AI豪赌出业绩，产品启动商用——性能“吊打”友商。
今天（11月13日）在年度AI峰会上，老牌芯片霸主英特尔，交上最新AI答卷：
首款AI芯片量产商用、性能吊打英伟达T4，营收贡献预计35亿美元——年对年同比增长250%，另外还推出了下一代边缘芯片VPU。
种种成绩，让英特尔AI掌舵者Naveen Rao也备显扬眉吐气，在历经4年励精图治、壕购4家初创公司、花费超过5亿美元后，豪赌押注终于有了明确回报。
而且不仅是对英特尔整体战略转型的验证，也在AI竞争中扳回一局，给了核心竞争对手英伟达有力反击。
AI芯片江湖，风雨再起。
首款AI芯片商用部署
今年8月，英特尔就对外宣布了NNP——这也是芯片巨头旗下名副其实的首款AI芯片。
现在，用于训练的NNP-T1000和主打推理的NNP-I1000正式商用，百度和Facebook成首批交付客户，会率先在数据中心和云端展开部署。
值得一提的还有性能跑分。
之前最先官宣时，还没有明确性能参照，但今日现场，推理方面直接吊打友商。
对标英伟达新一代T4，英特尔NNP-I1000展现出3.7倍的性能优势，但没有比较之前宣称15倍于T4的平头哥含光800……
而且更多参数方面，英特尔现场没有再专门“更新”，应该依然维持官宣时数据。
我们简单回顾：
NNP-T，16nm FF+制程工艺，有270万个16nm晶体管，硅片面积680平方毫米，60mmx60mm 2.5D封装，包含24个张量处理器组成的网格。
核心频率最高可达1.1GHz，60MB片上存储器，4个8GB的HBM2-2000内存，它使用x16 PCIe 4接口，TDP为150~250W。
算力方面，最高可以达到每秒119万亿次操作（119TOPS）。
还支持3大主流机器学习框架：TensorFlow\PyTorch\PaddlePaddle，包括C++ 深度学习软件库、编译器nGraph。
NNP-I，10nm工艺，基于Ice Lake处理器，在数据中心推理工作负载中，它的效率达4.8TOPs/W，功率范围可以在10W到50W之间。
在ResNet50上，NNP-I在10W的功率水平上每秒可以完成3600次推理，每瓦每秒可以处理360张图片。
针对主要数据中心推理工作负载，NNP-I能做到在很宽的功率范围内具有可扩展的性能、不影响能效比的高度可编程性，从而在单位功率上实现最佳性能。
NNP-I也覆盖主流深度学习软件：ONNX，nGraph，OpenVINO，C++。
所以整体而言，虽然AI专用芯片“姗姗来迟”，但软硬件一体上，姜还是老的辣。
而且不止云端AI芯片，这次还有用于边缘的下一代VPU，主打边缘端视觉推理。
与上一代VPU相比，推理性能有10倍提升。
能效方面，对比英伟达TX2有6.2倍优势，比英伟达Xavier和华为昇腾310，也优势明显。
不过上市要等到2020年上半年，具体成本和价格，也要等到那时才能揭晓。
年营收预计245亿，250%增长
AI芯片交付和商用之外，另一项重要业绩自然是营收。
峰会现场，英特尔AI负责人Naveen Rao再次披露营收成绩单。
按照预计，2019年英特尔AI创造的营收有望达到35亿美元——折合人民币245亿元，相比去年的10亿美元，同比增长了250%。
这种增长对英特尔总营收自然也是利好，虽然短期内还无法成为数据中心、PC一样的主营收入项。
比如2018年，英特尔总收入和708亿美元，折合人民币4800亿元，其中数据中心贡献的收入占比48%。
但AI芯片起势，营收价值不光直接交付商用本身，对于PC、数据中心等业务，也是补强。
特别在AI落地中，需要的解决方案并不单一。
AI芯片、边缘物联网芯片，以及英特尔核心法宝CPU结合，可以发挥协同效应。
之前深度学习方兴未艾，更多大厂主要用GPU进行训练和推理部署，比如百度。
但这次英特尔AI峰会现场，百度已表示旗下AI训练中心，已基于英特尔方案打造。
这也印证了NNP刚宣布时的格局判断：企业在谷歌、英伟达的硬件之外又有了新的选项。
豪赌押注有了成果
而且对于英特尔本身来说，这也是一个历史性的时刻。
豪赌押注多年，AI方面终于产品交货，营收大涨。
毕竟芯片半导体巨头，在经历PC时代无可撼动的辉煌、遗憾错失移动互联网先机之后，着实想在AI为核心的新技术周期里，打一场漂亮反击战。
为了今日，英特尔排兵布阵积蓄多年。
此前为了在与英伟达、高通和AMD等公司的竞争中立于不败之地，英特尔这家半导体领域的巨头不仅每年投入上百亿美元的研发资金，还辗转收购多家AI领域明星芯片公司。
2015年，买入FPGA制造商Altera，之后推出了基于FPGA的专用深度学习加速卡。
2016年，壕购深度学习芯片公司Nervana Systems，并且吸纳核心团队，以外部收购融合内部业务。
同年还收购了主打低功耗AI视觉处理芯片公司Movidius。
2018年，又将开发AI模型套件的创业公司Vertex.ai收入囊中。
而且值得注意的是，英特尔在买买买同时，研发体系也在建立和强化。
收购Nervana Systems是一桩典型的核心人才收购。
原Nervana Systems创始人Naveen Rao，出任AI业务大总管，担任英特尔副总裁、AI负责人，直接向英特尔CEO汇报。
也是在Naveen Rao带队下，英特尔的AI专用芯片开始谋篇布局、落到实处，Nervana神经网络处理器（NNP）明确打响第一枪，证明在AI方向上投入的成效。
战略转型中的英特尔
但AI并非英特尔战略全部。
英特尔搞AI，一方面是时势使然，但更重要的是其数据转型战略。
在这家老牌半导体巨头来看，我们正在进入一个万物皆数、一切都是数据流的时代。
AI、IoT、5G，都是数据流时代里的技术表现或使用方式之一。
他们更关心数据从何而来、怎样处理，最后能多大程度发挥效用。
所以AI为大数据而生，数据中心\云计算为数据而长，智能化也是数据充分训练、推理和模拟部署的结果。
对于英特尔来说，希望借此穿越新技术周期，复刻PC时代的成功路线。
只是今时不同往日，英特尔面临的竞争不仅有老冤家，还有诸多新对手。
英伟达、AMD、Arm和高通之外，还有华为海思、阿里平头哥以及一众AI造芯公司……市场激烈如春秋战国。
但英特尔依然是不可小觑的芯片一哥，CPU上的垄断地位未受动摇，云、边缘和AI芯片方面也在补强。
而且老牌公司越发力，市场竞争越激烈，对于广大中小企业和开发者无疑也会带来性价比利好。
从这个方面来说，英特尔加加油，也挺好。
你说呢？
