首页 > 半导体 > 正文

面临大挑战的Intel，能如愿转型么？

2017-02-06 10:53:00 来源: 互联网

点击

近年来，由于电子终端市场的快速变化，引致了上游半导体市场的兼并重构，很多曾经绝对领先的巨头也开始布局新产品、新市场，寻找下一波利润的增长点。如Intel、高通这两个分别在PC和移动时代称霸的霸主，也从2015年以来，开启各种并购，布局未来。

尤其是Intel，在错过了移动时代以后，这几年频繁在5G、物联网、人工智能等领域大规模投入，生怕再次错失先机。进入了2017年，似乎已经做好了布局的Intel将会迎来怎么样的机遇与挑战呢？且看我们用SWOT分析法（这是一种优势分析法，包括 Strengths、Weaknesses、Opportunities和Threats）对Intel进行深入解读。

Strengths：强势

当然，传统的晶圆制造工艺、服务器芯片、PC芯片等，还是Intel的长处，尤其是晶圆制造工艺及在这几十年积累的深厚技术，这对于他们在未来做任何芯片方面的转型，都很大的益处。除了这些传统的优势，新收购和内部孵化的项目，也是从某个角度弥补了Intel的短板。到了2017，我们看到Intel有以下几方面的强势：

（1）FPGA

在2015年，Intel斥资167亿美元收购了全球第二大FPGA制造商Altera，这种可重构的芯片对于Intel在未来的服务器和物联网市场有很大的帮助。这是基于硬件生态系统的各个层面向轻便性和定制化转变等原因做的一个决定。

由于“软件正在蚕食世界”，对一个要花18个月才能把想法变成某些成品的芯片公司而言，形势变得更加困难。至少通过FPGA，你可以提供一款能够改变的硬件产品，即便实现这种改变需要不菲的成本。

收购了这种技术能够优化Intel的数据中心设计，帮助其X86处理器芯片面对ARM的潜在竞争。据英特尔云平台团队副总裁兼总经理杰森•韦克斯曼提供的一个数据。韦克斯曼表示，到2020年，英特尔相信将有三分之一的数据中心市场使用Altera专攻的芯片技术。

另外，在涵盖数据中心的演示中，微软等客户正在使用FPGA来运行它们的搜索算法。在关于加速器的演示中，未来的机器学习用户正在目睹FPGA运行类神经网络。总之，英特尔认为FPGA会无处不在。在网络世界，FPGA已经在蜂窝基站中亮相，英特尔希望借助FPGA在这一领域获得更多的市场占有率。通信公司趋向于将其网络设备嵌入到IoT设备嵌入式设备中，这也催生了对FPGA的需求。这是Intel的优势之一。

（2）人工智能

在2016年掀起产业界高度关注的人工智能市场，Intel收购了Nervana和Movidius，意图打造其AI产品线。

Nervana Systems 创立于2014年，是一家位于圣地亚哥的创业公司。该公司的三位创始人 Arjun Bansal、Naveen Rao 和 Amir Khosrowshahi 在高通公司工作时认识。 Nervana 承载着他们一个共同的目标：将开发者迫切需要的简洁性带入到大脑所启发的算法的应用中。

该公司一直希望将机器学习功能全力引入芯片之中。最开始，公司的业务是出售专为深度学习任务定制的硬件，后来开始利用自己的硬件提供深度学习云服务。它还发布有开源深度学习框架Neon。

在收购了Nervana之后，Intel将其先进的晶圆制造技术和无限的资源融合到Nervana的先进深度学习架构里，开发出一种每秒传输速度高达2.4兆兆字节，且延迟只有传统芯片的五分之一到十分之一的芯片。

在去年的11月，Intel在其“AI Day”上公布了其芯片Roadmap，Nervana CEO及联合创始人奈文•拉奥（Naveen Rao）表示，Nervana的加速处理器Lake Crest将于今年推出。据称在同样的能耗水平上，相对于目前的顶级图形处理器，这款产品在运行神经网络任务时将会有更好的性能。这款芯片将使用台积电的28纳米工艺制造。

可以预见，Intel在未来会是AI芯片领域的强有力竞争者。

而Movidius是一家视觉芯片处理初创公司，其名气虽然不及英特尔、高通以及 NVIDIA，但 Movidius 的技术已经植入在耳熟能详的 Google Tango，大疆精灵 4 无人机等。这家从 2006 年就成立的视觉计算芯片公司花费了 9 年的时间开发出了低价低功耗高性能的视觉处理器芯片——Myriad 系列 VPU（Vision Processing Unit）。Movidius CEO Remi El-Ouazzane表示，和为多种用途推出，普适性较高的 CPU、GPU 不同，VPU 专门为计算机视觉进行优化，可以用于 3D 扫描建模、室内导航、360°全景视频等更前沿的计算机视觉用途。相较主流的移动处理芯片（集成 GPU 的 SoC），Myriad VPU 的身材更小，视觉处理运算的效能更高。

Intel在收购Movidius之后，将其与自身的Realsense和AI战略结合，加速机器视觉技术的发展，推动感知计算等人工智能领域的发展。这些3D机器视觉能够推动包括可穿戴、无人驾驶汽车、机器人和其他应用在内的多个领域的发展。

（3）授权生产ARM芯片

尽管Intel在智能手机和平板处理器市场折戟，但由于其先进的晶圆制造工艺，Intel依然具有强有力的竞争优势。在去年，Intel宣布与竞争对手ARM控股公司达成了技术授权协议，此举意味着芯片巨人将向第三方客户开放其先进的10纳米芯片生产线。

英特尔统治着桌面和服务器芯片市场，但未能在高速增长的智能手机市场占据一席之地。获得ARM技术授权将允许英特尔为高通和苹果公司制造ARM芯片，向台积电和三星等移动芯片制造商发起挑战。

自 Intel 2010 年首次为 Achronix 提供 22nm 工艺之后其定制代工业务就在慢慢扩大，但是一直未获得客户的大规模订单。曾有诺基亚 N1 采用了英特尔的移动芯片，但市场反应并不理想。

此前 Intel 推出的凌动处理器由于销售不佳，一直面临困境，便取消了该芯片的开发，后被业界认为退出了手机芯片市场。而它的老对手 ARM 一直处于移动芯片市场的领导地位，因此出售产能可能是 Intel 在移动市场继续掘金的最佳选择。该公司专注于研制通讯芯片，在 iPhone 7上，Intel和苹果已经有了合作。未来的可穿戴、无人机、物联网等应用将会带来更多ARM芯片和通信芯片的需求，这就筑起了Intel的另一个护城河。

（4）大数据分析平台

去年，Intel开拓出了一个新的策略，去帮助提升其SMG部门的营收，带来更多的收益。借助大数据和机器学习，能够在产品的制造、价格和市场预测方面提供更多有价值的参考建议。

英特尔公司软件与服务事业部副总裁、系统技术和优化部门大数据技术总监马子雅女士表示，由于硬件性能和软件优化对大数据应用生态的发展有重要作用，在数字服务经济时代，要借助数据分析技术更快地完成大规模机器学习与深度学习，从而更好、更精准地指导商业决策，仍需进一步的软、硬件创新与优化。

为了达成这样的目标，英特尔进行了卓有成效的布局。

在硬件层面，英特尔对硬件进行了很多创新，无论是网络、存储还是运算，硬件技术的更新换代是非常快的。在大数据方面，英特尔对很多大数据项目进行了优化，保证他们能够在英特尔的平台上实现性能的大幅度提升。其次，英特尔在开源方面做了很多事情。无论是Hadoop生态系统还是Spark生态系统，受到开源的影响力很大，英特尔参与其中，希望影响开源未来的技术走向，并能够和英特尔的黏和度更高。

（5）品牌的重新定义

VentureBeat曾经写道：“相对于聚焦在不可见的，嵌入在产品内的技术，Intel现在更倾向于将其一些惊人的产品和服务推到大众面前”。

在Intel的品牌部门意识到其“Intel Inside”并没有像以前那样受客户关注之后，Intel转变了其策略，倾向于给客户传递“提供更优质的体验”上面。这会让Intel在未来更深入民心。这种策略不但能给市场和销售带来帮助，同时在B2B和零售业务上面，带来推进。

Weaknesses：弱势

虽然Intel拥有多方面的优势，也连续二十多年稳居全球半导体排名首位，但是Intel并不是天下无敌的，他依然有其弱势。之前一直被媒体报道的痛失移动市场，在与ARM竞争中缺乏优势这是众所周知的，我们就不再赘述。我们可以从其他角度分析一下：

（1）技术产业瞬息万变，大家都想在“the next big thing”中争取到领先优势，很多新兴的应用和新兴的芯片公司崛起，指不定哪一个就会成为下一个Intel，以你Intel应该重视这些竞争者。这对于像Intel这样的大型公司来说，会有反应迟钝的可能。

（2） Intel应该会持续探索新市场，因为指不定某种新应用（例如无人机、3D打印机、VR/AR/MR）就会像当年的PC和移动手机一样，成就一个半导体企业。Intel虽然在各个领域都有涉猎，但是股东的利益驱动下，会否让这些领域得到同等的重视呢？这是我关心的另一个问题。

（3） Intel应该慎重评估创新的风险，并消除PC领域低效率带来的影响，找寻合适的合作伙伴在全球市场获取新的利润立足点。这对于习惯于挣大钱的Intel来说，也是一个潜在的缺点。

Opportunities：机遇

作为一个半导体公司，有终端才有市场，才有利润，才有建立百年基业的可能。对于Intel来说，未来这几个方向都是其机遇所在。

（1）物联网

随着人们对连接设备需求的增长，很多半导体公司都将眼光盯向了物联网市场，以攫取更深的利润，Intel也不例外。

我们知道，每一个物联网设备都至少需要一个MCU、多传感器来收集数据，也需要至少一个芯片来实现数据的传输。对于Intel来说，这是他们的机会所在。他们能为健康、能源、汽车和广大的工业市场提供相关的元器件和方案。

Intel也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，非常适合深度学习的高并行、高本地化数据场景。

在人工智能领域，目前大多数企业采用的是“CPU+GPU”的协同计算组合，在这种异构模式下，应用程序的串行部分在CPU上运行，而GPU作为协处理器主要负责计算任务最繁重的部分。

而英伟达加速计算业务副总裁Ian Buck早前层公开发表了一篇名为《聊一聊英特尔在深度学习Benchmark上犯的错》的博客文章，指出英特尔在对比时使用的是18个月前的数据，而如果使用更新的Caffe AlexNet数据，就会发现四个Maxwell GPU比四个Xeon Phi处理器的速度快30%。

对于英特尔在人工智能领域的种种布局，黄仁勋则代表英伟达表示质疑：如果说至强融核(Xeon Phi)协处理器对于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？

一旦Intel在人工智能方面表现没有如预期，Intel需要多想想未来了，不过编者本人对Intel还是抱有很大的信心的。毕竟他们有很深厚的芯片设计经验和制造工艺加成。当然，庞大的资金支持，也是Intel未来能安然发展的根本。