作為芯片巨頭英特爾的核心支柱產業，服務器芯片業務一直以來的亮眼表現，都讓該公司的財務業績充滿著增長活力。據英特爾最近一季度的財報業績數據顯示，依靠銷售服務器和AI芯片的英特爾數據中心集團營收達到了61億美元，相比去年同期增長了26%，而該集團目前佔據英特爾總營收的30%以上，在全球服務器芯片市場份額佔比為98.6%。
不過，如今的英特爾正面臨來自友商和其大客戶們的“前後夾擊”。這不，就在上月月底的AWS re:Invent 2018用戶大會上，亞馬遜就帶頭給了英特爾一記重擊，因為該公司正式對外宣佈推出了自研的機器學習芯片Inferentia、基於ARM架構的雲服務器芯片Graviton以及基於該芯片提供的EC2 A1虛擬服務器，進軍服務器和AI芯片戰場。而除了亞馬遜以外，如今谷歌、微軟、Facebook以及中國的百度、阿里等英特爾大客戶們現在也都開始採用自主開發服務器和AI芯片，或者尋求替代方案的路線，來慢慢擺脫對英特爾芯片的單向依賴。那麼，這些“志同道合”的戰友們目前的進展情況究竟如何了?
谷歌
作為很早就意識到數據中心重要性的谷歌，在六年前就開始自主研發芯片，最早源於Google為其Android系統加入的語音識別技術，也就是我們熟悉的Google Now和 Google Assistant。但由於考慮到語音識別、圖像識別、機器翻譯以及互聯網搜索等越來越多雲服務使用率會大幅增加，而憑藉現有的數據中心規模難以支撐如此龐大的數據量處理和運轉，因此在綜合考量下谷歌最終選擇了自研TPU芯片的這條路。
如今，經過多次的技術迭代，谷歌的TPU項目已經到了第三代，並廣泛應用到了谷歌圖像搜索、谷歌照片、谷歌翻譯以及AlphaGo等諸多項目中，有“一顆芯片頂一座數據中心”的稱譽。據目前谷歌披露的消息，相比類似的服務器級Intel Haswell CPU和NVIDIA K80 GPU，TPU在AI運算測試中的平均速度要快15-30倍，更重要的是，TPU的每瓦性能要比普通的GPU高出25-80倍。最新的TPU3 pod的總處理能力要高於100 PFLOPS，是TPU2 pod的8倍，其中芯片換代的貢獻只有2倍，大部分歸功於系統層面的各種改進。但眾所周知，芯片開發也離不開相關軟件工具，Google的軟件能力和生態也是其能夠實現芯片快速迭代的一個重要因素，比如谷歌專為TPU開發的CNN1軟件，就可以讓TPU的運行速度比普通CPU高出70多倍。
微軟
與其他幾家雲服務巨頭不同，微軟在自研芯片的行動上一直都謹小慎微，鮮有消息對外披露，更多的還是通過選擇合作第二或更多芯片供應商的方式來減少對英特爾獨家供應芯片的依賴。今年9月，市場傳出微軟正尋求與中國華為公司洽談AI芯片採購的計劃，想要用華為的AI芯片來部署到微軟位於中國本土的數據中心服務器上;10月底，FPGA供應商Xilinx獲得了微軟公司Azure雲計算部門的訂單，在超過一半的Azure服務器上微軟會採用Xilinx的芯片來取代英特爾的產品。
在服務器芯片的自研方面，微軟其實也沒閒著。相信不少人還記得高通之前成立的數據中心項目部，而今年6月該項目部開始大幅裁員，從1000名員工迅速縮減到300位，藉此機會微軟也陸續從高通挖走了不少服務器芯片設計工程師和高管，包括工程領導團隊中的Muntaquim Chowdhury、Thomas Speier、Michael McIlvaine、Wayne Smith以及設計經理Ketan Patel和Michael Underkoffler，微軟官方給出的答覆是主要為了擴增研發團隊規模來開發微軟的量子計算芯片，但在量子芯片之後，微軟要開發自主服務器芯片也是水到渠成的事情。
亞馬遜
對於英特爾而言，亞馬遜的正式入場可謂是一個巨大的打擊，同時也將對以X86架構為主導的英特爾未來的業務增長構成長期的影響。事實上，早在2015年，亞馬遜就以3.5億美元的架構收購了以色列芯片開發商Annapurna實驗室，可見當時就已經進入了研發正軌。而今，在ARM架構的推動下，亞馬遜一併推出了多款用於雲端服務器領域的芯片，即機器學習芯片Inferentia以及雲服務器芯片Graviton。
編者獲悉，Inferentia是一款兼具高吞吐量、低延遲、持續性能且極具成本效益的AI處理器，Inferentia支持流行的框架包括TensorFlow、Caffe2和ONNX，同時支持INT8、FP16和混合精度。在亞馬遜高管看來，該芯片旨在提高能效，有助於降低數據中心的電力成本，且現在亞馬遜也正在提供一項允許商業客戶使用其新芯片的雲計算服務，這項服務的成本可以比其他雲服務低45%。
而關於雲服務器芯片Graviton，亞馬遜也基於該芯片打造了EC2 A1虛擬服務器。AWS全球基礎設施和客戶支持副總裁Peter DeSantis表示，Graviton支持多達16個虛擬CPU(vCPU)和高達32 GB的主內存，其服務器適配器網絡帶寬高達每秒10 Gb，其Elastic Block Store(EBS)帶寬高達每秒3.5 Gb，且擁有8到18個核心，運算頻率在1.6 GHz到2.3 GHz之間，足以與英特爾的“Skylake”Xeon-D-2100 v2相匹敵。而基於該芯片打造的EC2 A1計算服務，能夠對部分工作負載能耗可降低45%，為亞馬遜省去大量的電力和芯片採購等額外成本開支。
經過多年的積累和發展，以社交網站為主營業務的Facebook如今已成為了一家國際互聯網巨頭企業。而今，越來越多的競爭對手都開始大力發展AI及雲計算等業務，Facebook也不可能坐得住;而且，在服務器芯片上長期以來都依賴英特爾供應也著實不是長久之計。因此，Facebook選擇自主開發芯片也確實是合情合理。
今年4月份，Facebook對外公佈了一則招聘信息，顯示該公司正在招募一個半導體芯片專業研發團隊，研發團隊將打造“端對端的 SoC/ASIC、固件和驅動程序開發組織” (見圖)。此處的SoC是指系統級芯片，後者ASIC(專用集成電路)則表明，Facebook計劃研發的這款芯片擁有更加特殊的應用場景。該自主芯片將被用在Facebook自家的服務器及AI平臺上，能幫助Facebook降低對諸如英特爾和英偉達等傳統芯片廠商的依賴，實現量身定製的同時還能開發差異化的產品。目前，Facebook的芯片研發最新進展和細節並未對外披露。
在雲服務領域，百度也是一家十分具有影響力的公司，同時也是英特爾服務器芯片的大客戶之一。但顯然，隨著該公司在AI之路上越走越遠，其擺脫英特爾自主開發雲服務器芯片的野心也是越來越大。
其實，從去年開始，百度就已經走上了自研的軌跡。在去年8月的加州Hot Chips大會上，百度就已經發布了AI雲計算的芯片XPU，這是一款256核、基於FPGA的雲計算加速芯片。該芯片架構突出多樣性，著重於計算密集型、基於規則的任務，同時確保效率、性能和靈活性的最大化。據百度官方透露，XPU的目標是在性能和效率之間實現平衡，並處理多樣化的計算任務，因為FPGA加速器本身很擅長處理某些計算任務，但隨著許多小內核交織在一起，多樣性程度將會上升。
雖然XPU目前仍然沒有做到量產，但百度並沒有因此止步。今年7月，在2018百度AI開發者大會上，該公司又推出了一款雲端全功能AI芯片“崑崙”，其中包含訓練芯片崑崙818-300，推理芯片崑崙818-100。據悉，該芯片主要基於三星14nm工藝，由幾萬個小核心構成，內存帶寬高達512GB/s，算力高達260Tops，功耗100+瓦特，可高效地同時滿足訓練和推斷的需求，除了常用深度學習算法等雲端需求，還能適配諸如自然語言處理，大規模語音識別，自動駕駛，大規模推薦等具體終端場景的計算需求，預計量產之日也不遠了。
阿里
作為中國“芯戰隊”的號召者和主力軍之一，阿里今年在AI和雲端芯片領域的步伐走的很快。通過收購、成立新公司以及自主開發等多重模式，阿里如今也正以自己的切實行動來擺脫對國際芯片大廠英特爾等公司的過度依賴。
今年四月，阿里巴巴正式宣佈收購杭州中天微系統有限公司，佈局芯片領域。在收購中天微的前一天，阿里巴巴達摩院也披露了正在研發一款神經網絡芯片——Ali-NPU的消息，該芯片將運用於雲端圖像視頻分析、機器學習等AI推理計算。性能是市面上主流CPU、GPU架構AI芯片的10倍，而製造成本和功耗僅為一半，性價比超過40倍。而今年9月，為進一步推進阿里芯片自主化的進程，阿里巴巴宣佈將中天微和達摩院自研芯片業務進行整合，成為一家獨立的芯片設計公司，馬雲賜名為“平頭哥”，研發團隊接近300人，推進阿里雲端一體化的芯片佈局。
小結
大客戶們的集體“背叛”，對於極度依賴服務器業務增長的英特爾來說無疑是一場“噩夢”。因為正如研究公司IDC的芯片分析師Shane Rau所說，“全球約35%的服務器芯片銷往這些大型雲服務巨頭公司，就算只有其中一家廠商改變其業務佈局，對英特爾來說都是一個非常可怕的消息。因為這些公司中的每一家都是如此之大，它們本身就是一個市場。”
而在這些大市場中“日漸消瘦”的英特爾，未來的業務發展前景令人堪憂，因為一方面，越來越多的大型和超大型客戶擁有了自主研發定製化芯片的能力，雖然短期內難以對英特爾帶來致命的影響，但這些客戶從此具備了更多的議價能力，未來隨著他們芯片的陸續量產，英特爾在服務器芯片的錢無疑是越來越不好賺;另一方面，如今也有AMD、英偉達等越來越多競爭對手開始花大力氣佈局AI和雲端計算芯片領域，英特爾在小份額上未來必定會遭到這些公司的“圍毆”，分食一定的市場份額也是難以避免的事情。所以說如今的英特爾，可能不會再是過去的英特爾，如果不在關鍵領域做出抉擇勇於轉型和改變，未來必定會逐步淪陷。
閱讀更多 華強電子網 的文章
