DeepTech深科技 發表於 2020-12-22 17:28:18
不少分析認為，2020 年，半導體行業局勢已發生微妙變化，英特爾正面臨著巨大外在挑戰。
今年，英偉達斥資 400 億美元收購 ARM，志在拓寬 GPU 之外的計算硬體體系；AMD 藉助臺積電 7 納米工藝推出了多款第三代處理器，與英特爾同期產品展開競爭激烈；而蘋果公司在筆記本電腦新品中，首次使用基於 ARM 架構的 5 納米自研晶片 「M1」，激發的連鎖市場反應變數增多。
從 1971 年製造出第一顆處理器開始，英特爾開始引領摩爾定律發展，在 PC 時代奠定霸主地位，迅速成為全球最大的半導體晶片製造商，對待變局，這家巨頭企業可能要比其他任何公司都敏銳和最先感知。
時代轉型之下變量正在激增，比如摩爾定律正在逼近極限，人工智慧、AIoT 發展邁向深水區，5G 通訊浪潮已經掀起，新的 「抓手」 會是什麼？
在日前的一次媒體溝通會上，英特爾架構、圖形和軟體集團副總裁兼中國區總經理謝曉清，以及英特爾大數據技術全球 CTO、大數據分析和人工智慧創新院院長戴金權，分享了英特爾正在打造的 「新利器」，最為關鍵的舉措便是 「XPU」 願景和 oneAPI 工具包，據悉，oneAPI Gold 工具包已於 12 月 9 日正式交付。
面對變量，英特爾的答案可能更傾向於重新定義一個半導體行業 「遊戲規則」，展開新維度的競爭，而最大的優勢是，它有這個定義能力。
底層硬體邏輯穩中求變
其實早在 2020 年 8 月份舉辦的架構日活動上，英特爾首席架構師拉賈・科杜裡（Raja Koduri）就點明英特爾的新策略，重新梳理了競爭脈絡。
英特爾之所以能長期穩居寶座，很大程度上得益於其核心技術貫穿了晶片製程與封裝、XPU 架構、內存與存儲、互聯、安全、軟體等 6 大技術領域，形成協同效應，通過軟硬結合將每個電晶體的性能發揮到極限。
今年以來，英特爾在 7 納米及以下的先進位程推出上雖有延期，但其 「壓榨」 乾淨現有 10 納米晶片性能的方式仍不容小覷，其提出 10 納米 SuperFin 工藝，實現了該公司歷史上最大的單節點內部增強，提供了與全節點過渡相當的性能改進。
此外，英特爾還將下一代 Willow Cove CPU 架構與 10nm SuperFin 技術集成起來 ，形成全新的 Tiger Lake 平臺架構，這將取代上一代的 Ice Lake 微架構系列移動處理，讓 CPU 性能、圖形處理、AI 計算、內存帶寬、安全性能等方面實現系統性提升。
提到英特爾只能想到 CPU 處理器？這個認知是時候刷新一下了。
下一個十年，在穩固 CPU 市場競爭力的基礎上，英特爾更大的一盤棋在於 「XPU」，其目標是重新衡量電晶體縮小和 CPU 的發展以外的技術路線，重點在於滿足智能設備時代，數據計算指數級增長的需求，而硬體布局也早已從單獨的 CPU 拓展到跨 CPU、GPU、FPGA 和其他加速器的混合架構。
目前，英特爾的 GPU 和 FPGA 市場布局已初露鋒芒。2020 年 11 月，英特爾推出了銳炬 ® Xe MAX 獨立顯卡，用於輕薄筆記本電腦，相比配有第三方顯卡的同類筆記本電腦，可將基於人工智慧的創作速度提升 7 倍，而相比高端臺式機顯卡可將視頻編碼速度提升高達 1.78 倍。
英特爾 GPU 的競爭優勢在於能和英特爾 CPU 更好地協同，搭載其他獨立顯卡的輕薄筆記本電腦，很少對 CPU 進行性能優化，而英特爾銳炬 ® Xe MAX 獨立顯卡處於空閒狀態時，可將所有電源和散熱資源專門用於 CPU，在創作者持續實施任務（如執行高級渲染）時可將 CPU 性能提高多達 20%。
筆記本電腦 GPU 之外，英偉達還發布了其首款數據中心獨立圖形顯卡。該伺服器 GPU 基於 Xe-LP 微架構，搭配英特爾 ® 至強 ® 可擴展處理器，豐富的開源和授權的英特爾軟體組件，企業通過較低的總體擁有成本（TCO）即可實現高密度、低時延的雲遊戲或流媒體服務解決方案。
FPGA 方面，8 月份，英特爾推出的 Agilex™FPGA 系列晶片，採用了異構 3D 系統級封裝（SiP）技術，搭配最新 10 納米工藝，可為數據中心、網絡和邊緣計算等應用提供高達 40% 的性能或功耗降低；11 月又陸續發布了可定製解決方案英特爾 ® eASIC N5X，以及最新的英特爾 ® 開放式 FPGA 堆棧 （Intel® OFS），這一切，都意在擴張在 5G、人工智慧、雲端與邊緣計算中的滲透率。
隨著市場競爭的日趨激烈，不少半導體科技巨頭的拓展可能會對英特爾的固有市場造成侵蝕，但從英特爾的布局押注來看，也早已謀劃好了如何對外擴張。
軟體先行，oneAPI 一統開發者生態
硬體體系擴張帶來最大的挑戰是，需要更全面的軟體棧，oneAPI 便是英特爾俘獲開發者喜愛的新大招。
智能計算場景下有很多痛點，例如每一類硬體平臺通常需要開發者維護獨立的代碼庫，以及需要使用不同的語言、庫和軟體工具進行編程，這是一項極其複雜和耗時的工作，大大阻礙了開發效率。開發者們已經對一種通用、開放且是行業標準的編程工具包期待已久，而制定一個新標準，這恰恰是英特爾過去幾十年所擅長的。
謝曉清表示，「oneAPI Gold 工具包會給開發者提供一個非常友好的編程環境，讓他們可以自由選擇硬體平臺，不必要用某一種語言就必須綁定在某一個硬體平臺上；其次，我們提供的編譯器、系統都是高度優化，所以可以實現最大的硬體性能，並且最優支持不同異構計算的硬體加速；第三，它的開發模式非常快速、高效，並且源碼的維護成本可以達到最低。」
具體而言，oneAPI 相當於是擴展了現有的開發人員編程模型，以通過數據並行語言，一組庫 API 和一個低級硬體接口來支持跨體系結構編程，從而支持多種硬體體系結構，在英特爾本身行業標準之上，提供了一個開放的，跨平臺的開發人員堆棧。
基於過去數十年的開發工具積累，英特爾開發出一種跨架構的程式語言 Data Parallel C++（DPC++）、以及用於 API 編程的函數庫以及底層硬體接口（oneAPI Level Zero），其它硬體廠商也能使用 oneAPI 實現對特定硬體進行優化。
正如我們所看到的，oneAPI 編程模式兼容性堪稱達到了歷史最強。目前在各個領域應用比較廣泛的高性能計算開發工具如 Fortran，在 AI 領域的 Python，以及像 OpenMP 這樣不同領域使用的語言都可以做到無縫對接，同時，oneAPI 也支持一些主流的 AI 工具包，包括 Hadoop、Spark、TensorFlow、PyTorch、PaddlePaddle、OpenVINO 等等，形成更適合人工智慧時代的軟體棧。
oneAPI 是英特爾 「軟體先行」 戰略一種體現，畢竟，展開硬體新布局之前，讓開發者愛上自己的工具乃至離不開這些工具的便捷性，是晶片製程、性能之外最重要的市場抓手。就目前官方提供的下載內容來看，除了跨平臺基礎開發套件之外，重點的工具也包括了高性能計算、物聯網和高級渲染層面的工具整合。
而英特爾的信心在於，從最早的計算機時代開始，開發者生態持續維護了 20 多年，並有 10000 項與客戶合作的軟體部署經驗，現在也是 Linux Kernel 最大的貢獻者，每年修改的代碼超過 50 萬行，為 100 多個作業系統進行過優化。
擁有 15000 多名軟體工程師英特爾，軟實力同樣強悍，在跨基礎架構、網絡、作業系統、開發工具和 SDK 以及其標準制定方面，廣泛應用和經驗積累造就了絕對的話語權。
上層應用小試牛刀
全新軟、硬體生態布局可讓英特爾的技術方案更有延展性，比如推動雲遊戲系統框架的優化。
據謝曉清介紹，英特爾最新發布的 GPU—SG1 能在整個安卓雲遊戲的框架上起到非常大的作用。它的圖形渲染能力以及多媒體編解碼能力，使得技術人員有可能利用獨立 GPU 把雲遊戲的圖形界面在雲端直接渲染，並且利用流媒體的方式，把它編碼之後直接發布到終端。
而在 CPU 端，英特爾把安卓用比較輕量級雲原生的技術，用容器化的技術把它跑到輕量級的容器當中，提供雲端協同的創新應用。值得一提的是，英特爾在安卓的框架層和運行層都做了非常多的優化，能使安卓容器化方案做到很高的密度，這些方案目前正在進行測試，可能會比較快的看到產品化的實現。
具體案例方面，騰訊基於 Intel 伺服器 GPU，在每臺雙卡伺服器上可生成 100 多個遊戲實例，已測試過比較熱門的遊戲包括《王者榮耀》、《傳說對決》等。
英特爾大數據技術全球 CTO、大數據分析和人工智慧創新院院長戴金權，則重點介紹了 oneAPI Gold 對 AI 軟體棧和軟體生態的推進。
在 XPU 和 oneAPI 軟硬體之上，新的技術體系可支持開發人員使用深度學習、機器學習、大數據等各種各樣的框架，包括 TensorFlow、PyTorch、MXNet、OpenVINO、Spark 等等，幫助開發者方便地將他們端到端的數據分析加上 AI 的解決方案給快速構建出來。
戴金權表示，AI 技術已經進入到了我們現實生活的各方各面，可用來提升商業效率、提高利潤、準確率等等，但對於在現實場景中需要把這些 AI 落地的開發人員來說，最大挑戰之一，是如何將 AI 算法應用到複雜的數據當中。
首先這個數據量非常大；其次，數據非常複雜，可能來自各個不同的地方，數據又在非常快速變化。
針對這些行業問題，英特爾去年 6 月在中國設立的大數據分析和人工智慧創新院，近期開源了一個端到端的大數據 + AI 軟體平臺：Analytics Zoo，開源地址可參考：https://github.com/intel-analytics/analytics-zoo
Analytics Zoo 在底層可提供端到端的數據流水線的能力，能夠幫助開發者直接無縫地將 AI 模型運行在其分布式大數據上；中間層可提供機器學習的工作流，目的是能夠將很多人工的作業、人工的任務變成自動化；在最上層，則能構建不同應用場景，快速開發例如推薦系統、時間序列分析、計算機視覺、以及自然語言處理等方面的應用。
結語
對於晶片巨頭來說，除了晶片納米製程的 PK，最關乎生存發展的可能便是強大的軟體開發者生態。
總體來看，經過幾十年的發展積澱，英特爾跨基礎架構、網絡、作業系統的開發經驗，在半導體行業中屈指可數，也是為數不多有能力重新定義未來應用程式開發方式的巨頭。在 XPU 產品版圖之上，oneAPI 作為英特爾 「軟體優先」 策略的一種體現，有望讓英特爾在日益融合、異構化及跨架構編程的人工智慧時代，更有市場把控力。
在很多開發者眼中，英偉達從十餘年前的瀕臨破產到人工智慧時代快速崛起，其開發的通用並行計算架構平臺 CUDA 絕對是核心殺器。而 oneAPI 對於現在的英特爾來說，有點異曲同工，XPU 和 oneAPI 軟硬結合的這盤棋變得更大，近年來，英特爾也面對著不少質疑聲，而讓自身不焦慮的方式是，或許就是把目光放遠到下一個十年的競爭維度上。
責任編輯：haq
打開APP閱讀更多精彩內容聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴