CPU的墜落就像童謠中的蛋頭先生摔下墻頭變成碎片那樣，英特爾的兵馬再怎么努力也無法將它復原了。

“有幾次我們差點就倒閉了?！惫緞撌既送ǔ６疾粫務撟约汗緸l臨破產的經歷，不過英偉達(Nvidia)的老板黃仁勛沒什么理由要避忌。他的公司近來捷報頻傳。過去一個季度，這家開發微處理器和相關軟件的公司收益增長55%，達22億美元，股價在過去12個月幾乎翻了兩番。

英偉達的成功有很大一部分原因是人們對其生產的芯片需求增長很快。這種名為圖形處理器(GPU)的芯片能讓個人電腦成為快速游戲設備。且GPU還有了新的用武之地，特別是為數據中心提供人工智能程序耗費的大量計算能力。

這些芯片飛漲的銷量(見圖表)是迄今為止信息技術長期轉型最顯著的標志。摩爾定律放慢了腳步(不久之前這個定律還保證計算能力大約每兩年會翻一番)，加之云計算和AI的快速崛起，計算的體系正趨于碎片化。這對半導體行業及業內主導企業英特爾有著深遠的影響。

摩爾定律以英特爾創始人之一戈登·摩爾(Gordon Moore)的名字命名。在該定律完全應驗之時，情況很簡單。無論是在個人電腦(PC)還是服務器(數據中心里性能更強勁的計算機)中，名為“中央處理單元”(CPU)的一類微處理器都可處理大多數“工作負載”(各類計算任務的總稱)。英特爾制造的CPU性能最為強大，因此這家公司不僅在PC處理器市場一家獨大(占據約8o%的市場份額)，還幾乎完全壟斷了服務器的處理器市場。2016年，英特爾的收入接近600億美元。

如今這個單極世界已開始崩潰。處理器性能提升的速度并不足以滿足例如機器學習以及其他AI應用程序的需求。這些應用都需要大量的數據，消耗的數字運算能力比幾年前所有數據中心加起來還要多。英特爾的客戶，如谷歌、微軟和其他大數據中心運營商，正在選擇來自其他公司越來越專門化的處理器，而且還開始設計自己的處理器。

英偉達的GPU就是一個例子。這些GPU最初是設計用來運行交互式視頻游戲所需的大量復雜計算。GPU有數百個專用“核心”(處理器的“大腦”)并行工作，而CPU只有幾個強大的核心來按順序處理計算任務。英偉達最新的處理器擁有3584個核心，而英特爾的服務器CPU最多只有28個。

英偉達上次瀕臨倒閉是在2008至2009年全球金融危機期間，不過它也是在那時時來運轉。它發現自家芯片在對沖基金和研究機構那里有了新用途，例如用來計算復雜的投資和氣候模型。英偉達開發了一種被稱為CUDA的編程語言，幫助其客戶就不同任務為處理器編程。當云計算、大數據和AI在幾年前勢頭漸勁時，能夠滿足這些需求的正是英偉達芯片。

每個互聯網巨頭都在使用英偉達的GPU，以令它們的AI服務能夠從醫學到圖像和人類語音等各類材料中吸收大量數據。上一個財年，英偉達面向數據中心運營商的芯片銷售額增長了兩倍，達到 2.96億美元。

不過，GPU只是這些被稱為加速器的專用處理器中的一種。為了提高運營效率并在競爭中保持領先，云計算公司會混用和搭配芯片，因此專用處理器的范圍也在擴大。負責谷歌技術基礎設施的烏爾斯·霍爾澤(Urs Holzle)這樣描述在靈活性、速度和成本因素之間取得平衡：要為合適的工作找到合適的工具。

專用處理器的一種極端形式是專用集成電路(ASIC)。顧名思義，這種電路為單一目的而搭建。相較于其他芯片，它們速度最快，能效也最高。數十個創業公司都正在開發這種已內置AI算法的芯片。谷歌已打造了一個叫作“張量處理單元”(TPU)的ASIC,用于語音識別。

另一個方向的極端是現場可編程門陣列(FPGA)。這種芯片可以編程，靈活性也就更大，因此盡管這種芯片不易駕馭，微軟還是把它加入到許多服務器中，比如微軟的在線搜索必應(Bing)的服務器里就有它們。微軟的云計算平臺Azure的首席技術官馬克·拉希諾維奇(Mark Russinovich)說：“我們現在有世界上最多的 FPGA?！?/p>

該提心吊膽了

近年來，英特爾沒有制造ASIC或 FPGA，而是致力于制造更為強勁的CPU。沒有人認為傳統處理器很快就要失去用武之地：每個服務器都需要這些處理器，無數的應用程序也都在其上運行。英特爾的芯片銷量仍在增長。不過IT咨詢公司高德納(Gartner)的艾倫·普里斯特利(Alan Priestley)說，加速器正在加速的增長對英特爾來說似乎是個壞消息。加速器上進行的計算越多，留給CPU的就越少。

一種對策就是通過收購來趕上加速器的發展。2015年，英特爾以 167億美元的天價收購了FPGA制造商Altera；去年8月，它又以4億多美元買下Nervana——這家創業公司剛成立三年，正在開發從軟件到芯片的專用AI系統。英特爾稱視專用處理器為機遇而非威脅。主管英特爾數據中心業務的黛安·布萊恩特(Diane Bryant)解釋說，新的計算工作負載往往先在專用處理器上進行，到頭來還是會被“拉入CPU”。例如，加密計算以前在單獨的半導體上進行，但現在只是英特爾CPU上的簡單指令，全球幾乎所有計算機和服務器上都在運行。在加速器上運行AI等新型工作負載意味著成本增加、復雜性更高。

這樣的整合一旦發生，英特爾已經進行了投資以占領先機。今年夏天，英特爾將開始銷售代號為 Knights Mill的新處理器，與英偉達一爭高下。英特爾還在利用 Nervana的技術開發另一款代號為 Knights Crest的芯片。到某個時候，英特爾還會將其CPU與Altera的FPGA整合在一起。

可以預見，競爭對手對未來有著不同的看法。英偉達認為它已搭建了自己的計算平臺。許多公司已經編寫了AI應用程序在英偉達的芯片上運行，并且英偉達還為其他類型的程序創建了軟件基礎設施，用于實現可視化和虛擬現實等功能。幾十歲高齡的計算巨頭IBM也在試著搶英特爾的生意。IBM學習開源軟件的做法，在2013年“開源”了其Power處理器的架構，把它變成了半導體業的一種共有資源。專用芯片制造商可以更輕松地將它們的產品與 Power CPU整合，并且對平臺如何發展有了發言權。

未來很大程度上將取決于AI的發展，市場研究公司IDC的馬修·伊斯特伍德(Matthew Eastwood)說。他認為如果AI最終沒有帶來許多人所期待的革命，而只是在幾年內帶來了變革，英特爾還是有機會的。但是，如果AI在未來十年或更長時間內繼續影響芯片行業，其他種類的處理器將有更多的機會攻占市場。鑒于AI技術應用之廣泛，第二種情況的可能性似乎可大。當然，運算任務無論多大多復雜一概由又大又笨的CPU處理的時代已經結束了。CPU的墜落就像童謠中的蛋頭先生摔下墻頭變成碎片那樣，英特爾的兵馬再怎么努力也無法將它復原了。