AI、5G和智能汽車時代，AMD、英特爾、高通和英偉達會怎樣面對？

科技的變革往往從不經意間開始。

無論是人工智慧，還是自動駕駛，又或者5G等全新技術，在爆發之前都不會太影響人們的生活，往往只是經歷某個展會或者某個技術突破，世界就發生了變化。

現在，面對人工智慧、自動駕駛以及大數據、雲計算等技術的澎湃發展，AMD、英特爾、高通和英偉達這四大巨頭又有哪些產品發展規劃和行業動向呢？究竟他們會給我們的生活帶來怎樣的改變？帶著這些問題，我們一起來深入了解這四大巨頭的產業發展方向吧！

2018年是一個重要的節點年份。

根據業內估計，無論是未來通訊的基礎5G還是目前火熱的人工智慧，甚至相關的自動駕駛等技術，都將在2018年實現初步的應用或者迎來技術的突破。

在這個節骨眼上，作為影響全球產業發展的四大巨頭，包括英特爾、高通、英偉達和AMD，究竟發出了怎樣的聲音，又以怎樣的態勢面對未來，是一個值得探尋的話題。

AMD：全新產品出擊，重鑄市場地位

如果說英偉達、英特爾等廠商的戰略和產品離普通IT用戶相距較遠的話，那麼AMD帶來的一連串新品和好消息，就不得不說是給玩家的福利了。

再戰高端——Ryzen 2來襲

AMD在2016年發布的Ryzen處理器徹底改變了之前和英特爾的競爭態勢，使得AMD重回高端市場。

在2018年，AMD將在第二季度帶來全新的Ryzen第二代處理器，新的處理器採用新的GF 12nm LP工藝，也就是目前的14nm LPP工藝的優化版本，技術上採用新的Precision Boost 2頻率控制以及加強版本XFR2並提高頻率，架構方面新處理器會在緩存、內存速度和延遲方面得以改善，有望進一步衝擊更高的性能。

接下來的2019年，AMD還將推出7nm工藝的全新第三代Ryzen處理器，繼續搶占市場。

▲AMD在2018年1月公布了全新第二代Ryzen處理器。

除了處理器外，AMD還計劃在2018年推出新的400系列晶片組，包括X470和B450等。

不過即使採用了新的晶片組，AMD也將維持AM4接口不變，也就是只要是AM4接口的處理器和主板，都可以隨意搭配使用。

不過新的晶片組會帶來一些新特性，這是老款產品無法享受的。

由於產品性能進一步提升，再加上在「熔斷」和「幽靈」漏洞中AMD表現比英特爾更加出色，因此廠商對AMD高端處理器的選擇意願逐漸提升。

AMD宣稱2018年隨著全新的Ryzen處理器的發布，AMD有望將自己桌面CPU的份額提升至30%以上。

終極版本——Ryzen APU襲來

APU是AMD發明的創新性產品，不過之前的APU受制於比較陳舊的CPU架構，在性能上表現不夠出色，因此市場表現不夠樂觀。

不過這一切在全新的Ryzen APU上市後都不復存在。

目前AMD公布了包括Ryzen 5 APU和Ryzen 3 APU在內的兩款新APU產品。

新的Ryzen APU採用Zen CPU架構和Vega GPU架構聯合打造而成，其中Ryzen 5 2400G為四核心八線程產品，內部集成了11個Vega CU單元；另一款Ryzen 3 2200G則降低至4核心4線程，集成了8個Vega CU單元。

根據AMD的性能測試數據顯示，新的APU在遊戲性能上輕鬆「秒殺「英特爾全系列產品，CPU性能也不逞多讓，整體性價比表現非常出色。

▲AMD Ryzen 5 2400G APU遊戲性能輕鬆超越英特爾Core i5。

除了桌面版APU產品外，在移動端，AMD也通過推出Ryzen APU來蠶食市場。

目前AMD推出了包括Ryzen 7 2700U、Ryzen 5 2500U以及Ryzen 3 2300U、Ryzen 3 2200U等多款產品，希望能夠在移動市場上有所斬獲，重鑄AMD在移動市場的形象和地位。

小結

AMD在2017年終於扭虧為盈，並且依靠不斷推出新品，重新在PC市場站穩了腳跟。

根據AMD的路線圖來看，2018年AMD將繼續加強Zen和Vega兩大架構的威力，依靠新的CPU和GPU來搶奪PC市場，並通過全新的Ryzen APU來切入英特爾和英偉達在PC市場的弱點，對用戶進行精準營銷。

▲從AMD的Roadmap圖上可以看出，AMD目前規劃未來還有7nm工藝的ZEN 2以及7nm+工藝的ZEN 3。

隨著AMD的財務狀況好轉，AMD終於有足夠的資金來加強研發並進行新產品推廣了。

希望AMD能夠在2018年再接再厲，為玩家帶來更多的福利。

英特爾：體驗數據的力量

英特爾近年來錯失了移動計算的熱潮，不過憑藉著PC時代的深厚積累和在大數據、通信、人工智慧等技術上的優勢，英特爾已經逐漸從前台轉移到幕後，尤其是英特爾對數據的深入認識，更是充分體現了這一點。

▲英特爾為CES 2018製作了專門的宣傳頁面，昭示了自己的發展方向。

數據是資源

人類自從誕生的那一天起，就在不斷的產生數據，並試圖記錄數據。

無論是結繩記事還是發明文字、著書立說或者現在有了硬碟、雲計算，都是在記錄並處理著數據。

數據並不是什麼可有可無的東西，英特爾認為數據是真正的資源。

英特爾舉例來說，在2020年，一個網際網路用戶每天平均產生1.5GB數據，一個自動互聯汽車每天產生4TB數據，一個聯網的飛機每天產生5TB數據，而一個小型工廠每天將產生5PB數據。

面對著海量的數據，需要做的就是將這些數據通過處理，提取有用的信息，並通過各種手段，分析處理數據，實現數據的有效使用。

之前很多人認為，人們每天產生的數據很多是無用的，但實際上數據無用很可能只是記錄的範圍不夠大、記錄的時間不夠長，通過數據小的方面能顯露一個人的生活細節和習慣細節，大的方面能指導一個工廠更有效率的生產和更切合市場需求的生產。

因此，數據是資源，而不是什麼可以隨意拋棄的東西。

那麼，如何面對和處理這些數據資源呢？英特爾提出了四大方向，分別是人工智慧、VR、自動駕駛和5G。

英特爾認為，未來的數據時代，這四大技術將帶來數據處理和使用的革命。

人工智慧——成就未來的技術

目前人們提起人工智慧，首先想到的公司多半是英偉達。

誠然，英偉達依靠人工智慧計算大火了一把，但是英特爾作為PC業界的傳統大佬，深耕人工智慧領域也非一朝一夕。

英特爾在人工智慧領域布局了多款產品，其中最引人矚目的就是面向個人用戶、名為Movidius的神經元計算棒，它的小巧、方便和性能讓人過目難忘。

究其歷史，Movidius本是一家矽谷初創企業，在2016年9月被英特爾收購。

Movidius的特色產品是計算機視覺領域的加速晶片，尤其是在2014年推出的被稱為Myriad 2的VPU的視覺處理晶片。

這款晶片功耗不到1瓦特，包含了12個128位的SHAVE向量處理器和重要圖像處理單元，比如降噪、銳化、縮放等，其在圖像識別方面的計算能力約為1TFlops，支持Caffe和TensorFlow等主流計算架構。

由於尺寸足夠小、功耗也很低，因此Movidius將晶片集成在類似快閃記憶體盤的小尺寸設備中，讓任何PC都可以通過這種USB神經元計算棒化身為深度學習設備，實現深度學習性能的飛躍。

不僅如此，Movidius在2016年還發布了全新的Myriad X晶片，採用台積電16nm工藝，包括了新的16個128位的VLIW向量處理器和16個MIPI通道，整體計算能力最高可達4TFlops，功耗也不過1W。

想必未來英特爾還將進一步升級自己的神經元計算棒產品，不斷提高性能的同時繼續方便它的使用。

▲全新的Myriad X晶片，體積小，性能強。

除了面向個人用戶學習或者研發的小巧設備外，在雲端、企業和高性能計算等各個方面，英特爾也準備了不少硬體產品和軟體方案。

比如面向企業、大規模計算和雲端用戶方面，英特爾準備的是至強融核系列產品，也就是之前的Xeon Phi處理器，這款產品擁有最高3TFlops的FP64計算能力，加入了諸如AVX-512 SIMD處理單元，能夠支持如浮點乘法和混合乘加等機器學習/深度學習算法，還可以實現對自動引導等技術的支持，因此比較適合雲端高性能計算部署。

▲Xeon Phi處理器是英特爾在人工智慧方面的重要殺手鐧。

此外，藉助於英特爾收購的Nervana公司在算法和架構、以及神經網絡加速器方面的支持，英特爾正在試圖培育一個由「Nervana+Xeon Phi」組成的面向企業的人工智慧生態。

在面向前端或者功耗有要求的設備方面，英特爾收購Altera從而擁有的FPGA搭配自家的Xeon則是更好的選擇。

▲英特爾收購了Nervana後推出的神經網絡加速器。

個人用戶或者小型企業方面，Core處理器搭配Movidius等產品也可以組建高性能的人工智慧平台。

此外，超低功耗設備方面，英特爾還提供了諸如Atom、Quark等低功耗晶片，爭取將人工智慧下延到移動設備和功耗敏感用戶的使用環境中。

通過這些硬體和軟體的不斷發展，英特爾形成了一個從頂端高性能雲計算到個人用戶、移動設備的人工智慧生態系統，並通過不斷的推進軟體更新和硬體換代來提高性能，最終實現將人工智慧普及到數據時代的方方面面，並為人們創造更美好生活的目的。

▲英特爾收購Altera的167億美元沒有白花，很快Stratix 10 FPGA就開始為英特爾賺錢了。

根據英特爾的描述，英特爾的人工智慧現在已經能夠初步實現加速醫療影像AI化，在甲狀腺結節識別等方面有一定突破，在社會領域可以幫助識別失蹤和受虐的人口，此外還有針對企業和社會機構的大數據管理分析等。

總之，和人們想像的那個只在PC領域叱吒風雲的英特爾不同的是，在人工智慧領域作為後來者的英特爾，通過收購、併購和自研等手段，也已經成功躋身人工智慧第一陣營，在2018年乃至以後，將不斷的通過人工智慧技術的進步，為未來世界的數據管理和產業發展鋪平道路。