俗話說：“敵人的敵人就是朋友”， 這句話在半導體晶片行業也十分適用。 近日， 過去幾十年都是“死對頭”的英特爾和AMD正式宣佈合作， 有好事者認為二者組隊只為對抗強大的對手—英偉達。
11月7日， 英特爾公司宣佈將與AMD公司進行合作， 在自家的CPU處理器中整合AMD Radeon GPU圖形核心， 為輕薄筆記型電腦帶來真正的獨立顯卡級別的體驗。 這款英特爾計畫於2018年一季度交付的新款晶片， 整合了英特爾酷睿H系列移動處理器和AMD半定制的Radeon GPU， 並且首次在筆記型電腦上將第二代高頻寬顯存（HBM2）融合成一款多晶片處理器包。
英特爾和AMD的合作消息， 讓業內外許多人大跌眼鏡。 要知道， 一直以來英特爾和AMD是一對不折不扣的“老冤家”， 以往經常拼得你死我活， 這麼多年幾乎是英特爾一直壓制著AMD。 英特爾的核芯顯卡佔據了筆記型電腦絕大部分市場， 而AMD的晶片產品則被夾在英特爾和英偉達的高端晶片之間。
事實上， 英特爾和AMD的合作早已有跡可循。 2016年底， 知名硬體網站HardOCP掌舵者基爾·貝內特爆料， 英特爾與AMD在核芯顯卡上不僅有深度技術授權合作， AMD還直接提供中端的GPU晶片， 以供英特爾以“膠水”形式集成到CPU上。 當時大家都覺得這是天方夜譚， 畢竟英特爾和AMD存在競爭關係， 誰和誰合作都會造成自家產品處於劣勢。 隨後英特爾方面也跳出來說沒有這回事， AMD的CEO蘇姿豐也說不會養虎為患， 雙方的回應大違以前“無可奉告”的慣例， 反倒讓人覺得兩家公司的關係頗為曖昧。
有人猜測， AMD RTG領導者兼顯卡首席架構師拉賈·科杜裡曾在蘋果公司工作， 與英特爾關係相當親密， 他極有可能是促成雙方合作的關鍵人物。
對於英特爾和AMD合作的原因， 外界普遍認為是為了共同對抗英偉達。 著名市場調查機構Moor Insights & Strategy分析師派翠克·摩爾海德表示， 這是英特爾和AMD在20世紀80年代以來的首次合作， 也反映出整個半導體產業動態的日趨複雜和“戰場”轉移。 從戰略上說， 英特爾繼續狙擊AMD更為得心應手， 但也正是雙方明悉具體對抗的流域， 才達成了合作的基礎。
與AMD和英偉達的競爭相比， 英特爾和英偉達的對抗已從勢微的個人電腦領域， 轉戰到企業用資料中心和為大型互聯網公司提供人工智慧算力支援。 為此， 英特爾分別在2015和2016年收購了Altera、Nervana和Movidius等公司， 斥資數百億美元， 為人工智慧領域的深度學習提供晶片支援。
如今， 人們越來越看好人工智慧的前景及其潛在的爆發力， 而能否發展出具有超高運算能力且符合市場的晶片成為人工智慧平臺的關鍵一役。 由此， 2016年成為晶片企業和互聯網巨頭們在晶片領域全面展開部署的一年。 而在這其中， 英偉達保持著絕對的領先地位。 在過去的一年中， 曾經以遊戲晶片見長的英偉達股價從一直以來的30美元迅速飆升至120美元。 就當資本市場都在猶豫是否人工智慧風口使得英偉達股價虛高時， 2月10日， 英偉達發佈2016年第四季度的財報顯示， 其營收同比增長55%， 淨利潤達到了6.55億美元，同比增長216%。
正當英特爾、微軟等巨頭投資以人工智慧為基礎的晶片技術時，英偉達則以2016年第四季度財報展示，這家在人工智慧領域投資將近12年的晶片企業已經開始就此收穫可觀的盈利。根據英偉達最新公佈的年報，其最主要的業務領域均出現了兩位數以上的增長。除了其一直佔有領先優勢的遊戲業務增長之外，其更多的漲幅來自於資料中心業務和自動駕駛兩大全新業務板塊。
事實上，這是整個英偉達財報裡最具有說明力的內容，因為資料業務和自動駕駛的增長根本上是人工智慧和深度學習的發展所激發的。在目前的深度學習領域，把神經網路投入實際應用要經歷兩個階段：首先是訓練，其次是執行。從目前的環境來看，訓練階段非常需要處理大量資料的GPU，也就是以遊戲和高度圖形化的應用做圖像渲染起家的英偉達領先的領域；而在轉型階段則需要處理複雜程式的CPU，也就是英特爾十幾年來領先的領域。
隨著英特爾加速在人工智慧和機器學習領域的研發，其主要競爭對手已經成了英偉達。如此一來，與曾經的死對頭AMD合作也就不再是不可能的事情了。
注：本文僅代表作者個人觀點
淨利潤達到了6.55億美元，同比增長216%。正當英特爾、微軟等巨頭投資以人工智慧為基礎的晶片技術時，英偉達則以2016年第四季度財報展示，這家在人工智慧領域投資將近12年的晶片企業已經開始就此收穫可觀的盈利。根據英偉達最新公佈的年報，其最主要的業務領域均出現了兩位數以上的增長。除了其一直佔有領先優勢的遊戲業務增長之外，其更多的漲幅來自於資料中心業務和自動駕駛兩大全新業務板塊。
事實上，這是整個英偉達財報裡最具有說明力的內容，因為資料業務和自動駕駛的增長根本上是人工智慧和深度學習的發展所激發的。在目前的深度學習領域，把神經網路投入實際應用要經歷兩個階段：首先是訓練，其次是執行。從目前的環境來看，訓練階段非常需要處理大量資料的GPU，也就是以遊戲和高度圖形化的應用做圖像渲染起家的英偉達領先的領域；而在轉型階段則需要處理複雜程式的CPU，也就是英特爾十幾年來領先的領域。
隨著英特爾加速在人工智慧和機器學習領域的研發，其主要競爭對手已經成了英偉達。如此一來，與曾經的死對頭AMD合作也就不再是不可能的事情了。
注：本文僅代表作者個人觀點