生态，这才是让英特尔细思极恐之处，毕竟在传统的数据中心和云服务市场，英特尔除了 CPU 外，最大的护城河也是其建立的围绕 x86 CPU 的生态。
针对上述云服务和数据中心提供商基于自身和提供具有 AI 功能业务需求的转变及英伟达的快速发展，英特尔并非没有意识和动作，但与英伟达早在 2011 年左右就开始 AI 芯片的研究和布局不同，后知后觉的英特尔采用的是“买卖卖”的并购方式，去年 5 月，收购计算视觉软件公司 Itseez；6 月收购 FPGA 制造商 Altera；，8 月收购深度学习初创公司 Nervana Systems；9 月收购机器视觉初创公司 Movidius 等一系列集中爆发的并购近乎都与所谓的 AI 有关。
从理论上讲，英特尔并购的上述企业在 AI 芯片方面都具有自己的优势，例如虽然 GPU 相比 CPU 有一定的优势，但与 Altera 的 FPGA 相比依然逊色不少（有研究人员测试，相比 GPU，FPGA 的架构更灵活，单位能耗下性能更强），深度学习算法在 FPGA 上能够更快、更有效地运行，而且功耗也能做到更低；Nervana Systems 研究的深度学习芯片具有性价比高于 GPU，处理速度是 GPU 的 10 倍等特点。
对于英特尔上述在 AI 芯片的种种布局，黄仁勋则代表英伟达表示质疑：如果说至强融核(Xeon Phi)处理器（英特尔去年发布的所谓 AI 服务器芯片，并因此引发过与英伟达 GPU 相比，谁优谁劣的评测口水战）对于 AI 非常适用，那为什么要收购 Altera？既然买了 Altera，Altera 又非常适合 AI 的话，为什么要买 Nervada Systems？如果 Nervada Systems 才是真正的 AI 方面的技术，要进行开发和产品推出的话，那至强融核协处理器又怎么办？如果说这三个都适合 AI，那是不是意味着至强融核协处理器就不适合 AI 呢？
尽管上述言论不排除黄仁勋偏袒自家 AI 芯片之嫌，但也间接说明英特尔目前在 AI 芯片尚处在选择路径和整合的阶段而行动缓慢，尚需最终的产品和市场来证明。但就目前看，英伟达 GPU 是惟一实现大规模应用方案，且经过了市场的检验，这也解释了为何同是利润增长，但英伟达股价暴涨，而英特尔股价下跌背后真正的原因。
更多最新行业资讯，欢迎点击与非网《今日大事要闻》！
下载ECAD模型
