CPU的坠落就像童谣中的蛋头先生摔下墙头变成碎片那样，英特尔的兵马再怎么努力也无法将它复原了。

　　“有几次我们差点就倒闭了。”公司创始人通常都不会谈论自己公司濒临破产的经历，不过英伟达(Nvidia)的老板黄仁勋没什么理由要避忌。他的公司近来捷报频传。过去一个季度，这家开发微处理器和相关软件的公司收益增长55%，达22亿美元，股价在过去12个月几乎翻了两番。

　　英伟达的成功有很大一部分原因是人们对其生产的芯片需求增长很快。这种名为图形处理器(GPU)的芯片能让个人电脑成为快速游戏设备。且GPU还有了新的用武之地，特别是为数据中心提供人工智能程序耗费的大量计算能力。

　　这些芯片飞涨的销量(见图表)是迄今为止信息技术长期转型最显著的标志。摩尔定律放慢了脚步(不久之前这个定律还保证计算能力大约每两年会翻一番)，加之云计算和AI的快速崛起，计算的体系正趋于碎片化。这对半导体行业及业内主导企业英特尔有着深远的影响。

　　摩尔定律以英特尔创始人之一戈登·摩尔(Gordon Moore)的名字命名。在该定律完全应验之时，情况很简单。无论是在个人电脑(PC)还是服务器(数据中心里性能更强劲的计算机)中，名为“中央处理单元”(CPU)的一类微处理器都可处理大多数“工作负载”(各类计算任务的总称)。英特尔制造的CPU性能最为强大，因此这家公司不仅在PC处理器市场一家独大(占据约8o%的市场份额)，还几乎完全垄断了服务器的处理器市场。2016年，英特尔的收入接近600亿美元。

　　如今这个单极世界已开始崩溃。处理器性能提升的速度并不足以满足例如机器学习以及其他AI应用程序的需求。这些应用都需要大量的数据，消耗的数字运算能力比几年前所有数据中心加起来还要多。英特尔的客户，如谷歌、微软和其他大数据中心运营商，正在选择来自其他公司越来越专门化的处理器，而且还开始设计自己的处理器。

　　英伟达的GPU就是一个例子。这些GPU最初是设计用来运行交互式视频游戏所需的大量复杂计算。GPU有数百个专用“核心”(处理器的“大脑”)并行工作，而CPU只有几个强大的核心来按顺序处理计算任务。英伟达最新的处理器拥有3584个核心，而英特尔的服务器CPU最多只有28个。

　　英伟达上次濒临倒闭是在2008至2009年全球金融危机期间，不过它也是在那时时来运转。它发现自家芯片在对冲基金和研究机构那里有了新用途，例如用来计算复杂的投资和气候模型。英伟达开发了一种被称为CUDA的编程语言，帮助其客户就不同任务为处理器编程。当云计算、大数据和AI在几年前势头渐劲时，能够满足这些需求的正是英伟达芯片。

　　每个互联网巨头都在使用英伟达的GPU，以令它们的AI服务能够从医学到图像和人类语音等各类材料中吸收大量数据。上一个财年，英伟达面向数据中心运营商的芯片销售额增长了两倍，达到 2.96亿美元。

　　不过，GPU只是这些被称为加速器的专用处理器中的一种。为了提高运营效率并在竞争中保持领先，云计算公司会混用和搭配芯片，因此专用处理器的范围也在扩大。负责谷歌技术基础设施的乌尔斯·霍尔泽(Urs Holzle)这样描述在灵活性、速度和成本因素之间取得平衡：要为合适的工作找到合适的工具。

　　专用处理器的一种极端形式是专用集成电路(ASIC)。顾名思义，这种电路为单一目的而搭建。相较于其他芯片，它们速度最快，能效也最高。数十个创业公司都正在开发这种已内置AI算法的芯片。谷歌已打造了一个叫作“张量处理单元”(TPU)的ASIC,用于语音识别。

　　另一个方向的极端是现场可编程门阵列(FPGA)。这种芯片可以编程，灵活性也就更大，因此尽管这种芯片不易驾驭，微软还是把它加入到许多服务器中，比如微软的在线搜索必应(Bing)的服务器里就有它们。微软的云计算平台Azure的首席技术官马克·拉希诺维奇(Mark Russinovich)说：“我们现在有世界上最多的 FPGA。”

　　该提心吊胆了

　　近年来，英特尔没有制造ASIC或 FPGA，而是致力于制造更为强劲的CPU。没有人认为传统处理器很快就要失去用武之地：每个服务器都需要这些处理器，无数的应用程序也都在其上运行。英特尔的芯片销量仍在增长。不过IT咨询公司高德纳(Gartner)的艾伦·普里斯特利(Alan Priestley)说，加速器正在加速的增长对英特尔来说似乎是个坏消息。加速器上进行的计算越多，留给CPU的就越少。

　　一种对策就是通过收购来赶上加速器的发展。2015年，英特尔以 167亿美元的天价收购了FPGA制造商Altera;去年8月，它又以4亿多美元买下Nervana——这家创业公司刚成立三年，正在开发从软件到芯片的专用AI系统。英特尔称视专用处理器为机遇而非威胁。主管英特尔数据中心业务的黛安·布莱恩特(Diane Bryant)解释说，新的计算工作负载往往先在专用处理器上进行，到头来还是会被“拉入CPU”。例如，加密计算以前在单独的半导体上进行，但现在只是英特尔CPU上的简单指令，全球几乎所有计算机和服务器上都在运行。在加速器上运行AI等新型工作负载意味着成本增加、复杂性更高。

　　这样的整合一旦发生，英特尔已经进行了投资以占领先机。今年夏天，英特尔将开始销售代号为 Knights Mill的新处理器，与英伟达一争高下。英特尔还在利用 Nervana的技术开发另一款代号为 Knights Crest的芯片。到某个时候，英特尔还会将其CPU与Altera的FPGA整合在一起。

　　可以预见，竞争对手对未来有着不同的看法。英伟达认为它已搭建了自己的计算平台。许多公司已经编写了AI应用程序在英伟达的芯片上运行，并且英伟达还为其他类型的程序创建了软件基础设施，用于实现可视化和虚拟现实等功能。几十岁高龄的计算巨头IBM也在试着抢英特尔的生意。IBM学习开源软件的做法，在2013年“开源”了其Power处理器的架构，把它变成了半导体业的一种共有资源。专用芯片制造商可以更轻松地将它们的产品与 Power CPU整合，并且对平台如何发展有了发言权。

　　未来很大程度上将取决于AI的发展，市场研究公司IDC的马修·伊斯特伍德(Matthew Eastwood)说。他认为如果AI最终没有带来许多人所期待的革命，而只是在几年内带来了变革，英特尔还是有机会的。但是，如果AI在未来十年或更长时间内继续影响芯片行业，其他种类的处理器将有更多的机会攻占市场。鉴于AI技术应用之广泛，第二种情况的可能性似乎可大。当然，运算任务无论多大多复杂一概由又大又笨的CPU处理的时代已经结束了。CPU的坠落就像童谣中的蛋头先生摔下墙头变成碎片那样，英特尔的兵马再怎么努力也无法将它复原了。