又花 20 亿美元买下一家 AI 芯片创业公司，英特尔加速转型

编者按：本文来自微信公众号“PingWest品玩”（ID：wepingwest），作者Decode，36氪经授权发布。

英特尔在 AI 芯片领域又出手了。这家处于转型期的半导体巨头于 2019 年 12 月 16 日宣布，以 20 亿美元收购以色列芯片制造商 Habana Labs。

此前，Habana Labs 总计融资约 1.2 亿美元。英特尔投资曾在 2018 年 11 月领投了 Habana Labs 的 7500 万美元 B 轮融资。

致力于开发 AI 推理芯片和 AI 训练芯片的 Habana Labs，由 PrimeSense 两位前高管 David Dahan 和 Ran Halutz 于 2016 年创立。PrimeSense 是一家 3D 传感器创业公司，于 2013 年被苹果以 3.6 亿美元收购，其技术后来被应用在 iPhone 的原深摄像头上。

被收购后，Habana Labs 将作为一个独立业务部门，由原来的管理团队领导，归属在英特尔数据平台事业部旗下。这个事业部主导了英特尔的数据中心业务，是英特尔“以数据为中心”转型策略的排头兵。

英特尔数据平台事业部执行副总裁兼总经理 Navin Shenoy（孙纳颐）说：“此次收购推进了我们的人工智能战略，即：从智能边缘到数据中心……通过高性能训练处理器系列产品和基于标准的编程环境，Habana Labs 大大增强了我们数据中心人工智能产品的实力。”

Habana Labs 有什么能耐？

Habana Labs 的拳头产品是两个 AI 专用芯片：AI 推理芯片 Goya（戈雅）和 AI 训练芯片 Gaudi（高迪）。“训练”是指用海量数据来调整 AI 的算法，而“推理”则是将已训练好的模型来理解或预测事件。

戈雅和高迪都是西班牙的艺术家，前者在绘画艺术史有所成就，后者引领了建筑艺术的发展。Habana Labs 表示，做产品如同做艺术，这样的命名方式代表了艺术与科技的结合。

由于都是 AI 专用芯片，所以在计算 AI 模型的性能上，两款芯片大大超过了传统的 CPU，并且和 GPU 相比也有优势。

2018 年 9 月发布的 AI 推理芯片 Goya ，在 ResNet-50（深度学习主流网络结构的一种）模型的推理测试上，其图片处理性能近 10 倍于普通 CPU，4 倍于英伟达 Tesla T4。Tesla T4 是英伟达于 2018 年 9 月发布的一款专为 AI 推理设计的 GPU。

此外，Goya 在能耗和延时上也胜过了 Tesla T4，几乎可以实时处理图片。

2019 年 6 月发布的 AI 训练芯片 Gaudi，在 ResNet-50 模型上可以提供每秒 1650 张的图片处理能力，功耗仅为 150w 左右。

而英伟达 Tesla V100 在 ResNet-50 模型上的处理能力为 600 张/秒，功耗为 300w。Tesla V100 是英伟达于 2017 年 5 月发布的专用于处理大规模计算的 GPU 加速器。

除了性能上的优势，Gaudi 的另一个杀手锏是在芯片里集成了 10 个 100GbE 带宽的 RDMA 以太网端口。

RDMA（Remote Direct Memory Access）是一种内存访问技术，让计算机可以直接存取其他计算机的内存，而不需要经过处理器耗时的处理。而以太网则是一种通信协议，优势是兼容性和分布式，主要应用于局域网。

RDMA 技术和以太网结合后，有更好的数据传输效率，可以大幅度加速深度学习的训练速度，缩短训练时间。

2019 年 3 月，英伟达以 69 亿美元现金收购以色列半导体公司 Mellanox（迈络思），正是看中了后者在 RDMA 和以太网方面的技术实力。

虽然 Habana Labs 和英伟达都在采用支持 RDMA 技术的以太网协议来加速深度学习训练速度，但两者在具体实现上还是有所区别。

Habana Labs 首席商务官 Eitan Medina（埃坦·麦地那）指出：“我们跟英伟达做得不一致的方面是，直接在单一芯片当中集成了十个支持 RDMA 的端口，而 Tesla V100 要支持 RDMA，必须要通过一个 PCIe（计算机和外部组件连接的接口）的交换，在外面再接一个支持 RDMA 的网卡，这样才能实现 RDMA 的功能。”

这意味着，购买了 Habana Labs 产品的客户，可以实现更大规模的并行计算。据 Habana Labs 给出的测试结果，在大规模并行运行的环境下，Gaudi 可以实现 Tesla V100 约 3.8 倍的性能。

借助并购，英特尔加速转型

自 2016 年起，英特尔启动了新一轮转型，将业务重心从 PC 芯片转向数据中心、AI、存储芯片和物联网等新业务上。其中，数据中心成为英特尔的基石业务。

而在数据中心行业中，AI 加速计算已经成为不可或缺的能力。英伟达就曾借助 GPU 加速 AI 模型训练的东风，大力发展数据中心业务，成为资本市场口中的“AI 第一股”。Google 也通过推出 TPU（张量处理单元，是一种定制化的 ASIC 芯片）来进军 AI 计算业务。

英特尔的 CPU 在 AI 加速计算上没有优势，因此通过收购来增强这方面的能力。

2015 年 6 月，英特尔以 167 亿美元收购当时全球第二大 FPGA 厂商 Altera。FPGA 全称“现场可编程门阵列”，是加速 AI 计算的其中一种技术路线。

收购 Altera 后，英特尔一直推动 FPGA 技术融入到自己的至强处理器系列，巩固了服务器市场。

2016 年 8 月，英特尔再次出手，以 4.08 亿美元收购了 Nervana。2019 年 11 月在人工智能峰会上，英特尔发布了首款云端 AI 专用芯片 Nervana 神经网络处理器（NNP）系列产品。和 Habana Labs 一样，NNP 同样覆盖训练和推理场景，分别是 NNP-T 和 NNP-I。

收购 Habana Labs 后，意味着英特尔同时拥有两个相重叠的产品线。有业内专家认为，此次收购或意味着 Habana Labs 的芯片表现强于 NNP。

耐人寻味的是，Habana Labs 汇报的对象是英特尔数据平台事业部执行副总裁兼总经理孙纳颐，而不是 Nervana 前首席执行官兼英特尔 AI 产品事业部总经理 Naveen Rao。

有外国媒体询问英特尔整合 Habana 和 Nervana 的计划，英特尔发言人通过邮件回复道：“我们将花些时间，结合客户们的意见，去评估 Habana 和 Nervana 的整合。