作者：黃亦筠譯 2017-03-01 天下雜誌617期
後摩爾定律時代，CPU已無法應付機器學習和人工智慧應用，英特爾獨霸的世界開始崩解。Nvidia的GPU（繪圖處理器）大受歡迎，股價一年內翻了快四倍。
企業創辦人通常不愛談論公司的「瀕死」經驗，但捷報連連的輝達（Nvidia）創辦人黃仁勳卻放心直言，「我們公司曾經數度瀕臨倒閉。」因為過去12個月，研發微處理器相關軟體的輝達，股價已翻了近四倍。
輝達成功的最大原因是：繪圖處理器（GPU）晶片需求的快速成長。GPU的出現，將個人電腦變成電競產品，新的目標則是資料中心的人工智慧程式將產生大量運算需求。
晶片銷售的巨幅成長，象徵資訊科技的轉變。摩爾定律趨緩，運算能力大約每兩年翻一倍，加上近年雲端運算和人工智慧（AI）的快速崛起，使得運算架構變得碎片化。這對半導體產業主導者英特爾的影響很大。
在摩爾定律的時代，無論是個人電腦或伺服器，中央處理器（CPU）就能處理所有的運算工作。當時，英特爾生產的CPU，不只主宰了個人電腦處理器的市場，在伺服器市場更是寡佔。2016年，英特爾的營收大約是600億美元。
但英特爾獨霸的世界已經在崩解。因為其CPU進化的速度不夠快，英特爾的客戶，如Google、微軟和其他大型資料中心的運營者，開始找其他公司為自己設計特殊的處理器。
超過3000顆核心 vs.28顆核心
輝達的GPU就是其中一個例子，有強大、複雜運算功能，能夠跑互動式影音遊戲。GPU有上百顆特殊設計的「核心」（這是處理器的腦），全部同步進行平行運算，相比之下，CPU只能進行單一序列的運算。輝達炫耀其最新的處理器有超過3000顆核心，但英特爾伺服器的CPU最多只有28顆。
2008、2009年全球金融風暴，輝達差一點掛掉。但也就是在此「瀕死」時刻，輝達發現，許多對沖基金和研究機構使用它的晶片計算投資組合，或用來分析氣候模型。輝達研發出一個程式語言「CUDA」，協助客戶應對不同的業務需求。當雲端運算、大數據和人工智慧大潮幾年前來臨時，輝達的晶片恰好符合需求。
幾乎所有網路大咖都使用輝達的GPU，提供人工智慧服務，譬如分析醫療影像、人類的演說等。
不過，GPU只是其中一種「加速器」。雲端企業為提高運算效能，維持競爭力，會混用各種晶片。這使得晶片的種類愈來愈多。
譬如另一種「特殊規格邏輯IC」（ASIC），能快速支應某個高速運算需求，同時耗能很少。許多新創公司都在研發這類晶片內建人工智慧運算能力。Google就已經在它的語音辨識服務中內建一款ASIC，並命名為「TPU」處理器。
另外一個面向則是「現場可編程門陣列」（FPGAs），一種可以重複設計程式的晶片，幫助使用者建立自己需要的系統，擁有更高的彈性，能提高產品上市的速度。微軟就將FPGAs內建到許多服務中。
這些崛起的加速器，對英特爾來說是個壞消息，因為這代表愈來愈多運算不再倚靠英特爾的CPU處理器。
CPU式微 英特爾怎麼辦？
英特爾則透過併購來追趕。2015年，英特爾買了Altera，一家研發FPGAs的公司。之後又併購新創公司Nervana，這家公司專長在研發AI系統軟體和晶片。
如果整合和投資發生綜效，英特爾將能在今年夏天開始銷售新的處理器「Knights Mill」，來和輝達競爭。英特爾也開始研發另外一款晶片「Knights Crest」，背後就是Nervana的技術。
但輝達已建立自己的運算平台。很多企業都已經用輝達的晶片來寫人工智慧應用程式，且輝達也已經建立了軟體架構來跑虛擬實境的程式。
人工智慧的發展會是一個關鍵。如果人工智慧的革命不如預期，英特爾還是有機會。如果人工智慧持續延伸出更多應用，就提供其他特製處理器更多發展機會。可以肯定的是，一顆CPU大處理器的時代結束了，這是英特爾無法扭轉的趨勢。（黃亦筠譯）
2016AI
沒有留言:
張貼留言