“我們有好幾次幾乎就破產了。”通常創始人不太談論自己公司瀕死的經歷，然而Nvidia的老板黃仁勛，說出上面那句話時似乎毫不為意。作為一家開發微處理器和相關軟件的公司，Nvidia業績連創新高。上個季度，這家公司收入增長55％達到22億美元。

過去12個月里，黃仁勛的公司股價幾乎翻了兩番。

Nvidia的成功很大一部分要歸因于他們的芯片產品：圖形處理單元（GPU）。GPU也可以理解為顯卡，可以讓電腦在玩游戲時表現的更出色。然而現在GPU有了一個新的用武之地：為人工智能（AI）程序提供所需的大量計算能力，特別是在數據中心里。

這些芯片銷量非飛漲（如圖所示），是信息技術長期轉型的最明顯標志。由于摩爾定律的減慢（目前芯片的計算能力大約每兩年翻一番），以及云計算和AI的快速崛起，處理器市場正在重構。這對半導體產業及其霸主英特爾，產生了深遠的影響。

過去的日子對英特爾來說，簡直順風順水。無論個人電腦市場還是服務器領域，英特爾生產的中央處理器（CPU），可以勝任幾乎所有的“工作負載”。因為制造了強大的CPU，英特爾掌控了個人電腦市場80％的份額，以及幾乎完全壟斷服務器市場。

過去一年，英特爾的收入接近600億美元。

如今這個單極世界開始崩潰。CPU的更新換代速度，已經無法滿足需求。機器學習和其他AI應用，需要大量的數據，對數據處理能力的需求比幾年前整個數據中心的消耗還多。所以英特爾的客戶，例如Google和微軟以及其他大數據中心運營商，正在選擇來自其他廠商越來越專業的處理器，甚至開始自己設計處理器。

Nvidia的GPU就是一例。這個產品最初被設計用來執行交互式視頻游戲所需的大規模復雜計算，也就是給大型游戲加速。GPU有數百個專門用于計算數據的“核心”，所有的核心都是并行工作。而CPU只有幾個核心，順序地處理計算任務。

Nvidia最新的處理器有3584個核心，而因特爾服務器CPU最多有28個。

在2008－2009年的全球金融危機期間，已經接近破產的Nvidia迎來了自己的幸運時刻。這家公司發現對沖基金和研究機構，正在把他們處理器用于新的領域，例如計算復雜的投資策略或者研究氣候變化模型。

Nvidia開發了一種稱為CUDA的編程架構，幫助客戶為不同的任務對處理器進行編程。CUDA能夠讓GPU解決復雜的計算問題。所以當幾年前云計算、大數據和AI開始崛起之后，能夠滿足需求的Nvidia芯片簡直堪稱生逢其時。

每一個互聯網巨頭都在使用Nvidia出品的GPU，驅動他們各自的AI服務在大量數據中進行挖掘，無論是醫學圖像或是人類語音等等。Nvidia來自數據中心運營商的銷售收入，在過去一年增長了三倍，達到2．96億美元。

然而在眾多的專用處理器中，GPU只是其中的一種。隨著云計算公司為了保持領先優勢，不斷提高運營效率而混合和匹配芯片，處理器的范圍正在擴大。“為正確的工作找到合適的工具”，負責Google基礎設施的Urs Hlzle說，要在靈活性、速度和成本間取得平衡。

候選范圍的一端是ASIC，意思是專用集成電路。顧名思義，這種芯片為了單一目的而搭建，速度最快、能效最高。許多創業公司正在開發這種內建AI算法的芯片。Google已經為語音識別而建造了一個稱為TPU的ASIC芯片。

另一端是現場可編程門陣列：FPGA。這種芯片可以編程，也就有了更大的靈活性。盡管這種芯片不容易調教，微軟還是把他們加入到很多服務器中，例如在線搜索必應（Bing）。“我們現在有世界上最多的FPGA”，微軟計算云Azure的CTO說。

偏執的時候到了

英特爾近年來專注于制造更強大的CPU，而不是生產ASIC或FPGA。

人們普遍認為，傳統的處理器不會很快失去地位：每一臺服務器都需要它們，無數應用運行在它們之上。英特爾的芯片銷售還在增長，不過Gartner的IT咨詢師Alan Priestley認為，加速芯片的高速增長對這家公司來說是個壞消息，在這些芯片上完成的計算越多，在CPU上運行的就越少。

英特爾的一個對策，是借助收購來追趕。2015年，英特爾以167億美元的價格收購了FPGA生產商Altera；8月，又花了4億美元收購了Nervana，這是一家成立僅3年的創業公司，開發從軟件到芯片的專用AI系統。

英特爾說，他們把專用處理器視為機會而非威脅。英特爾數據中心業務主管Diane Bryant說，新的計算工作往往是先在專用處理器上進行，隨后被“拉進CPU”，比如說加密，這項計算也曾用單獨的半導體組件來處理，但現在只是英特爾CPU上的一個簡單指令。

英特爾CPU幾乎占領了全球所有處理器市場，對于企業來說，在加速芯片上運行AI等新型計算工作意味著額外開銷和更高的復雜性。

英特爾已經在為這樣的融合而進行投資。今年夏天，它將開始銷售代號“Knights Mill”的新處理器，來與Nvidia競爭。同時，英特爾也在開發另一款芯片，名叫“Knights Crest”，這款芯片融合了Nervana的技術。從某種意義上講，英特爾也希望能將Altera的FPGA融合到自己的CPU之中。

可以預見的是，競爭者們對未來有著不同見解。

Nvidia認為，他們已經有了自己的計算平臺，很多公司用他們的芯片來開發、運行AI應用，他們也為其他類型的程序創造了軟件基礎設施，用于可視化和VR等領域。

數十歲高齡的計算巨頭IBM也在試著搶英特爾的生意。2013年，IBM開源了自己的處理器架構Power，把它變成了半導體行業某種意義上的公共資產。專用芯片的制造商更容易將自己的硬件同強大的CPU結合在一起，而IBM掌握著平臺發展方式的話語權。

這很大程度上依賴著AI如何發展，如果AI沒能在幾年內帶來很多人所期待向往的變革，英特爾的機會還不錯；但是，如果AI能在接下來的十幾年中繼續影響各行各業，其他處理器就有著更大的勝算。IDC市場分析師Matthew Eastwood這樣表示。

從AI技術應用的廣大范圍來看，第二種情況更可能發生。

當然，一個粗大笨重的CPU獨攬所有工作，不管計算量和難度的時代已經過去了。它跌下云端摔得粉碎，英特爾拼盡全力，也無法讓它恢復往日榮光。

?