“等灯等灯。” 中国人民对英特尔广告的调侃，如今看起来竟然成为了一个超越时代的预言，一语成谶。
PC时代的英特尔，是存在于无数PC厂商背后的庞大帝国，不论是联想、宏碁、华硕，还是哪家电脑产品，不管外表看起来有多么光鲜亮丽、体型各异，内心大多都有一颗来自英特尔奔腾的芯。
这个曾经战胜了无数竞争对手、凭借技术、品牌、行业标准等等一系列竞争优势，成为科技产业歌利亚巨人的企业，在最近几年的时间里，却不得不面对来自移动芯片市场、物联网芯片市场的强烈冲击。
高通、ARM等企业在移动芯片、物联网芯片方面的强势，让英特尔在移动互联网时代几乎毫无收获。但对于英特尔来说，依靠PC、服务器庞大的存量市场，仍然可以有相对稳定的市场表现。
可是原本属于英特尔的后院，如今也已经悄然起火。
由美籍台湾人黄仁勋创立的芯片企业英伟达（NSAQ：NVDA），原本是全球知名的显卡芯片厂商，全球可编程图形处理的技术*。在NVIDIA显卡的帮助之下，PC产品可以获得更好的图像表现。如果英伟达仅仅关注于显卡领域，那么它可能会一直是一个硬件领域强有力的竞争者，但黄仁勋并没有。
利用自身在图形处理方面*的技术能力，他将图形处理器GPU升级成为可以用于深度神经网络、云端、企业和其他高性能计算机使用的运算中枢，如今几乎成为了大型互联网企业进行深度学习训练的标配。
身陷移动互联网、物联网市场泥潭的英特尔，上一节课还没补完，不得不面对又一个新的竞争对手，在人工智能庞大势能的推动下，向自己的优势市场席卷而来。
在产品变革的十字路口，英特尔已经被各路竞争对手逼入绝境。是继续“等灯”？还是选择方向，加速突破？英伟达名利双收的GPU产品，将怎样改写科技行业的历史进程？芯片产业的两大巨头，都面临着属于自己的历史时刻。突破，没落，都在一念之间。
英特尔面临的全方位挤压
“GPU”并非是一个全新的概念。
这一产品之所以能够出现，最早、最重要的原因，是为了适应视频游戏产业的快速发展。即便是今天，其主要市场空间，也仍是在不断增长中的视频游戏市场。
众所周知，图形运算相比简单的数据运算，需要的计算能力要高得多。因此在2003-2004年左右，图形学之外各个领域的专家，开始注意到GPU与众不同的计算能力，开始尝试把GPU用于通用计算，这被称为“GPGPU”。
在GPU方面具备核心技术优势的英伟达，自然不会无视这样扩充自身产品业务半径的*机会。随后，英伟达、AMD（Ati）等企业先后发布了相关产品， GPU开始真正在通用计算领域得到广泛应用，特别是海量数据处理（包括排序，清洗，分析）、金融等特定行业的分析。
对于英伟达而言，GPU的市场范围一下子从纯粹的显卡产品中跳了出来，对CPU形成了一定程度上的计算替代。这对于英特尔的处理器产品来说，可以说是实实在在的威胁。
虽然从目前来看，GPU很难直接取代掉CPU，但运算能力更强、更加符合科技产业发展趋势的GPU，已经开始压缩CPU的存在价值。
相比之下，英特尔的CPU产品近年虽然也在不断的更新换代，但其性能增长速度已经在大大放缓。
经过数十年的快速发展，传统的芯片制造工艺，已经无法适应每年发布一代CPU的速度，英特尔必须延长每一代产品的生命周期。2016年年初，英特尔宣布将放弃十多年前制定的“Tick-Tock”战略模式，将原本耗时两年的芯片发展周期，调整为三年一个周期。
同时，英特尔产品高耗能的特征，几乎从来没有改变过。ARM所设计的芯片产品在这方面更具优势，因此在移动互联网时代和即将到来的物联网时代，都对英特尔产品保持了碾压式的优势，包括联想在内几乎所有采用英特芯片的智能硬件，都无一例外的败下阵来。
GPU产品虽然相比英特尔的产品能耗更大 ，但更加强大的运算能力，在云计算、大数据分析、深度神经网络等方面，都有更加出彩的表现。
多层次的挤压之下，PC时代的*英特尔，已经到了必须推进变革的时刻。
英伟达股价如何两年涨两倍
在显卡领域，英伟达已经在行业中做到了*。在其官网上，骄傲的写着“全球视觉计算技术的行业*”几个大字。
在攻占了显卡类产品行业最高山峰之后，黄仁勋将更多的注意力放在了人工智能领域。
他敏锐的察觉到，“各个行业中有远见的公司，都在采用深度学习技术来处理爆炸性增长的数据量，这帮助他们找到新方法，来利用随手可得的数据财富，开发新产品、服务和流程，从而创造巨大的竞争优势”。
在显卡时代积累下来的GPU技术，被英伟达用来开发和拓展全新的硬件产品，几年之间，已经形成了一整套比较成熟的技术平台和解决方案，支撑着各类企业进行深度的研究、探索和应用。
通过这些解决方案，各类企业可以训练诸如图像、笔迹和声音识别等颇具挑战的应用程序，并加快训练速度，包括谷歌、Facebook在内的几乎所有*人工智能企业，都离不开英伟达的硬件平台。
从目前的使用效果来看，英伟达的芯片产品在人工智能，特别是图像处理、视频处理等方面具有强大的优势，同时基于其庞大数据吞吐量的设计，更适应人工智能时代海量的计算任务。
2015年年底，Facebook宣布了他们人工智能硬件“开源化”战略，代号为“Big Sur”的新一代人工智能硬件，正是基于英伟达的产品Tesla M40 GPU加速器。
就在上周，英伟达向马斯克麾下的OpenAI交付了世界上*台单机箱深度学习超级计算机（NVIDIA DGX-1）。这个高度集成化的产品，可以帮助OpenAI的工作人员解决人工智能领域最困难的问题。黄仁勋表示，这一产品是英伟达3000人团队，花费3年时间创造出的*进深度学习工具。
能够为谷歌、Facebook、埃隆·马斯克这样的硅谷人工智能中坚力量提供解决方案，英伟达的行业地位可见一斑。
随着产品的成功，英伟达在资本市场的表现也变得炙手可热。2015年开年以来，该公司的股价连续跳空上涨，截至目前已经上涨超过210%，是纳斯达克市场最近一年多以来表现*的上市公司之一。
人工智能背后的硬件变革
和早期的传统PC一样，如今的人工智能硬件产品更多的在被大型企业所使用。消费级人工智能产品虽然已经很多，但基本都是体现在软件应用端。
虽然截止目前，以英伟达芯片为代表的人工智能硬件，更多用于云端、企业、服务器等领域，但随着技术向民用领域的深入和外溢，必将广泛的应用到多种多样的消费级产品终端之上。
想象一下，如今几乎全部的数据分析、处理能力，都被集中在大型互联网企业手中，这些企业具备的庞大、海量数据的分析、计算能力，维持了其在移动互联网时代优势的行业地位。
而数量更多、行业分布更加广泛的各类企业，由于信息化程度不足、数据积累不够充分，仍然没有开启属于自己的大数据计算和分析时代。这些行业、企业随着信息化能力的提升，都将具备很大的数据分布式计算的潜力。
另外，随着海量数据以超乎想象的速度汇集，互联网企业传统的集中式数据处理中心，将面临巨大的压力，因此分布式计算就变得很有必要，至少也需要在底层进行部分的数据清洗与筛查。
同时，对于个人用户来说，接纳来自云端的大数据分析结果，与自身互联网使用“小生态”之间，仍存在着一定程度的偏差。基于个人用户或某一小片地区用户（如某一社区）使用基础的人工智能硬件，将发挥出自己非常关键的分布式计算作用，从而为特定人群创造出更好的智能化应用体验。
当然，这一切都以人们日常生活和工作深度、全面的数据化作为前提。到那时，以GPU为代表、计算能力*、适应人工智能时代的“新硬件”，将会全面走进我们的生活。对于硬件行业来说，这意味着一次全面的变革和突破。
很幸运的是，如今我们能够看到以英伟达为代表的一批企业，已经顺应时代的发展，探索出了一系列创新产品，为大型数据企业所用。即便是如英特尔这种在时代变革之下有所踌躇的企业，也开始通过并购、整合的方式，在人工智能方面进行补课、探索。
时代的浪潮并非汹涌而来，而是以一种润物无声的方式渐渐推进，当终端消费者发现变化的时候，产业层面往往已经发生了深刻的变革。如今，英伟达和英特尔的发展轨迹，正是这一进程*的体现。
