英伟达和英特尔的竞争在AI时代变得更为直白。英伟达在AI训练领域具有绝对优势，英特尔保持着在芯片架构上提供完整解决方案的优势的同时，向英伟达GPU大本营发起挑战，并在AI推理领域建立起了自己的优势。
号角再次吹响
过去几年，由于赶上了 学习的东风，英伟达通用图形处理单元扶摇直上，把2015年还是20美元的股价提高到了2018年10月292美元的高点，一跃成为AI领域第一股。其火箭般的涨势让半导体巨头英特尔坐不住了，意图通过收购突破自身限制，重塑市场版图。二者的竞争在2019年变得更为直白和更加激烈。
我们知道，图形和视觉处理领域是英伟达的传统强项。英特尔近期展示了两款分别面向AI训练和推理的Nervana神经网络处理器（NNP），以及下一代Movidius视觉处理单元（VPU），就是在向英伟达宣战。
其中，两款Nervana神经网络处理器包括面向训练的NNP-T1000和面向推理的NNP-I1000。这两颗芯片都是专为云端环境定制的ASIC（特殊应用集成电路）芯片，可以并接多个芯片，加速AI模型的开发。会上，英特尔宣告两款芯片正式开始商用交付，为百度、Facebook等人工智能客户定制开发产品。英特尔还特地强调了为AI和机器学习“专门制造”芯片的重要性，暗示其产品对英伟达GPU产品的优势。
对于下一代Movidius VPU，该芯片旨在为低功率设备中的AI图像和视频处理系统提供动力，面向开发电脑机器人视觉相关用途，例如依靠机器学习来绕过障碍物的无人机和无人驾驶汽车等。会上，英特尔也非常自信地将其和英伟达的产品做出比较，据说这款代号为Keem Bay的VPU能提供的算力是英伟达Xavier芯片的4倍，在充分利用的情况下，该芯片可帮客户获得50%的额外性能。并且这款新一代的视觉处理单元将于2020年上半年上市。
目前，在更考验计算力的AI训练市场，英伟达更具优势，其数据中心业务也在不断增长。不过，英特尔表示，其基于AI解决方案的产品组合得到进一步强化，今年会创造超过35亿美元的营收。目前在数据中心领域，凭借CPU市场优势，其已赢下了AI推理市场，因为多数云端推理都是由至强CPU完成的。
在传统芯片架构上，英特尔仍然是可以提供最完整解决方案的公司，而在GPU领域，英特尔也将向英伟达发起挑战。CPU是AI的基础所在，绝大多数的企业已经在现有的架构基础上，通过软件来部署AI的应用。
无论是硬件还是软件，无论是云端还是终端，无论是训练还是推理，英伟达和英特尔都是你追我赶，步步紧逼，忙得不亦乐乎。
马拉松式较量
英伟达一出手，就是一场豪赌。据媒体报道，在Mellanox的竞购比赛中，英特尔曾经预备了60亿美元的资金，但最终还是被英伟达的69亿美元高价击败。
作为一家以高性能运算和网络技术闻名的公司，Mellanox的产品与技术已经进入了全球大量的高性能计算机和人工智能基础设施，包括中国“神州·太湖之光”在内的全球最快的三台超级计算机，都使用了Mellanox的无线宽带互联网技术。
如果放到“双英”的大战背景下，拿下Mellanox则意味着英伟达在数据中心的战局中获得了一枚关键棋子，在数据中心领域将争到更多话语权。
当然数据红利的挖掘，不仅仅在于数据中心本身，还需要许多关键技术的创新与突破，比如人工智能、物联网、自动驾驶、5G等。这就更增加了这场数据红利大战的延伸性和复杂性。
以此对比来看，“双英”大战将会是一场马拉松式的较量。
英特尔的优势在于研制一体、业务布局全面。英特尔的优势是端到端，全面布局设备端、边缘端和云端，未来要做“全能冠军”。
此外，英特尔的生态圈构建也行动较早、声势较大。比如，英特尔合作建设了FPGA中国创新中心，联合发起了成立开放数据中心联盟、CXL开放合作联盟、边缘计算产业联盟等。
但英伟达也在这些层面下了不少功夫，比如在GTC上，黄仁勋特意在AI工作流程中把机器学习、数据中心等与GPU加速 学习一起，纳入了英伟达的“AI定义域”。
这意味着，英伟达将逐渐调整过度倚重GPU的AI战略，将产业布局扩展至AI产业各个链条。这与英特尔的“全能冠军”思路颇为相似。
在扩展生态圈伙伴上，英伟达则采取了不同的策略。比如，基于最新发布的推理服务器芯片T4，与亚马逊云AWS、阿里云达成合作。
有业内人士认为，英伟达本身在GPU领域实力强大难以替代，这种基于产品技术发展生态圈的策略，相比通过协议建立产业联盟或以设立人才计划资金池，要更为稳固，成本也更低。
就目前而言，比赛才刚刚开始，“双英”都有自己的竞争优势，最终谁能胜出还无法下定论，不过对于人工智能领域的其他玩家来说，“双英”大战未必是坏事，或许这也会是加速技术和应用领域发展的新契机。
AI已成重要业务，持续强化至强AI推理性能
如今，在 学习的推理和应用方面，都需要十分复杂的数据、模型与技术。
而英特尔的至强可扩展处理器作为面向业界大部分企业和组织的重要平台，已然成为英特尔在推进AI业务发展的重量级产品。
因此，英特尔也将继续通过矢量神经网络指令（VNNI）和 学习加速技术（DL Boost）等功能优化并改进该平台，以在数据中心和边缘部署中进一步提升它的AI推理性能。
在Naveen Rao看来，随着人工智能的进一步发展，现有的计算硬件和内存都将在未来达到临界点，同时专用型硬件的重要性也愈加明显。
因此，对英特尔来说，利用AI技术来提升业务成果，需要进一步推出涵盖硬件和软件的多种技术组合。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
