本文选自”美股研究社“。
Hot Chips研讨会本周开始。人工智能是英特尔(INTC.US)、英伟达(NVDA.US)和AMD(AMD.US)的热门话题。8月21日，这三家芯片公司在讨论各自的人工智能策略时，股价分别上涨了1.18%、2%和3.2%。
长期投资者必须了解这三家公司的人工智能机遇。这三三个公司都有不同的方法来使用AI，所以它们的AI TAM(总可寻址值)也不同。至于哪家公司的战略最适合投资者，还有待观察。
01 英特尔、AMD和英伟达的人工智能战略
英伟达估计，到2023年，其数据中心人工智能TAM将达到500亿美元。这包括高性能计算(HPC)、深度学习训练(DLT)和深度学习推理(DLI)。
英特尔预计其DLT和DLI TAM将在2020年达到460亿美元。AMD还没有发布任何用于深度学习的TAM，因为它更专注于从英特尔和英伟达那里获得市场份额。因此，AMD没有一个以人工智能为核心的芯片。然而，AMD首席执行官Lisa Su表示，公司正在努力成为人工智能领域更重要的参与者。
02 Lisa Su: CPU计算有其局限性
任何关于计算性能的讨论都是从摩尔定律开始的，摩尔定律正在变慢。摩尔定律指出，随着芯片尺寸的缩小和晶体管密度的增加，计算性能将每两年翻一番。
据AnandTech报道，Lisa Su在Hot Chips 31的主题演讲中解释说，公司一直在通过利用各种元素来提高CPU(中央处理器)的性能。这些元素包括工艺技术、模具尺寸、TDP(热设计电源)、电源管理、微体系结构和编译器。
过程技术是最大的贡献者，因为它将性能提高了40%。增加模具尺寸也可以提高两位数的性能，但这并不划算。
AMD使用微架构将EPYC Rome服务器的CPU IPC(每周期指令)在单线程和多线程工作负载下分别提高15%和23%。这一IPC改善高于行业平均IPC改善约5%-8%。但是，所有这些方法在2.5年内性能都提高了一倍。
03 Su:人工智能需要加速计算
Su表示，一方面，摩尔定律正在放缓。另一方面，世界上最快的超级计算机的性能每1.2年就会翻一番。这意味着过去十年的解决方案不会奏效。
该行业目前的需求是优化系统的某些部分，使它们成为人工智能工作负载的理想选择。她解释说，每瓦的性能在asic(特定于应用的集成电路)和fpga(现场可编程门阵列)中最高，在cpu中最低。通用gpu(图形处理单元)每瓦的性能介于cpu和fpga之间。
Su表示，每个人工智能工作负载都有不同的计算需求。互连技术是解决方案，因为它将各个部分互连到一个系统。她用以下例子说明这一点:
纳米分子动力学的工作负载依赖于GPU
NLP(自然语言处理)工作负载在CPU、GPU、内存带宽和连接性之间保持平衡
业界使用传统方法提高了CPU和GPU的性能。Su强调，业界应该通过关注互连、I/O(输入/输出)、内存带宽、软件效率和软硬件协同优化来提高性能。
Su:AMD将在人工智能领域扮演更重要的角色
AMD首席执行官表示，公司已经采取了CPU/GPU/互连策略，以利用人工智能和高性能计算的机会。她说AMD将在前沿超级计算机上使用所有的技术。该公司计划充分优化其EYPC CPU和Radeon Instinct GPU用于超级计算。它将进一步提高系统的性能与无限织物和解锁性能与它的ROCM (Radeon开放计算)软件工具。
与英特尔和英伟达不同，AMD没有专门的人工智能芯片或特定于应用程序的加速器。尽管如此，Su指出，"我们绝对会看到AMD在人工智能领域成为一个大玩家。"AMD正在考虑是否要制造专用的人工智能芯片。这一决定将取决于人工智能的发展。
Su进一步阐述了她的观点，她补充说，许多公司正在开发不同的人工智能加速器，如asic、fpga和张量处理单元。这些芯片将缩小到最可持续的芯片，然后AMD将决定是否建立广泛使用的加速器。
与此同时，AMD将与第三方加速器制造商合作，通过其Infinity Fabric interconnect将芯片与自己的CPU/GPU连接起来。这种策略类似于它的光线跟踪策略。英伟达去年推出了实时射线追踪技术，但AMD并没有急于推出这项技术。相反，Su指出，AMD将在未来引入射线追踪，当生态系统到位，技术被广泛采用。
考虑到AMD是一个较小的竞争对手与更大的玩家与充足的资源，上述战略是有经济意义的。在一个已经建立的市场中开发市场份额可以降低由于采用不当而导致产品失败的风险，并保证最低回报。
04 AMD的人工智能策略不同于英特尔和英伟达
AMD在开发自己的人工智能芯片之前采取了观望的态度。相反，它正在利用现有的技术来处理人工智能工作负载。
另一方面，英特尔正在内部开发计算性能的每一个要素。开发了Xeon CPU、Optane存储器、Altera FPGA和interconnect。它还在开发自己的Xe GPU。在Hot Chips 31上，英特尔发布了专为DLT和DLI设计的Nervana AI芯片。英特尔在内部生产芯片。虽然这让英特尔对其技术有了更大的控制权，但它需要大量的时间和资源。
英伟达的人工智能战略是提供通用gpu和CUDA软件支持，可用于任何人工智能应用程序。它也有一个NVL油墨互连。该公司正在与企业合作，探索人工智能的新市场。虽然这一策略涉及到大量的研究和失败的风险，但这些风险以高回报的形式给予了良好的回报。
