半导体双“英”发财报 揭示芯片产业未来趋势

　　日前，以CPU为主的英特尔和GPU为主的英伟达先后发布了自己今年第一季度财报，其中双方利润分别同比增长了45%和48%，按理说双方利润的增长都相当可观，尤其是对于英特尔，在当季PC市场依然下滑之时，仍以PC芯片为主的英特尔能够实现如此的利润增长实属可贵。

　　但事实远没有看起来那般简单，反映在资本市场中，英特尔在取得了看似不错的财报后，其股价不涨反跌，跌幅高达6%左右，相比之下，英伟达的股价则大幅上扬了14%左右。

　　那么问题来了，为何同是利润增长，且增长幅度几乎相同，但双方在股价上的表现却大相径庭呢?这背后的真正原因是什么?又预示着芯片产业怎样的趋势?

　　其实只要稍微留意双方的财报和业内的分析就不难发现其中的缘由。由于云服务提供商的数据中心对于芯片的需求非常旺盛，英伟达第一财季的数据中心业务营收为4.09亿美元，同比增长了一倍以上，轻松击败了分析师预期的3.182亿美元。与之相比，英特尔的数据中心业务(DCG)收入为42亿美元，尽管增长了6%，但因不及预期，导致英特尔股价大跌3%。也就是说双方在数据中心(芯片)市场的表现才是决定股价的关键。

　　如果说上述是因为外部(主要来自英伟达)竞争压力导致英特尔股价下跌的话，英特尔内部业务的表现也起到了关键作用。从构成英特尔营收和利润的两大主力业务看，据英特尔第一季度财报显示：以PC芯片为主的客户端计算事业部(CCG)的运营利润为30.31亿美元，同比增长60%，而以数据中心服务器芯片为主DCG运营利润则同比下降了16%至14.87亿美元。

　　而众所周知的事实是，CCG业务所在的PC产业日渐走低，以数据中心服务器芯片为主DCG才是英特尔现在和未来增长的动力已是业内(包括英特尔自己)的共识，更何况本季度CCG的运营利润增长并不具备可持续性，这点从PC市场依然下滑，英特尔CEO科再奇在财报发布上的今年全年，这一业务仍然会出现个位数下滑的预测可见一斑，也进而再次证明了以数据中心服务器芯片为主DCG业务表现对于英特尔的举足轻重。

　　实际上，分析师对本季度英特尔的DCG运营利润下滑均感到不解，纷纷在电话会议期间进行询问。而英特尔给出的原因是因为把未来制程节点作为了首选，成本较高所致。事实真的如此吗?

　　“现在，全世界各大互联网和云服务提供商都在使用英伟达的GPU芯片。”英伟达首席财务官科莱特-克雷斯(Colette Kress)在财报电话会议结束后说。

　　不知业内看到这句话有何感想?我们看到的是，克雷斯说的这些大公司包括社交网络Facebook、Alphabet公司旗下的谷歌、IBM、微软和阿里巴巴集团。甚至连亚马逊AWS云服务都在使用英伟达的芯片。而这些也是英特尔DCG业务的主要客户。

　　在此，也许有人会质疑，在目前占有数据中心服务器芯片市场90%以上市场份额的英特尔，英伟达的冲击真的会对英特尔造成实质性的影响吗?这里我们不妨看看英伟达的GPU在数据中心服务器芯片市场的表现。

　　以其去年发布的Tesla P100为例，由8块Tesla P100搭建的DGX-1，其GPU吞吐量相当于 250台传统服务器的水平。除此之外，DGX-1系统还包含一套深度学习软件，即深度学习GPU训练系统 (DIGITS)，可用于设计深度神经网络 (DNN)，据了解DGX-1可以将深度学习的培训速度加快75倍，将CPU性能提升56倍，即英特尔双路至强系统需要250多个节点和150个小时来训练Alexnet，而DGX-1只需要一个节点2个小时，后者在性能和节点总带宽上都有明显的优势。

　　其实，在谷歌Brain项目中，英伟达的GPU已经量化了相对于英特尔CPU的优势，该项目中，其3台机器中配置了12颗GPU，性能就达到了包含1000个节点的CPU簇的水平。

　　进入到今年，英伟达推出了新的Tesla V100，这款AI芯片有210亿个晶体管，比一年前的Tesla P100还要强大，同时Tesla V100具有5120个CUDA处理内核。对此，英伟达CEO黄仁勋表示，这种芯片的能力和能源效率有助于云服务供应商大幅提升其使用AI的能力(云服务和数据中心提供业务的发展趋势)，可以将数据中心的能力提高15倍，替代400台传统CPU的服务器，甚至无需建立新的数据中心。

　　看到这里想必业内应该清楚英伟达对于英特尔的影响了吧，即现在和未来，英伟达主打AI功的GPU都会在不同程度上冲击英特尔在数据中心芯片市场CPU的销量、营收和利润，其实这种冲击在本季度就应该有所显现，只是英特尔以未来制程节点作为了首选，成本较高所致其运营利润下滑避重就轻罢了。

　　更让业内担心的是，在日前英伟达主办的GTC 2017上，英伟达宣布GTC参加人数在五年内上升了三倍，今年达到7000人，GPU开发者增长了11倍达到50多万，CUDA驱动程序和SDK的下载量也超过了百万。

　　此外，英伟达还推出GPU云平台和开源Xavier DLA，我们看到的是英伟达不仅在GPU本身，而是以此为基础正在打造以满足AI需求的未来数据中心的新生态，这才是让英特尔细思极恐之处，毕竟在传统的数据中心和云服务市场，英特尔除了CPU外，最大的护城河也是其建立的围绕x86 CPU的生态。

　　针对上述云服务和数据中心提供商基于自身和提供具有AI功能业务需求的转变及英伟达的快速发展，英特尔并非没有意识和动作，但与英伟达早在2011年左右就开始AI芯片的研究和布局不同，后知后觉的英特尔采用的是“买卖卖”的并购方式，去年5月，收购计算视觉软件公司Itseez;6月收购FPGA制造商Altera;，8月收购深度学习初创公司Nervana Systems;9月收购机器视觉初创公司Movidius等一系列集中爆发的并购近乎都与所谓的AI有关。

　　从理论上讲，英特尔并购的上述企业在AI芯片方面都具有自己的优势，例如虽然GPU相比CPU有一定的优势，但与Altera的FPGA相比依然逊色不少(有研究人员测试，相比GPU，FPGA的架构更灵活，单位能耗下性能更强)，深度学习算法在FPGA上能够更快、更有效地运行，而且功耗也能做到更低;Nervana Systems研究的深度学习芯片具有性价比高于GPU，处理速度是 GPU 的10倍等特点。

　　对于英特尔上述在AI芯片的种种布局，黄仁勋则代表英伟达表示质疑：如果说至强融核(Xeon Phi)处理器(英特尔去年发布的所谓AI服务器芯片，并因此引发过与英伟达GPU相比，谁优谁劣的评测口水战)对于AI非常适用，那为什么要收购Altera?

　　既然买了Altera，Altera又非常适合AI的话，为什么要买Nervada Systems?如果Nervada Systems才是真正的AI方面的技术，要进行开发和产品推出的话，那至强融核协处理器又怎么办?如果说这三个都适合AI，那是不是意味着至强融核协处理器就不适合AI呢?

　　尽管上述言论不排除黄仁勋偏袒自家AI芯片之嫌，但也间接说明英特尔目前在AI芯片尚处在选择路径和整合的阶段而行动缓慢，尚需最终的产品和市场来证明。但就目前看，英伟达GPU是惟一实现大规模应用方案，且经过了市场的检验，这也解释了为何同是利润增长，但英伟达股价暴涨，而英特尔股价下跌背后真正的原因。