「芯调查」NVIDIA收购Arm：AI时代巨头的雄心与困境( 三 )

文章插图
作为高科技领域最性感的行业AI，NVIDIA的CEO黄仁勋认为，一家成功的AI公司需要具有强大的算法、软件和处理器设计的能力，可以说，拥有服务器CPU的能力一直是NVIDIA的心心念。
目前，云端服务器上还有大量非人工智能的应用跑在CPU上，而即使是AI应用，也有大量算法难以用GPU加速，也需要CPU的支持。
在数据中心市场，Intel和AMD已经开始基于自己的CPU+GPU构建系统化的解决方案，同时Intel收购Altera，AMD收购Xilinx，逐步完善整合拼图，这样的高集成性所带来的性能和成本上的优势是显著的。
如果放任这种情况发展，NVIDIA将可能输掉数据中心市场，因此，无论是收购Mellanox，还是Arm，同样构建起“CPU+GPU+加速”的能力，都可以视为NVIDIA应对数据中心市场竞争对手的举措。
即便没有对于Arm的收购，服务器CPU也是NVIDIA必走的一步棋。

文章插图
NVIDIA已经在今年4月推出了首款Arm架构的服务器CPU“Grace”，针对AI和高性能计算进行了强化，这让人不禁怀疑在去年双方宣布并购交易后或者更早的时间，NVIDIA和Arm就已经在服务器CPU上进行了深度合作，分手费中包含的7亿美元许可费似乎能够证明这一点。
虽然过去几年Arm服务器的发展一度并不顺利，但近年来，随着Arm在该领域的不断投入（2018年Arm推出针对高性能计算领域的处理器IP Neoverse），Arm服务器芯片与X86服务器芯片在性能上的差距在接近，而如今数据中心市场对于降低能耗的显著要求，也在推动Arm服务器生态的快速成熟。
一些标志性的事件包括：全球超算排名第一的“富岳”采用Arm芯片，亚马逊、谷歌、Facebook、华为等也在积极布局Arm架构服务器。去年第四季度，Arm服务器的出货量增长了近5倍。
对于数据中心这块高利润率的蛋糕，Arm也极其看重，但相对而言，Arm缺少一些如测试芯片、参考版、软件等非CPU内核外的IP，而且与X86生态系统的参与者Intel和AMD相比，Arm的投资相对较小，Arm的商业模式和规模无法提供与X86生态竞争的能力。
因此，NVIDIA收购Arm，在数据中心这个领域，二者具有共同的目标，优势互补显著。
当然，数据中心CPU的视角，也是最容易说服监管机构之处。收购Arm有利于在数据中心市场提供Intel和AMD之外的第三个选择CPU选择，有别于X86架构，有利于市场竞争。
收购的逻辑二：边缘AI的图谋
在NVIDIA的官网上，“引领人工智能”的口号响亮而耀眼。
想成为AI领域的领军者，单靠GPU并不足以支撑这样的梦想，单凭数据中心市场也装不下这样的雄心。
NVIDIA虽然有基于AI加速的GPU，有全球领先的AI生态，但GPU计算业务和数据中心市场的扩张是有限的，NVIDIA想要真正引领人工智能，就要将云端AI的能力向更广阔的边缘拓展，这同样需要CPU。
黄仁勋认为，如今计算的广度是巨大的，物联网和边缘AI正在兴起，在大规模分布式计算的未来，需求呈现出碎片化、多样化、半定制化的特征，传统的CPU已不能满足这样的需求，而是要引入更多具有AI功能，针对特定算法进行调整的CPU。
Arm虽然在边缘侧构建起广泛的生态，但在AI时代，Arm越来越发现，自己却身处“边缘”，因为传统的CPU IP不能很好滴支持边缘AI。
一名行业分析师告诉集微网，Arm确实有一些IP块可以用来支持基于AI的应用用来进行深度学习，但这并非Arm的主要IP业务，大多数开发AI芯片的公司都在利用自己的专有知识产权来开发DNN模块。
对于许多这样的公司，芯片设计的主要功能是执行基于DNN的算法，并同其软件工具形成独特卖点，他们不需要Arm。虽然AI正在从云端来到边缘，但目前大部分开发工作都是在使用高性能GPU的数据中心进行的，Arm并不是市场的主要参与者。