近年來，由于電子終端市場的快速變化，引致了上游半導體市場的兼并重構，很多曾經絕對領先的巨頭也開始布局新產品、新市場，尋找下一波利潤的增長點。如Intel、高通這兩個分別在PC和移動時代稱霸的霸主，也從2015年以來，開啟各種并購，布局未來。

　　尤其是Intel，在錯過了移動時代以后，這幾年頻繁在5G、物聯網、人工智能等領域大規模投入，生怕再次錯失先機。進入了2017年，似乎已經做好了布局的Intel將會迎來怎么樣的機遇與挑戰呢？且看我們用SWOT分析法（這是一種優勢分析法，包括Strengths、Weaknesses、Opportunities和Threats）對Intel進行深入解讀。

　　
?

Strengths：強勢

　　當然，傳統的晶圓制造工藝、服務器芯片、PC芯片等，還是Intel的長處，尤其是晶圓制造工藝及在這幾十年積累的深厚技術，這對于他們在未來做任何芯片方面的轉型，都很大的益處。除了這些傳統的優勢，新收購和內部孵化的項目，也是從某個角度彌補了Intel的短板。到了2017，我們看到Intel有以下幾方面的強勢：

　　（1）FPGA

　　在2015年，Intel斥資167億美元收購了全球第二大FPGA制造商Altera，這種可重構的芯片對于Intel在未來的服務器和物聯網市場有很大的幫助。這是基于硬件生態系統的各個層面向輕便性和定制化轉變等原因做的一個決定。

　　由于“軟件正在蠶食世界”，對一個要花18個月才能把想法變成某些成品的芯片公司而言，形勢變得更加困難。至少通過FPGA，你可以提供一款能夠改變的硬件產品，即便實現這種改變需要不菲的成本。

　　收購了這種技術能夠優化Intel的數據中心設計，幫助其X86處理器芯片面對ARM的潛在競爭。據英特爾云平臺團隊副總裁兼總經理杰森?韋克斯曼提供的一個數據。韋克斯曼表示，到2020年，英特爾相信將有三分之一的數據中心市場使用Altera專攻的芯片技術。

　　另外，在涵蓋數據中心的演示中，微軟等客戶正在使用FPGA來運行它們的搜索算法。在關于加速器的演示中，未來的機器學習用戶正在目睹FPGA運行類神經網絡。總之，英特爾認為FPGA會無處不在。在網絡世界，FPGA已經在蜂窩基站中亮相，英特爾希望借助FPGA在這一領域獲得更多的市場占有率。通信公司趨向于將其網絡設備嵌入到IoT設備嵌入式設備中，這也催生了對FPGA的需求。這是Intel的優勢之一。

　　（2）人工智能

　　在2016年掀起產業界高度關注的人工智能市場，Intel收購了Nervana和Movidius，意圖打造其AI產品線。

　　Nervana Systems 創立于2014年，是一家位于圣地亞哥的創業公司。該公司的三位創始人 Arjun Bansal、Naveen Rao 和 Amir Khosrowshahi 在高通公司工作時認識。 Nervana 承載著他們一個共同的目標：將開發者迫切需要的簡潔性帶入到大腦所啟發的算法的應用中。

　　該公司一直希望將機器學習功能全力引入芯片之中。最開始，公司的業務是出售專為深度學習任務定制的硬件，后來開始利用自己的硬件提供深度學習云服務。它還發布有開源深度學習框架Neon。

　　在收購了Nervana之后，Intel將其先進的晶圓制造技術和無限的資源融合到Nervana的先進深度學習架構里，開發出一種每秒傳輸速度高達2.4兆兆字節，且延遲只有傳統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及聯合創始人奈文?拉奧（Naveen Rao）表示，Nervana的加速處理器Lake Crest將于今年推出。據稱在同樣的能耗水平上，相對于目前的頂級圖形處理器，這款產品在運行神經網絡任務時將會有更好的性能。這款芯片將使用臺積電的28納米工藝制造。

　　可以預見，Intel在未來會是AI芯片領域的強有力競爭者。

　　而Movidius是一家視覺芯片處理初創公司，其名氣雖然不及英特爾、高通以及 NVIDIA，但 Movidius 的技術已經植入在耳熟能詳的 Google Tango，大疆精靈 4 無人機等。這家從 2006 年就成立的視覺計算芯片公司花費了 9 年的時間開發出了低價低功耗高性能的視覺處理器芯片——Myriad 系列 VPU（Vision Processing Unit）。Movidius CEO Remi El-Ouazzane表示，和為多種用途推出，普適性較高的 CPU、GPU 不同，VPU 專門為計算機視覺進行優化，可以用于 3D 掃描建模、室內導航、360°全景視頻等更前沿的計算機視覺用途。相較主流的移動處理芯片（集成 GPU 的 SoC），Myriad VPU 的身材更小，視覺處理運算的效能更高。

　　Intel在收購Movidius之后，將其與自身的Realsense和AI戰略結合，加速機器視覺技術的發展，推動感知計算等人工智能領域的發展。這些3D機器視覺能夠推動包括可穿戴、無人駕駛汽車、機器人和其他應用在內的多個領域的發展。

　　（3）授權生產ARM芯片

　　盡管Intel在智能手機和平板處理器市場折戟，但由于其先進的晶圓制造工藝，Intel依然具有強有力的競爭優勢。在去年，Intel宣布與競爭對手ARM控股公司達成了技術授權協議，此舉意味著芯片巨人將向第三方客戶開放其先進的10納米芯片生產線。

　　英特爾統治著桌面和服務器芯片市場，但未能在高速增長的智能手機市場占據一席之地。獲得ARM技術授權將允許英特爾為高通和蘋果公司制造ARM芯片，向臺積電和三星等移動芯片制造商發起挑戰。

　　自 Intel 2010 年首次為 Achronix 提供 22nm 工藝之后其定制代工業務就在慢慢擴大，但是一直未獲得客戶的大規模訂單。曾有諾基亞 N1 采用了英特爾的移動芯片，但市場反應并不理想。

　　此前 Intel 推出的凌動處理器由于銷售不佳，一直面臨困境，便取消了該芯片的開發，后被業界認為退出了手機芯片市場。而它的老對手 ARM 一直處于移動芯片市場的領導地位，因此出售產能可能是 Intel 在移動市場繼續掘金的最佳選擇。該公司專注于研制通訊芯片，在 iPhone 7上，Intel和蘋果已經有了合作。未來的可穿戴、無人機、物聯網等應用將會帶來更多ARM芯片和通信芯片的需求，這就筑起了Intel的另一個護城河。

　　（4）大數據分析平臺

　　去年，Intel開拓出了一個新的策略，去幫助提升其SMG部門的營收，帶來更多的收益。借助大數據和機器學習，能夠在產品的制造、價格和市場預測方面提供更多有價值的參考建議。

　　英特爾公司軟件與服務事業部副總裁、系統技術和優化部門大數據技術總監馬子雅女士表示，由于硬件性能和軟件優化對大數據應用生態的發展有重要作用，在數字服務經濟時代，要借助數據分析技術更快地完成大規模機器學習與深度學習，從而更好、更精準地指導商業決策，仍需進一步的軟、硬件創新與優化。

　　為了達成這樣的目標，英特爾進行了卓有成效的布局。

　　在硬件層面，英特爾對硬件進行了很多創新，無論是網絡、存儲還是運算，硬件技術的更新換代是非常快的。在大數據方面，英特爾對很多大數據項目進行了優化，保證他們能夠在英特爾的平臺上實現性能的大幅度提升。其次，英特爾在開源方面做了很多事情。無論是Hadoop生態系統還是Spark生態系統，受到開源的影響力很大，英特爾參與其中，希望影響開源未來的技術走向，并能夠和英特爾的黏和度更高。

　　（5）品牌的重新定義

　　VentureBeat曾經寫道：“相對于聚焦在不可見的，嵌入在產品內的技術，Intel現在更傾向于將其一些驚人的產品和服務推到大眾面前”。

　　在Intel的品牌部門意識到其“Intel Inside”并沒有像以前那樣受客戶關注之后，Intel轉變了其策略，傾向于給客戶傳遞“提供更優質的體驗”上面。這會讓Intel在未來更深入民心。這種策略不但能給市場和銷售帶來幫助，同時在B2B和零售業務上面，帶來推進。

　　Weaknesses：弱勢

　　雖然Intel擁有多方面的優勢，也連續二十多年穩居全球半導體排名首位，但是Intel并不是天下無敵的，他依然有其弱勢。之前一直被媒體報道的痛失移動市場，在與ARM競爭中缺乏優勢這是眾所周知的，我們就不再贅述。我們可以從其他角度分析一下：

　　（1） 技術產業瞬息萬變，大家都想在“the next big thing”中爭取到領先優勢，很多新興的應用和新興的芯片公司崛起，指不定哪一個就會成為下一個Intel，以你Intel應該重視這些競爭者。這對于像Intel這樣的大型公司來說，會有反應遲鈍的可能。

　　（2） Intel應該會持續探索新市場，因為指不定某種新應用（例如無人機、3D打印機、VR/AR/MR）就會像當年的PC和移動手機一樣，成就一個半導體企業。Intel雖然在各個領域都有涉獵，但是股東的利益驅動下，會否讓這些領域得到同等的重視呢？這是我關心的另一個問題。

　　（3） Intel應該慎重評估創新的風險，并消除PC領域低效率帶來的影響，找尋合適的合作伙伴在全球市場獲取新的利潤立足點。這對于習慣于掙大錢的Intel來說，也是一個潛在的缺點。

　　Opportunities：機遇

　　作為一個半導體公司，有終端才有市場，才有利潤，才有建立百年基業的可能。對于Intel來說，未來這幾個方向都是其機遇所在。

　　（1）物聯網

　　隨著人們對連接設備需求的增長，很多半導體公司都將眼光盯向了物聯網市場，以攫取更深的利潤，Intel也不例外。

　　我們知道，每一個物聯網設備都至少需要一個MCU、多傳感器來收集數據，也需要至少一個芯片來實現數據的傳輸。對于Intel來說，這是他們的機會所在。他們能為健康、能源、汽車和廣大的工業市場提供相關的元器件和方案。

　　Intel也能從物聯網的數據中受益。Intel的大數據技術能夠幫助工廠提升效率，也能幫助網絡安全公司檢測而已病毒，幫助醫生診斷病人。

　　他們的端對端數據收集、數據存儲環境、網關和API讓Intel成為一個出色的物聯網產品供應商。

　　（2）5G Networks

　　Intel CEO Brian Krzanich表示，隨著世界往5G推進，由于擁有從modem到基站的端對端5G系統產品，這讓他們在未來能夠引領5G市場。

　　未來將有數百萬的設備在線，并相互連接。因此網絡運營商需要一個新的網絡系統來連接這些設備。如果說智能手機時代，這個網絡是4G，而到了物聯網時代，那就是5G的天下。

　　例如物聯網、無人機快遞和虛擬現實都需要低延遲的網絡連接。每一個物聯網設備更是需要需要通過網關連接、云系統和其他網絡系統來實現中繼和接受信息。這就需要一些性能更強的5G芯片，來支撐這么多的設備和這么大的數據連接。

　　在今年的CES開展前，英特爾宣布推出5G數據機（modem）芯片，協助全球各地廠商搶先開發與發表5G解決方案，并且將5G定位為「從模擬轉成數字」的顛覆性革命。

　　雖然英特爾在手機芯片市場布局不如預期，但在數據機芯片市場卻仍雄霸一方，不僅去年再度拿下蘋果iPhone 7的數據機芯片訂單，英特爾也選在CES展前宣布推出全球首款5G數據機芯片，并對5G技術及應用重新定義。

　　英特爾用戶端與物聯網事業群總裁Murphy Renduchintala表示，5G不僅是通訊技術世代演替，更像「從模擬轉成數字」的顛覆性革命。5G時代來臨將推動物聯網市場爆發性成長，全球500億個物聯網裝置在連網后具備智慧能力，將對全新世代的網路產生諸多需求。

　　英特爾指出，新款5G數據機芯片的推出是業界一大里程碑，協助全球各地廠商搶先開發與發表5G解決方案。英特爾將加快開發5G裝置的腳步，提供各界領導廠商眾多商機，及早開始布建與開發。然而，現今的通訊系統無法應付這波演化所需的龐大頻寬，也無法滿足各種裝置對超低延遲的要求，像是未來的自駕車就需要超快的連網速度才能在瞬間對突發狀況即時反應，這也突顯英特爾5G數據機的優勢。

　　英特爾的5G數據機的基頻芯片搭配全新5G收發器，支援低于6GHz頻段與毫米波的通訊功能。如此強大的組合還結合了關鍵的3GPP 5G NR（new radio）技術，包含低延遲訊框架構、先進頻道編碼、及大規模多重輸入多重輸出（MIMO），提供更快的連網與超快的反應速度。英特爾強調，目標是支援早期試驗，建立基礎環境，讓業界加快開發支援3GPP NR規格的產品，協助全球市場採納3GPP 5G標準。

　　英特爾新款5G數據機能在全球各地包括美國、歐洲、南韓、日本等地區使用低于6GHz頻段與毫米波的頻譜，提供5G連網功能，成為真正全球的解決方案。

　　Threats：威脅

　　任何一個企業都不可能永遠高枕無憂，總需要面對不同的威脅，有來自技術變革帶來的，有來自市場轉變帶來的，也有事新成長起來的競爭者帶來的。我們來看一下Intel會面臨怎樣的威脅：

　　（1）成長中的高通帶來的威脅

　　隨著智能手機銷售的下滑，高通通過并購和研發，投入到新的領域，涉足高能效的數據中心和微處理器市場，這會給Intel帶來新的挑戰。

　　例如，Intel的大客戶之一——高通有計劃采取ARM架構的服務器芯片。雖然目前并沒有官方聲明，但是一旦谷歌和高通合作，這就會給Intel的營收帶來直接的影響。

　　另外，收購了NXP的高通帶來的汽車電子市場份額，這個Intel想切入的市場也面臨這個攔路虎。

　　再者，高通本身在無線技術方面的積累，給Intel帶來的威脅也是最直接的。在iPhone 7發布之后，Intel用基帶搶了高通的一些份額，但由于性能表現不好，給Intel的無線發展也帶來了障礙。

　　所以在Intel的發展過程中，高通會是第一競爭者。

　　（2）人工智能先驅Nvidia給Intel的威脅

　　從去年的報道中我們可以看出，Intel對人工智能的重視程度非常高，但是，我們也不得不承認，Nvidia在人工智能的先機，給Intel帶來了阻礙。

　　由于布局較早，英偉達在深度學習市場占據了主要優勢。目前國內外絕大多數的深度學習企業和機構都依托英偉達的GPU加速，包括Facebook、Google、阿里巴巴、百度等在內的全球互聯網巨頭均與英偉達有合作關系。去年一時無兩的谷歌AlphaGo，身上也連接了170塊GPU。

　　“目前神經網絡計算的標配都是GPU，在這方面目前英特爾投入不夠，CPU跑得太慢。”國內領先的人工智能開發商圖靈機器人相關負責人告訴記者。

　　微軟（亞洲）互聯網工程院人工智能組資深研發總監胡睿認為，GPU成為主流的人工智能計算架構組成部分，原因在于應用于圖形、圖像處理領域的GPU可以并行處理大量數據，非常適合深度學習的高并行、高本地化數據場景。

　　在人工智能領域，目前大多數企業采用的是“CPU+GPU”的協同計算組合，在這種異構模式下，應用程序的串行部分在CPU上運行，而GPU作為協處理器主要負責計算任務最繁重的部分。

　　而英偉達加速計算業務副總裁Ian Buck早前層公開發表了一篇名為《聊一聊英特爾在深度學習Benchmark上犯的錯》的博客文章，指出英特爾在對比時使用的是18個月前的數據，而如果使用更新的Caffe AlexNet數據，就會發現四個Maxwell GPU比四個Xeon Phi處理器的速度快30%。

　　對于英特爾在人工智能領域的種種布局，黃仁勛則代表英偉達表示質疑：如果說至強融核（Xeon Phi）協處理器對于AI非常適用，那為什么要收購Altera？既然買了Altera，Altera又非常適合AI的話，為什么要買Nervada Systems？如果Nervada Systems才是真正的AI方面的技術，要進行開發和產品推出的話，那至強融核協處理器又怎么辦？如果說這三個都適合AI，那是不是意味著至強融核協處理器就不適合AI呢？

　　一旦Intel在人工智能方面表現沒有如預期，Intel需要多想想未來了，不過編者本人對Intel還是抱有很大的信心的。畢竟他們有很深厚的芯片設計經驗和制造工藝加成。當然，龐大的資金支持，也是Intel未來能安然發展的根本。