关于CPU/GPU谁更适合AI这个问题，英特尔能因这三次收购继续称霸吗？

曾经的芯片巨头，正在全面拥抱着人工智能的转型。但是前有老对手微软的压力，中有NVIDIA的截杀，后有谷歌等互联网新贵的追击，英特尔如何用人工智能照亮未来之路？

对于AI这件事，CPU和GPU谁更适合？
要回答这个问题，就要从CPU和GPU的架构说起。这是一个非常复杂且学术的问题，抛开一些技术关卡，这张图片能比较直观的让我们了解到CPU和GPU的不同。

CPU和GPU的架构示意图（图片来自电子工程）

图片中绿色的是计算单元，橙红色的是存储单元，橙黄色的是控制单元。GPU采用了数量众多的计算单元和超长的流水线，但只有非常简单的控制逻辑。而CPU有着复杂的控制逻辑和诸多优化电路，但计算能力只占很小一部分。因此，GPU更擅长大规模并发计算，适用于数据并行度高的计算密集型程序（相同算法不同数据重复计算）。而CPU对并行程度要求低，对数据的依赖性不高，适合处理多样的任务。

在2016年人工智能概念再次走向大众视野时，Alphago的走红将深度学习概念迅速炒热，对于需要大量数据并行计算处理的深度学习，GPU的优势被直接放大，但是从人工智能的完整路径来看，CPU和GPU必须各司其职相互配合。

具体到一个完整的人工智能应用，前期的数据获取和最后的信息决策都是CPU擅长的，而中间大量的数据计算则是GPU更擅长完成的。"比如人脸识别应用，前期图像的采集、数据的存储在CPU上运行最好，随后GPU负责大量的并行识别计算，最后的识别结果需要关联其他信息做决策，或者跟其他传感器和渠道来做信息综合的时候，CPU则更擅长。"英特尔中国研究院院长宋继强在接受ZOL视频专访时举例道。

英特尔中国研究院院长宋继强

不过，GPU并不是并行计算的唯一平台。如果还没有明确的数据算法，需要大量实验确定哪种算法更适合的时候，GPU的效率会更高更灵活。但是一旦算法固定了，GPU的工作将可以由一种专门针对人工智能AI优化的加速芯片来替代。

目前，英特尔拥有FPGA和Nervana两种硬件加速芯片，不需要CPU的指令调度，可以直接针对硬件和算法优化，执行效率更高。这类专用的加速芯片能够解决计算密度、内存存储带宽等问题，将性能优化到最佳。"前端设备要考虑尺寸、功耗、价格等问题，专用加速芯片是最好的选择。加速芯片特别适合在前端设备里做计算机视觉应用，小规模的深度学习网络，所以会出现在无人机、人工智能摄像头上。"宋继强院长表示。

三个左右未来的收购
英特尔用专用加速芯片降低了并行计算的冲击，而这背后离不开三个关键性的收购。

英特尔167亿美元收购Altera
2015年6月2日，英特尔宣布以167亿美元的现金收购可编程逻辑芯片巨头Altera，这笔交易成为英特尔成立49年历史中金额最大的一笔并购，CEO科再奇都感叹"这笔并购案的金额实在太大了"。的确，彼时英特尔一个季度的营收才刚刚达到132亿美元。现在看来英特尔当时的破釜沉舟还是压对了宝，Altera的FPGA纳入到英特尔的产品线后，成为了英特尔开发专用加速芯片至关重要的砝码。英特尔并购副总裁文德尔·布鲁克斯在当时接受采访时曾表示，相对于传统的处理器和FPGA独立组件，FPGA和英特尔处理器封装的一体化芯片最初将带来30%-50%的性能提升，而最终的性能提升将达到2-3倍。

英特尔4亿美元收购Nervana System
FPGA虽然也可以完成高性能并行计算，但是还不足以弥补没有GPU的缺憾，于是英特尔继续了买买买之路。2016年8月10日，英特尔宣布4亿美元收购深度学习创业公司Nervana System。Nervana是一家在芯片领域具有自主知识产权的公司，旗下的Engine芯片在功耗和性能方面可以和GPU相抗衡。借助Nervana加速芯片，英特尔延伸了处理器业务体系，在人工智能领域获得更多话语权。

英特尔153亿美元收购Mobileye
今年3月13日，英特尔宣布以153亿美元收购Mobileye，这也是49年来继167亿美金收购Altera之后，英特尔规模第二大的交易。要知道2016年英特尔整个财年的净利润也才103亿美元，英特尔几乎是花了一年半的收入完成这项收购。为什么？Mobileye手握着摄像头、传感器芯片等多项实现自动驾驶的关键技术，甚至有分析称其在驾驶员辅助和防碰撞系统领域已占据全球七成以上的市场份额，此次收购必将进一步强化英特尔在自动驾驶汽车领域技术供应商的地位。宋院长披露："收购之后，Mobileye的客户直接变成了英特尔可以支持的客户，英特尔在自动驾驶领域将能够提供从算法到芯片，从多传感融合到存储、通讯技术的整车方案。无人驾驶技术不是某一种技术，而是需要综合很多种技术，英特尔将非常善于打造高效可靠的无人驾驶平台。"