当下，我们已经进入大数据时代。而在2015年，英特尔就提出要以数据为中心进行业务拓展，因为数据的量和质都发生了很大的变化。
首先来看一下数据的量，下图所示为数据量的走势图，不同颜色代表不同的量级。浅蓝色是数据中心的量的发展，中间蓝色是边缘计算的，最深的是终端的。可以看出，终端产生的数据量仍然是最大的，而且上升很快，数据中心的量保持缓慢上升。边缘从开始几乎没有，然后逐渐扩大，以后它和数据中心的量会相差无几。当越来越多的设备采集数据，并且能够做一些数据的处理和用户交互的时候，我们必须把越来越多的原来让云和数据中心处理的计算和存储下沉到边缘侧，如果不这样做，日益增长的边缘侧或终端产生的数据都到云端去，网络承受不了，云的计算量和存储也受不了。而且实时性、快速响应能力也不足。
除了量，数据的质也在发生着变化。这些数据从产生，到它最后产生商业价值的过程，是一个长的链条，如果这些数据只是采下来了，把它存下来了，放那儿不用，这些数据除了耗电、耗资产之外没有产生太大价值，但这仍然是一个宝藏，是没有经开采的宝藏，要开采它就要处理它，处理就要做数据的挖掘分析。因为数据产生的速度很快，需要更快的处理，这就要加速硬件，对不同种类的数据要加速不同的硬件，如果需要联合处理的话还需要更好的通信能力。
要想高性价比的处理这种多样化的数据，目前来看，异构计算是一个最好的办法。
在这样的背景下，英特尔于2017年确立了“以PC为中心”向“以数据为中心”的转型目标，对此，英特尔中国研究院院长宋继强先生表示：“过去五年，我们发展出了一套完整的从软件到硬件、从通信到计算，再到存储的方案，包括“以数据为中心”的计算架构、存储方案、连接方案等。
战略演进
战略方面有几个主要时间点。2017年确立了“以数据为中心”的转型，但在那之前就已经宣布了英特尔人工智能的战略，2017年3月成立了人工智能产品事业部AIPG，2018年12月，又发布了六大支柱，不只靠一种计算架构、一种产品去解决未来整个复杂的数据世界。到2019年10月，经过了这三年多的转型，“以数据为中心”的业务的营收在上个季度已经跟“以PC为中心”的数据业务营收持平了。也就是说，该公司现在至少一半营收是来自“以数据为中心”的业务，以后还会越来越高。
并购演进
并购方面，从Altera开始，这是做FPGA的领先厂商。2014年收购了Nervana，Nervana是以定制的AI芯片，以ASIC方式解决AI深度学习加速的一种架构。英特尔有CPU，有嵌入式的GPU，。这样，英特尔已经有了四种不同的架构了。2017年又收购了Mobileye，还有Movidius，Movidius也是一个专门做视觉AI加速芯片的公司，只不过它是用在终端侧的，像摄像头、无人机等，而收购Nervana是为了获得在服务器侧专用的AI加速芯片。所以从端到端来看，他们是不重复的，但是他们都被放在了人工智能产品事业部。Mobileye被收购之前，是作为英特尔合作伙伴来进军无人驾驶、智能驾驶市场的。
2018年，英特尔收购了eASIC，FPGA需要很专门的编程技巧，做完以后产出的是在FPGA上的硬件加速逻辑，但如果是用在大批量的市场上，它的性价比不占优势，eASIC做的事情是形成一套自动工具，把它转换成可以在ASIC上做的设计，这样，在FPGA上验证好的IP核，可以把它比较快的变成ASIC，通过FPGA去测试，宋继强说这个市场需要百万级的量，可以通过eASIC转成ASIC的设计，这样出来以后就是一个定制的处理单元。
英特尔最近一次收购的是Habana Labs，这是一家做服务器端AI芯片和解决方案的公司，他们的产品已经在某些大的云服务商做过测试。
大家也知道，英特尔自己在做Xe架构的图形加速器和独立显卡。通过这些战略收购，再加上英特尔自己已有的，就构成了完整的异构产品线。
产品演进
在新产品方面，除了计算芯片之外，近些年，英特尔在存储方面有一个代表性的产品，那就是Optane内存，它是非易失性的内存，可以作为CPU的DRAM去使用，也可以作为存储单元使用。
在人工智能方面，推出了Movidius神经计算棒，可以让更多学术界和初创企业快速使用硬件加速器，做一些创新应用。另外还有Loihi神经拟态芯片，在2017年对外发布了其测试芯片，实际上，研发工作早在2015年就开始了，这也是一种崭新的计算架构创新。
2018年，英特尔宣布已经开始有量子计算测试芯片。2019年，推出了采用10纳米制程工艺的PC处理器，以及服务器端的至强可扩展处理器，还推出了10纳米的FPGA。
最近，该公司刚刚发布了基于Nervana的NNP，一个是NNP-I，做推理用的，一个是NNP-T，做训练用的，并在跟合作伙伴做测试。
Xe是全新的GPU架构，据说也取得了很好的进展，有了一些内部测试。
另外，还有可以统一各种硬件架构的软件平台oneAPI，着可以说是英特尔今年最为重要的产品。
今年12月，该公司刚刚发布了量子计算的控制芯片HorseRidge，弥补了量子芯片、量子控制的空白。
生态建设演进
生态建设与合作方面，首先是自动驾驶，英特尔与宝马和Mobileye合作，共同研究从L2、L3到L4、L5的自动驾驶技术和解决方案。
AI方面有未来先锋计划，这是为了让更多学术界和产业界人士了解英特尔AI发展的路线图，覆盖产学研的合作。
该公司的FPGA创新中心落地在重庆，这是全球的FPGA创新中心。正是因为FPGA的人才少，在中国懂得怎么把FPGA用好的公司尤其少，所以英特尔专门在中国成立了这样一个全球创新中心，也有一些学校去学习和实验各种新的基于FPGA的创新，英特尔提供培训，告诉他们英特尔的产品怎么用。
在传统的笔记本电脑领域，该公司公布了“雅典娜计划”，这是一个开放的创新，不只是英特尔一家做参考设计，允许多方加入做参考设计。
未来研究
对于未来技术和应用的研究，宋继强表示，英特尔首先看重的是神经拟态计算。现在做一个图像识别或者训练一个能做图像理解的加速器都需要很多电能，但是人脑做同样的事情，大概只需要20瓦的能量。因此，对于集成电路来讲，要将数十千瓦的功耗降到十瓦，这是我们要突破的。
Loihi芯片是英特尔2017年底发布的，采用14纳米制程，它的特点是在架构设计层面整合了计算和存储，所以它不是冯诺伊曼的架构，这个芯片有128个核，是同构多核。每个核里都有大量的神经元计算模型，还有存储单元。所有神经元都有位置编码，可以在片上通过网络互相发消息，就形成了虚拟的连接，就是所谓的人脑神经元里的突触。这个硬件架构是纯数字设计，没有模拟的，所以实施比较简单。通过这种架构可以模拟很多个逻辑神经，这个芯片可以支持多种学习模式。
Loihi芯片的特点是：你在芯片网络上部署一套学习机制以后，它可以一边工作，一边持续学习，去改造这里面的参数。
量子计算方面，其要实现的目标是处理现在经典计算机搞不定的大规模计算问题，比如说密码破解。
宋继强表示，英特尔认为看量子计算的发展不能只看量子位，而要看量子的实用性，怎么尽快让量子计算这种新模式达到可用，不仅要解决量子位的数量问题，还要解决纠错、量子位之间怎么连接和测试的问题。
因此，该公司在进行多个不同的项目研究。首先是量子位的制造方式，英特尔用两种方式在做。一种是学术界用的比较多的超导量子位的实验方式，推出了一个测试芯片，它不是量子芯片，因为这种方式是没有量子芯片的，而是一大堆超导电路构成的。英特尔用硅电子，单电子的硅构成了自旋量子位，现在有两个自旋量子位芯片，这个如果能成功的话，就可以通过现在硅的生产制造产业链去做量子计算芯片。
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第2166期内容，欢迎关注。
閱讀更多 半導體行業觀察 的文章
