當下，我們已經進入大數據時代。而在2015年，英特爾就提出要以數據為中心進行業務拓展，因為數據的量和質都發生了很大的變化。
首先來看一下數據的量，下圖所示為數據量的走勢圖，不同顏色代表不同的量級。淺藍色是數據中心的量的發展，中間藍色是邊緣計算的，最深的是終端的。可以看出，終端產生的數據量仍然是最大的，而且上升很快，數據中心的量保持緩慢上升。邊緣從開始幾乎沒有，然後逐漸擴大，以後它和數據中心的量會相差無幾。當越來越多的設備採集數據，並且能夠做一些數據的處理和用戶交互的時候，我們必須把越來越多的原來讓雲和數據中心處理的計算和存儲下沉到邊緣側，如果不這樣做，日益增長的邊緣側或終端產生的數據都到雲端去，網絡承受不了，雲的計算量和存儲也受不了。而且實時性、快速響應能力也不足。
除了量，數據的質也在發生著變化。這些數據從產生，到它最後產生商業價值的過程，是一個長的鏈條，如果這些數據只是採下來了，把它存下來了，放那兒不用，這些數據除了耗電、耗資產之外沒有產生太大價值，但這仍然是一個寶藏，是沒有經開採的寶藏，要開採它就要處理它，處理就要做數據的挖掘分析。因為數據產生的速度很快，需要更快的處理，這就要加速硬件，對不同種類的數據要加速不同的硬件，如果需要聯合處理的話還需要更好的通信能力。
要想高性價比的處理這種多樣化的數據，目前來看，異構計算是一個最好的辦法。
在這樣的背景下，英特爾於2017年確立了“以PC為中心”向“以數據為中心”的轉型目標，對此，英特爾中國研究院院長宋繼強先生表示：“過去五年，我們發展出了一套完整的從軟件到硬件、從通信到計算，再到存儲的方案，包括“以數據為中心”的計算架構、存儲方案、連接方案等。
戰略演進
戰略方面有幾個主要時間點。2017年確立了“以數據為中心”的轉型，但在那之前就已經宣佈了英特爾人工智能的戰略，2017年3月成立了人工智能產品事業部AIPG，2018年12月，又發佈了六大支柱，不只靠一種計算架構、一種產品去解決未來整個複雜的數據世界。到2019年10月，經過了這三年多的轉型，“以數據為中心”的業務的營收在上個季度已經跟“以PC為中心”的數據業務營收持平了。也就是說，該公司現在至少一半營收是來自“以數據為中心”的業務，以後還會越來越高。
併購演進
併購方面，從Altera開始，這是做FPGA的領先廠商。2014年收購了Nervana，Nervana是以定製的AI芯片，以ASIC方式解決AI深度學習加速的一種架構。英特爾有CPU，有嵌入式的GPU，。這樣，英特爾已經有了四種不同的架構了。2017年又收購了Mobileye，還有Movidius，Movidius也是一個專門做視覺AI加速芯片的公司，只不過它是用在終端側的，像攝像頭、無人機等，而收購Nervana是為了獲得在服務器側專用的AI加速芯片。所以從端到端來看，他們是不重複的，但是他們都被放在了人工智能產品事業部。Mobileye被收購之前，是作為英特爾合作伙伴來進軍無人駕駛、智能駕駛市場的。
2018年，英特爾收購了eASIC，FPGA需要很專門的編程技巧，做完以後產出的是在FPGA上的硬件加速邏輯，但如果是用在大批量的市場上，它的性價比不佔優勢，eASIC做的事情是形成一套自動工具，把它轉換成可以在ASIC上做的設計，這樣，在FPGA上驗證好的IP核，可以把它比較快的變成ASIC，通過FPGA去測試，宋繼強說這個市場需要百萬級的量，可以通過eASIC轉成ASIC的設計，這樣出來以後就是一個定製的處理單元。
英特爾最近一次收購的是Habana Labs，這是一家做服務器端AI芯片和解決方案的公司，他們的產品已經在某些大的雲服務商做過測試。
大家也知道，英特爾自己在做Xe架構的圖形加速器和獨立顯卡。通過這些戰略收購，再加上英特爾自己已有的，就構成了完整的異構產品線。
產品演進
在新產品方面，除了計算芯片之外，近些年，英特爾在存儲方面有一個代表性的產品，那就是Optane內存，它是非易失性的內存，可以作為CPU的DRAM去使用，也可以作為存儲單元使用。
在人工智能方面，推出了Movidius神經計算棒，可以讓更多學術界和初創企業快速使用硬件加速器，做一些創新應用。另外還有Loihi神經擬態芯片，在2017年對外發布了其測試芯片，實際上，研發工作早在2015年就開始了，這也是一種嶄新的計算架構創新。
2018年，英特爾宣佈已經開始有量子計算測試芯片。2019年，推出了採用10納米制程工藝的PC處理器，以及服務器端的至強可擴展處理器，還推出了10納米的FPGA。
最近，該公司剛剛發佈了基於Nervana的NNP，一個是NNP-I，做推理用的，一個是NNP-T，做訓練用的，並在跟合作伙伴做測試。
Xe是全新的GPU架構，據說也取得了很好的進展，有了一些內部測試。
另外，還有可以統一各種硬件架構的軟件平臺oneAPI，著可以說是英特爾今年最為重要的產品。
今年12月，該公司剛剛發佈了量子計算的控制芯片HorseRidge，彌補了量子芯片、量子控制的空白。
生態建設演進
生態建設與合作方面，首先是自動駕駛，英特爾與寶馬和Mobileye合作，共同研究從L2、L3到L4、L5的自動駕駛技術和解決方案。
AI方面有未來先鋒計劃，這是為了讓更多學術界和產業界人士瞭解英特爾AI發展的路線圖，覆蓋產學研的合作。
該公司的FPGA創新中心落地在重慶，這是全球的FPGA創新中心。正是因為FPGA的人才少，在中國懂得怎麼把FPGA用好的公司尤其少，所以英特爾專門在中國成立了這樣一個全球創新中心，也有一些學校去學習和實驗各種新的基於FPGA的創新，英特爾提供培訓，告訴他們英特爾的產品怎麼用。
在傳統的筆記本電腦領域，該公司公佈了“雅典娜計劃”，這是一個開放的創新，不只是英特爾一家做參考設計，允許多方加入做參考設計。
未來研究
對於未來技術和應用的研究，宋繼強表示，英特爾首先看重的是神經擬態計算。現在做一個圖像識別或者訓練一個能做圖像理解的加速器都需要很多電能，但是人腦做同樣的事情，大概只需要20瓦的能量。因此，對於集成電路來講，要將數十千瓦的功耗降到十瓦，這是我們要突破的。
Loihi芯片是英特爾2017年底發佈的，採用14納米制程，它的特點是在架構設計層面整合了計算和存儲，所以它不是馮諾伊曼的架構，這個芯片有128個核，是同構多核。每個核裡都有大量的神經元計算模型，還有存儲單元。所有神經元都有位置編碼，可以在片上通過網絡互相發消息，就形成了虛擬的連接，就是所謂的人腦神經元裡的突觸。這個硬件架構是純數字設計，沒有模擬的，所以實施比較簡單。通過這種架構可以模擬很多個邏輯神經，這個芯片可以支持多種學習模式。
Loihi芯片的特點是：你在芯片網絡上部署一套學習機制以後，它可以一邊工作，一邊持續學習，去改造這裡面的參數。
量子計算方面，其要實現的目標是處理現在經典計算機搞不定的大規模計算問題，比如說密碼破解。
宋繼強表示，英特爾認為看量子計算的發展不能只看量子位，而要看量子的實用性，怎麼儘快讓量子計算這種新模式達到可用，不僅要解決量子位的數量問題，還要解決糾錯、量子位之間怎麼連接和測試的問題。
因此，該公司在進行多個不同的項目研究。首先是量子位的製造方式，英特爾用兩種方式在做。一種是學術界用的比較多的超導量子位的實驗方式，推出了一個測試芯片，它不是量子芯片，因為這種方式是沒有量子芯片的，而是一大堆超導電路構成的。英特爾用硅電子，單電子的硅構成了自旋量子位，現在有兩個自旋量子位芯片，這個如果能成功的話，就可以通過現在硅的生產製造產業鏈去做量子計算芯片。
*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯繫半導體行業觀察。
今天是《半導體行業觀察》為您分享的第2166期內容，歡迎關注。
閱讀更多 半導體行業觀察 的文章
