原文来源：雷科技
图片来源：由无界 AI生成
原本大家以为到了年末，英特尔是被今年英伟达一路飘红的业绩刺激到了，英特尔 CEO 帕特·基辛格（Pat Gelsinger）才在前不久的酷睿 Ultra 发布会上说了那句「（英伟达）CUDA 的护城河又浅又小」。
但事实上，早在今年年初，基辛格就在一次采访中感叹英伟达在人工智能领域「非常幸运」地占据了主导地位，并表示英伟达的「地位」本应该属于英特尔。
但或许，英特尔和英伟达在人工智能领域的差距，根本不在于运气。
英伟达的「好运」，英特尔的「失误」
不久前，麻省理工学院在 YouTube 上传了一段时长近 54 分钟的视频，内容是他们今年早些时候邀请基辛格进行了采访。
在被问到英特尔正在采取哪些措施推动人工智能发展时，基辛格回答了英特尔正在围绕人工智能做的一系列措施，但随后话锋一转，开始感慨英伟达 GPU 在人工智能领域的成功是多么幸运。
图/ MIT
「Jensen（英伟达 CEO 黄仁勋）非常努力地拥有吞吐量，最初主要用于图形，然后变得非常幸运（extraordinarily lucky），」基辛格还强调，人工智能并不是英伟最初 GPGPU 或 GPU 算力通用化计划的一部分。
更劲爆的论点在于，基辛格接着表示，如果 15 年前他被赶出英特尔的时候，英特尔没有砍掉 Larrabee 项目——基辛格当时最喜欢的项目之一，情况会很大不同：
引领人工智能硬件领域的公司将是英特尔，而非英伟达。
很多人不知道，早在 Arc 独立显卡之前，英特尔就进行过一个名为 Larrabee 的 GPU 项目，英特尔曾希望借此在游戏和 GPGPU（通用 GPU）市场与英伟达正面交锋。
不过，Larrabee 项目最终胎死腹中。2009 年年底，英特尔就「杀死」了尚未出生的游戏显卡业务，宣布第一代 Larrabee 不会作为消费者 GPU 产品发布，随后又于次年彻底砍掉了整个 Larrabee 项目。
Larrabee 原型，图/ YouTube@der8auer EN
但就像基辛格说的，英伟达当前在人工智能领域的领先，只是「运气使然」？而英特尔在人工智能领域的落后，仅仅只是因为十多年前在 Larrabee 项目上失误吗？
无论怎么看，这都是太简单的归因。难怪曾任职英特尔从事 Larrabee 开发，现任英伟达应用深度学习副总裁的 Bryan Catanzaro 也忍不住提醒「老东家」：
英伟达的统治地位并非来自运气，而是来自愿景和执行力，这恰恰是英特尔所缺少的。
图/ X（Twitter）
运气使然英伟达?
毫无疑问，2023 年是属于 ChatGPT 以及生成式 AI 的一年。
随着去年年底 ChatGPT 的一声炮响，2023 年关于生成式 AI 的热潮愈演愈烈，其中最耀眼的两家「明星」公司—— OpenAI 和英伟达被一次又一次拿着放大镜进行观察和分析。
前者——OpenAI 凭借 ChatGPT 以及背后的 GPT 大模型，始终在引领整个生成式 AI 的浪潮；后者——英伟达的高端 GPU 让无数科技公司抢破了头，英伟达的市值也随之突破万亿美元，成为全球第一家市值突破万亿美元的芯片公司。
图/ YouTube@Acquired
然而在接受科技播客 Acquired 采访时，黄仁勋坦言，如果带着今天的认知回到三十多年前，他压根不会选择创建英伟达这家公司，「理由真的很简单。事实证明，把英伟达做起来，比我所预想的要难一百万倍。」
诚然和所有活下来的顶尖科技公司一样，英伟达的发家史也存在「运气」的成分，比如没有世嘉的「愿赌服输」，英伟达根本没有资金和时间打造出 RIVA 128。但这不意味着英伟达的成功只归因于「运气」。
前英伟达首席科学家戴维·柯克（David Kirk）一直有个梦想——将主要服务于图像渲染的 GPU 算力「通用化」，使之转变为通用算力中心。2006 年，柯克说服了黄仁勋推出 CUDA（Compute Unified Device Architecture，统一计算架构）。
第二年，黄仁勋就决定把 CUDA 内置到公司所有的 GPU 产品中，使它们不仅能处理 3D 图形，还能处理数据，并顶着 2008 年的倒闭「风险」和持续的外部压力坚持了下来。
CUDA GPU 早期路线图，图/英伟达
不仅如此，英伟达还持续扩展 CUDA 平台和 GPU 算力的使用场景，科学研究、深度学习、加密货币、元宇宙……每一个领域的扩展都在将英伟达的 GPU 算力进一步「通用化」。
而不同领域的人选择英伟达 GPU，往往也是因为通用化的大算力。
2009 年，日后被誉为 AI 教父的 Geoffrey Hinton 率先采用 CUDA 平台训练神经网络，结果大大超过预期。三年后，谷歌将 Geoffrey Hinton 和他的两个学生——Ilya Sutskever（后为 OpenAI 首席科学家） 和 Alex Krizhevsky 收入囊中，不久后就用 4 颗英伟达 GPU 做到了比吴恩达用 16000 个 CPU 训练出的神经网络还要好。
从左到右依次为：Ilya、Alex、Geoffrey，图/多伦多大学
从此，更多人工智能研究员和公司开始发现、挖掘、培育英伟达 GPU 的能力和 CUDA 生态，在这个过程中，英伟达的 GPU 逐步成为了人工智能领域「基石」一般的存在。
这中间还有一个颇具戏剧性的「插曲」。2016 年 OpenAI 刚刚成立的时候，大部分人只认识创始人之一的马斯克，对于 OpenAI 及其愿景大多一无所知，倒是黄仁勋在其成立之初就向 OpenAI 送出了英伟达第一台 AI 超级计算机——DGX-1，并在其上写了一句话：
「为了计算和人类的未来，我向你们献上世界上第一台 DGX-1。」
图/英伟达
六年后，他们携手成为了全球科技行业最瞩目、也最抢手的两家人工智能公司。
英雄气短英特尔?
在那串提醒「老东家」的推文中，Bryan Catanzaro 还提到了 2007 年任职于英特尔并从事 Larrabee 期间，他与很多人共事，这些人既看到了英特尔的机遇，但同时也看到了其中风险。
当时英伟达的收入规模只有英特尔的十分之一，英特尔高层认为他们可以用 Larrabee 项目在 GPU 领域轻松碾压英伟达。但结果证明英特尔既缺乏远见，也缺少执行力。
想一想，英特尔为什么最终放弃了 Larrabee 项目，核心在于英特尔并没有真正意识到 GPU 的长远价值，所以在项目受挫后轻易选择了放弃，没有耐心坚持一项充满「不确定性」的新业务。
另一方面，尽管当时英特尔的整体规模、研发实力都远大于英伟达，但作为英特尔核心的 CPU 业务，不仅占用了大量的研发资源，实际也从上到下地影响到了 GPU 项目的推进效率。
英特尔在介绍 Larrabee，图/英特尔
古话讲，人心齐，泰山移。反过来也一样，英特尔高层并没有明确的愿景和远见，而 CPU 业务的强势，也影响到了英特尔内部推进 Larrabee 的效率。也是因为类似的原因，英特尔也曾用 iPhone 嘲笑乔布斯，结果彻底搞砸了自己的移动业务。
从这个角度来看，如果反思英特尔在人工智能芯片上落后的原因，放弃 Larrabee 项目只能算是一个表因，更深层的原因还是英特尔并没有真正意识到 GPU 以及人工智能的潜力，此外还有英特尔内部的文化问题以及大公司病。
事实上，基辛格在 2021 年年初上任英特尔 CEO 后的第一次全球演讲中，核心是宣告 IDM 2.0 战略，但整场演讲中，仍然没有哪怕一次提及人工智能之于英特尔的重要性。
当时，英特尔还没有真正意识到人工智能的关键性，图/英特尔
现如今，IDM 2.0 能不能继续下去还是个问题，今年 6 月，英特尔宣布组织架构重组，IFS 代工业务将在未来独立运作并自负盈亏。而在人工智能领域，英特尔面向数据中心的人工智能芯片相比 AMD 尚且缺少竞争力，更遑论是与英伟达一较高下。
但英特尔不想再一次错过人工智能时代。今年以来，英特尔就在极力打造「AI PC」的概念，不过按照基辛格的想法，推理才是人工智能竞争的焦点，「当你拥抱推理时，一旦你训练好了模型就不需要再依赖于 CUDA，问题在于，你能运行好这个模型吗？」
PC 厂商都动起来了，图/联想
推理的重要性毋庸置疑，但即便只讨论端侧大模型，「训练」的重要性恐怕也不下于「推理」。如果说端侧大模型的必然普及有一层原因是要利用起全球无数台个人终端的计算性能，降低算力成本，还有关键一层则是为了个人隐私数据的保护和利用。
从底层上，人工智能迭代的核心是算法、算力、数据，在其他条件一样的情况下，越高质量的数据能够带来更好的回答和输出。而对每个个体来说，越是私人的、越是切身的数据越是高质量的，端侧提供了一个较为安全的输入和训练环境。但如果不重视训练环节，一切都是枉然。
当然，君子论迹不论心，英特尔到底是怎么执行的，实际还得看 2024 年 AI PC 真正大规模落地后的情况。
不过可以肯定的是，只凭嘴炮，是超不过英伟达的。
编辑：web3528btc 来源：加密钱包代币
