微波EDA网,见证研发工程师的成长!
首页 > 硬件设计 > 行业新闻动态 > 英特尔老骥伏枥,志在千里要如何完成转型?

英特尔老骥伏枥,志在千里要如何完成转型?

时间:01-06 来源:半导体行业观察 点击:

能从物联网的数据中受益。Intel的大数据技术能够帮助工厂提升效率,也能帮助网络安全公司检测而已病毒,帮助医生诊断病人。

他们的端对端数据收集、数据存储环境、网关和API让Intel成为一个出色的物联网产品供应商。

(2)5G Networks

Intel CEO Brian Krzanich表示,随着世界往5G推进,由于拥有从modem到基站的端对端5G系统产品,这让他们在未来能够引领5G市场。

未来将有数百万的设备在线,并相互连接。因此网络运营商需要一个新的网络系统来连接这些设备。如果说智能手机时代,这个网络是4G,而到了物联网时代,那就是5G的天下。

例如物联网、无人机快递和虚拟现实都需要低延迟的网络连接。每一个物联网设备更是需要需要通过网关连接、云系统和其他网络系统来实现中继和接受信息。这就需要一些性能更强的5G芯片,来支撑这么多的设备和这么大的数据连接。

在今年的CES开展前,英特尔宣布推出5G数据机(modem)芯片,协助全球各地厂商抢先开发与发表5G解决方案,并且将5G定位为「从模拟转成数字」的颠覆性革命。

虽然英特尔在手机芯片市场布局不如预期,但在数据机芯片市场却仍雄霸一方,不仅去年再度拿下苹果iPhone 7的数据机芯片订单,英特尔也选在CES展前宣布推出全球首款5G数据机芯片,并对5G技术及应用重新定义。

英特尔用户端与物联网事业群总裁Murphy Renduchintala表示,5G不仅是通讯技术世代演替,更像「从模拟转成数字」的颠覆性革命。5G时代来临将推动物联网市场爆发性成长,全球500亿个物联网装置在连网后具备智慧能力,将对全新世代的网路產生诸多需求。

英特尔指出,新款5G数据机芯片的推出是业界一大里程碑,协助全球各地厂商抢先开发与发表5G解决方案。英特尔将加快开发5G装置的脚步,提供各界领导厂商眾多商机,及早开始布建与开发。然而,现今的通讯系统无法应付这波演化所需的庞大频宽,也无法满足各种装置对超低延迟的要求,像是未来的自驾车就需要超快的连网速度才能在瞬间对突发状况即时反应,这也突显英特尔5G数据机的优势。

英特尔的5G数据机的基频芯片搭配全新5G收发器,支援低于6GHz频段与毫米波的通讯功能。如此强大的组合还结合了关键的3GPP 5G NR(new radio)技术,包含低延迟讯框架构、先进频道编码、及大规模多重输入多重输出(MIMO),提供更快的连网与超快的反应速度。英特尔强调,目标是支援早期试验,建立基础环境,让业界加快开发支援3GPP NR规格的產品,协助全球市场採纳3GPP 5G标准。

英特尔新款5G数据机能在全球各地包括美国、欧洲、南韩、日本等地区使用低于6GHz频段与毫米波的频谱,提供5G连网功能,成为真正全球的解决方案。

Threats:威胁

任何一个企业都不可能永远高枕无忧,总需要面对不同的威胁,有来自技术变革带来的,有来自市场转变带来的,也有事新成长起来的竞争者带来的。我们来看一下Intel会面临怎样的威胁:

(1)成长中的高通带来的威胁

随着智能手机销售的下滑,高通通过并购和研发,投入到新的领域,涉足高能效的数据中心和微处理器市场,这会给Intel带来新的挑战。

例如,Intel的大客户之一--高通有计划采取ARM架构的服务器芯片。虽然目前并没有官方声明,但是一旦谷歌和高通合作,这就会给Intel的营收带来直接的影响。

另外,收购了NXP的高通带来的汽车电子市场份额,这个Intel想切入的市场也面临这个拦路虎。

再者,高通本身在无线技术方面的积累,给Intel带来的威胁也是最直接的。在iPhone 7发布之后,Intel用基带抢了高通的一些份额,但由于性能表现不好,给Intel的无线发展也带来了障碍。

所以在Intel的发展过程中,高通会是第一竞争者。

(2)人工智能先驱Nvidia给Intel的威胁

从去年的报道中我们可以看出,Intel对人工智能的重视程度非常高,但是,我们也不得不承认,Nvidia在人工智能的先机,给Intel带来了阻碍。

由于布局较早,英伟达在深度学习市场占据了主要优势。目前国内外绝大多数的深度学习企业和机构都依托英伟达的GPU加速,包括Facebook、Google、阿里巴巴、百度等在内的全球互联网巨头均与英伟达有合作关系。去年一时无两的谷歌AlphaGo,身上也连接了170块GPU。

"目前神经网络计算的标配都是GPU,在这方面目前英特尔投入不够,CPU跑得太慢。"国内领先的人工智能开发商图灵机器人相关负责人告诉记者。

微软(亚洲)互联网工程院人工智能组资深研发总监胡睿认为,GPU成为主流的人工智能计算架构组成部分,原因在于应用于图形、图像处理领域的GPU可以并行处理大量数据,非常适合

Copyright © 2017-2020 微波EDA网 版权所有

网站地图

Top