英特爾大小核處理器 Lakefield，CPU 強大，但 GPU 效能恐成弱項
處理器大廠英特爾（intel）在行動處理器上的發展並不順利，不過英特爾對行動市場卻還沒有完全的徹底放棄。因為外媒報導，英特爾將使用 10 奈米製程生產一款代號為 Lakefield 的單晶片處理處理器，導入了 ARM 處理器的 bigLITTLE 大小核架構設計，這將使得稱這款單晶片處理器的 CPU 效能強過高通的處理器。
報導指出，ARM 的 bigLITTLE 大小核設計架構就是 CPU 內部有高性能核心，也有低功耗核心，針對不同的應用情況調動不同的核心，以便達到性能與功耗的平衡的目的。目前包括高通驍龍 845 及 835、華為的麒麟 960 及 970、聯發科的 Helio 系列處理器都應用了 bigLITTLE 架構，普遍是 4 大核 + 4 小核的設計。
而對英特爾來說，他們的單晶片處理器也希望能解決性能、功耗之間的問題。目前，英特爾手中也有高性能的 X86 核心，也有針對低功耗平台的 Atom 處理器技術，做大小核設計似乎也是必然的趨勢。因此，日前就有傳聞表示，英特爾將推出以 10 奈米製程來生產的 Lakefield 核心的單晶片處理器，大核心是高性能的 Ice lake 架構，低功耗核心則是新一代 Atom 內核 Tremont 。
報導進一步指出，大小核設計的 Lakefield 的 CPU 性能將比高通處理器更強，但是 GPU 性能有可能成為桿處理器的弱項。因為它使用的是英特爾 Gen11 圖形架構，性能雖然比現在的 Gen9/9.5 要好。但是，高通在行動 GPU 的領域中一直很具有優勢，不論三星、海思、還是聯發科都沒有能撼動高通的Andero GPU 地位，也因此，Lakefield 在這方面也暫時無法超越高通的優勢。
最後在 Lakefield 的發表時間上，有說法是在說是 2019 年的世界通訊大會上（MWC），也就是大約在 2019 年 2、3 月份之間，只是在英特爾的 10 奈米製程量產間日前又宣布延遲的情況下，Lakefield 是否能趕在 2019 年之前大規模量產，目前還無法確定。因此，Lakefield 的正確發表時間，還是必須等待英特爾官方的進一步宣布。
Intel 為什麼放棄 Nvidia 轉向 AMD？
ntel 與 Nvidia 簽署的這項專利協議很快將於 2017 年 3 月 17 日到期，Intel 可能要停止與 Nvidia 的許可協議，轉而將與 AMD 聯姻，目前其正在尋求與 AMD 達成協議。
那麼 Intel 為什麼要放棄 Nvidia，轉而與 AMD 合作呢？要說這事還得從當年的反壟斷案說起。
Intel 與 Nvidia、AMD 的愛恨糾葛
與如今高通「買基頻送 SoC」相類似的是，當時 Intel 的壟斷策略是「賣 Core 處理器得高額退佣」。在當時，透過返點獲得的錢甚至比廠商和零售商賣產品賺的錢還要多。這可讓當時還只有晶片業務（尚未收購 ATI）的 AMD 坐不住了，終於在全球範圍內針對 Intel 發起了反壟斷訴訟。
在 2009 年底，雙方就壟斷問題達成了和解協議：
- Intel 一次付清賠償 AMD 12.5 億美元；
- Intel 不得再以「退佣」等方式變相限制廠商及零售商只銷售 Intel 處理器；
- Intel 放鬆 AMD X86 授權，不再要求 AMD 自己製造 X86 處理器。（之前 Intel 要求所有 X86 晶片廠商只能販售自己生產的晶片）
而另一方面，Nvidia 也不是省油的燈。當年的 Nvidia 也還保有晶片組方面的業務，而由於 Intel 在 PCI-E 上的壟斷、以及新 DMI 總線技術上的糾紛問題，Nvidia 將其告上了法庭。
最終，Intel 與 NVIDIA 就壟斷問題在 2011 年 1 月達成了和解協議：
Intel 同意以 15 億美元了結雙方的訴訟，並獲得 NVIDIA 公司圖形技術的授權，比如 SLI 等技術。
不過事實上，SLI 技術根本不需要硬體上的修改——因為理論上只要有 2 個 PCI-E 插槽就能夠支援 SLI。
雖然看似 Intel 在這次反壟斷案中賠了夫人又折兵，但事實上 Intel 也並沒有吃虧，因為和解協議中還有一項針對 Nvidia 的要求：
Nvidia 退出晶片組業務，停止生產 X86 處理器。
所以 Intel 在經歷這兩場反壟斷案之後，雖然收斂了許多，但仍然繼續持有 X86 的專利權，這不僅防止了在 X86 市場上爆發全面競爭，而且還能保證自身繼續佔據絕對的主導優勢。
Intel 與 AMD 的愛恨情仇
對於 Intel 而言，由於 Nvidia 這些年來「光收錢不提供任何幫助支持」，選擇轉而尋求 AMD 的合作也在情理之中。與 AMD 簽署專利合作的前景至少肯定要比和 Nvidia 續約要好得多，而且還能避免再陷入與 Nvidia 的專利糾紛之中。
對於 AMD 而言，近年來在 CPU 上受 Intel 壓制，在 GPU 上受 Nvidia 壓制的日子也並不好過。鑑於其在收購 ATI 之後，首次將 GPU 與 CPU 整合在一起的 Fusion 晶片被證明是一款整體性能表現糟糕的產品，之後推出的名為「推土機」的 AMD 晶片架構及其後續的衍生品也同樣被批性能表現不佳。
而 AMD 如果與 Intel 這家一直貫徹「買 CPU 送顯卡」的友商牽手推出一款「Intel-APU」，勢必將能在業務收入上發揮相當大的提振作用。此外，與 Intel 簽訂許可協議後，AMD 也能夠藉此成功把自家的外接 GPU 技術，打入 Intel 的迷你 PC 市場之中。
種種跡象表明兩者近期的確「關係密切」
而從這一段時間來看，Intel 和 AMD 近期的確關係變得密切了起來：
- 兩家公司剛剛在 Razer 的 Core 外接 GPU 擴充模組上達成合作——採用 Intel Thunderbolt 3 連接埠，透過提供 AMD 外接顯卡以提高整機遊戲性能；
- 在發表會上，Intel 甚至還直接拿了 AMD 的顯卡來展示外接 GPU 擴充模組如何在該公司旗下的 NUC 迷你機——Skull Canyon 上工作；
- 會上，Intel 還表示該產品將支持 AMD 的 FreeSync 可變更新監視器技術，而非 Nvidia 的 G-Sync 技術。
AMD 近期從其 GPU 業務中剝離了一部分人員，安排到了一個單獨工作組中，其中包括負責軟體、硬體和智慧財產權的相關人員。
所以，或許這也從側面證明了 AMD 的確正在與 Intel 洽談專利合作事宜，並為此將其圖形創新部分整合到為其他晶片企業提供服務的工作組之中。
而對於消費者而言，即使 Intel 真的與 AMD 牽手也並不會帶來太大的影響：
因為現行的 Intel 與 Nvidia 的許可協議中，Intel 並沒有在其 CPU 的內建顯中應用 Nvidia 家的任何技術，也就是說從未有過任何一款 Intel 晶片中整合了 Nvidia 技術的 GPU 晶片。
英特爾：GPU 已過時，Nvidia 的人工智慧之路會越來越難
剛剛上任的英特爾人工智慧事業部（AIPG）首席技術長 Amir Khosrowshahi 表示，目前所使用 GPU 等級太低了，半導體產業需要構建全新的神經網路架構。
在出任這個新職位之前，Khosrowshahi 是 Nervana System（下簡稱 Nervana） 的聯合創始人兼首席技術長，Nervana 於 2016 年 8 月被英特爾收購，但並未對外披露具體的收購金額。Nervana 利用最先進的技術來使用 GPU，而且還自行研發替代了標準的 Nvidia 組合語言程式，從而讓 Nervana 能夠生成「次優」的架構體系。在英特爾大力部署人工智慧戰略的大背景下，該公司所能提供的技術迅速成為了發展的核心力量。
Khosrowshahi 本週四向 ZDNet 透露：「早在 Nervana 成立之初我們就著手研發自己的組合語言程式，當時只是為了我們自己的研發需求，不過後來我們發現它要比 Nvidia 官方的庫存快兩到三倍，所以我們就將其開源了。」
Nervana 並不僅僅在軟體方面發力，而且還創建了自己的目標向神經網路訓練。
他說道：「神經網路是預先設定好操作的系列整合。它並不像人類和系統之間的互動，而是被描述為數據流的系列指令集。」
Khosrowshahi 表示，在執行圖形渲染過程中輔助圖形處理單元的部分功能是沒有必要的，比如大容量暫存、頂點著色處理、 渲染和紋理等。他表示：「GPU 中的大部分電路在部署機器學習之後是沒有必要的… 這些東西會隨著時間的推移而不斷積累，最終產生了非常多無用的東西。」
他進一步解釋：「對你來說並不需要的電路，在 GPU 晶片中不僅佔據了很大一片空間，而且從能源利用率上考慮也產生了相當高的成本。神經網路則相當簡單，利用小巧的矩陣乘法和非線性就能直接創建半導體來實現 GPU 的功能，而且你所創建的半導體非常忠誠於神經網路架構，顯然這是 GPU 所無法給予的。」在設計思路上，CPU 有複雜的控制邏輯和諸多最佳化電路，相比之下計算能力只是 CPU 很小的一部分；而 GPU 採用了數量眾多的計算單元和超長的流水線，但只有非常簡單的控制邏輯並省去了快取，因而在需要大量計算的機器學習方面表現更好，而 TPU 則是專為機器學習的矩陣乘法設計和優化，因而在機器學習方面比 GPU 更勝一籌。
Khosrowshahi 給出的答案：就是目前尚在開發中的 Lake Crest，這是英特爾今年會針對部分客戶提供離散加速器。但伴隨著時間的推移，它將會成為 Xeon 處理器的最佳夥伴。
Khosrowshahi 解釋：「這是一個張量（tensor）處理器，能夠處理帶矩陣運算的指令。因此指令集是矩陣 1 和矩陣 2 的相乘，不僅透過查詢表運行而且這些大型的指令都是高級別的。」
「GPU 主要依靠一個個寄存器（Register），當訪問（或者跳轉到）某個寄存器，所執行的是元素和元素之間的相乘，這個級別是相當的低了。」
Khosrowshahi 表示，最近幾年 Nvidia 已經努力讓他們的 GPU 對神經網路更加友善，但是他們的 AI 晶片依然承擔了大量圖形功能。他表示：「如果只是依靠自己來推動晶片方面的改進，我認為未來 Nvidia 的進化將會變得越來越困難。」
與之對應的，英特爾則通過收購的方式來推進人工智慧。
Khosrowshahi 說：「晶片產業的挑戰是即將迎來顛覆性的全新架構：而現在英特爾所做的事情就是將其收入麾下。他們想要獲得 FPGAs（現場可程式邏輯門陣列），所以他們收購了 Altera。這真的是一個非常酷炫非常神經網路的架構。」
此外 Khosrowshahi 還糾正了很多人對神經網路的錯誤想法，他表示並不是將神經網路蝕刻到半導體上，大部分的功能依然通過軟體方面來形成。
他說道：「神經網路大部分都體現在軟體方面。所以即使是 Lake Crest，指令並不是『神經網路，執行這項任務』，而是透過矩陣和矩陣的相乘。晶片外層部分就是一些我們所熟知的神經網路，在經過培訓之後能夠根據用戶需求來執行各種任務或者搜尋某種參數，當你擁有神經網路之後你就能做任何可以完成的事情。」
英特爾的其中一個人工智慧架構將會對抗 Google 的定制 TPU。在 4 月 5 日搜尋龍頭 Google 表示， TPU 的平均運轉速度要比標準的 GPU/CPU 組合（比如 Intel 的 Haswell 處理器和 Nvidia 的 K80 GPU）快 15~30 倍。在數據中心計算功耗時，TPU 還提供 30-80 倍的 TeraOps/瓦特（如果未來使用更快的儲存裝置，這一數字可能還會提高）。
同樣在今年 4 月 5 日，IBM 和 Nvidia 還宣布 Big Blue 在今年 5 月開始向特斯拉 P100S 提供 IBM Cloud 服務。
