前不久，猎豹 CEO 傅盛在一次公开演讲中表示：人工智能现有的发展方向，受影响最大的是大公司：
深度学习下，恐慌的应该是大公司，因为他们积累了很多的技术，不管是语音还是技术，在深度学习的冲击下都被颠覆掉了。
撇开傅盛的身份，这个行业判断还算成立。过去几年，作为行业老兵的 IBM、微软以及苹果，无一不在积极向人工智能或者准确地说深度学习来靠拢。甚至对于苹果这样以保密文化著称的公司来说，深度学习领域所谓「要么论文，要么死亡」的行业潜规则也让其处在一个十分尴尬的位置。为此，当卡内基梅隆大学计算机科学家 Russ Salakhutdinov 加入苹果后，其第一件事就是向外界宣布，苹果的深度学习研究会试图改变公司现有的保密规则，以更好地参与到深度学习大潮中，2016 年 12月，苹果发布了有史以来第一篇深度学习论文。
另一个备受煎熬的大公司是英特尔。
一
过去三十多年的时间里，英特尔凭借着在 PC、服务器领域的芯片霸主地位，某种意义上也是推动人类计算的重要参与者。但这份荣耀自 2007 年之后就开始暗淡，那个一下子重新定义了智能手机并改变世界的 iPhone，与英特尔没有一毛线的关系。
尽管在历史上看，英特尔似乎从未「放弃」移动芯片业务，比如 1997 年就收购了 DEC 的半导体业务，和 ARM 达成协议，或的 Xscale 的授权，也一度成为黑莓、摩托罗拉的芯片供应商，但正如克里斯滕森在《创新者窘境》里所写的那样，英特尔在移动领域的失败并非技术，而是当时 PC、服务器市场的巨大诱惑，克里斯滕森曾这样写道：
已定型的公司为什么延迟推出新的技术？通常的解释是它们害怕影响现有产品的销售。如果新的技术促使新的市场应用出现，那么推出新的技术就不一定是分散的。它们会在新产品商业成熟时推出。
这也就不难理解当乔布斯带着第一代 iPhone 原型机前往英特尔的时候，英特尔时任 CEO Paul Otellini 拒绝了为苹果提供 iPhone 专用的 CPU，在《大西洋月刊》记者 Alexis Mandigal 采访时，Otellini 这样回忆当时的情景：
The thing you have to remember is that this was before the iPhone was introduced and no one knew what the iPhone would do… At the end of the day, there was a chip that they were interested in that they wanted to pay a certain price for and not a nickel more and that price was below our forecasted cost. I couldn’t see it. It wasn’t one of these things you can make up on volume. And in hindsight, the forecasted cost was wrong and the volume was 100x what anyone thought.”
随后的英特尔尽管用收购英飞凌的无线业务，寄希望于发布一系列可用于移动设备的凌动处理器来挽救败局，但为时已晚，整个移动芯片市场早已被高通、联发科瓜分，甚至连三星也难有一席之地。
此时时间来到了 2013 年，新任 CEO 科再奇走马上任，押注平板电脑里的芯片成为一根救命稻草。
二
整个 2014 年，英特尔豪赌平板市场，不仅确定了 4000 万个平板电脑专用芯片的目标，还加大对于下游厂商的补贴力度。以补贴换市场的做法也取得不错的成绩，公开资料显示，在财报 40 亿美元的亏损支撑下，英特尔一共卖出了 4600 万个平板市场的芯片。
但比市场亏损更严重的问题来了：平板电脑市场在短暂辉煌之后，增长势头放缓，甚至出现下滑。我们暂时找不到当时平板电脑市场的具体数字，但通过英特尔平板电脑的直接竞品 iPad 的增长变化，也可以一窥端倪：
自 2015 年开始，整个平板市场迅速转向，而对英特尔来说，这是一次失败的豪赌。IDC 也曾对 2016 年全球平板电脑持悲观态度，较上一年下跌 5.9%。到了 2016 年 4 月，紧随第一季财报，英特尔同时宣布裁员 1.2 万人，并大幅调整产品线，包括面向平板电脑的移动芯片产品线或关闭或整合，从而也基本宣告英特尔的以平板电脑切入移动市场的战略已宣告失败。
此时摆在英特尔面前的路已经不多，PC 持续下滑的事实是谁也改变不了的行业大势，曾经与英特尔并肩作战的微软、联想、戴尔，或转型或拼死挣扎，这个行业的增长空间几乎已经消失殆尽；服务器领域，随着全球云计算市场的逐步爆发，通用服务器出货量不断下滑，越来越多的业务订单来自于包括 Google、亚马逊在内的数据中心专用服务器，这也意味着，尽管短期内服务器市场还会迎来一波增长势头，但其背后是几家云计算巨头带来的短暂红利，英特尔在其中的位置非常尴尬。
更重要的一点，当 2015 年下半年开始的机器学习（深度学习）热潮中，英特尔几乎毫无胜算。
三
关于人工智能为何在这个时间点爆发，几乎所有专家（伪专家）都在谈论三点：
- 海量数据；
- 算法改进；
- 计算能力的提升；
前两点不难理解，对于第三点的理解，是这两年所谓人工智能产业[1]争论的焦点。事实上，尽管英特尔一直将摩尔定律视为计算能力提升的标志之一，但在机器学习的领域里，摩尔定律所代表的 CPU 发展规律遇到尴尬的境地。
这并非是 CPU 发展不好，而是其架构的问题，换言之，CPU 已经不适用支撑深度学习的计算。这是因为，由于 CPU 都是串行计算，当遇到深度神经网络的计算压力，可能需要几个月的时间才能完成，而且随着深度神经网络层级越深，其计算时间也越长。
此时，以并行计算能力著称的 GPU 开始走上历史舞台，这个过去用在 PC 等计算设备上用来渲染图像的芯片成为深度学习领域的最爱。想要了解 GPU 的火热程度，不妨来看看 nVidia 的股价变化：
而另一份来自英特尔的股价变化则让人看到了业界对于芯片巨人的复杂情感：
我曾在上月一篇《押注自动驾驶，英特尔的重构之路》梳理了英特尔的救赎措施，就是两个字：收购。其中两个最重要的收购来自对 Altera 和 Nervana，前者是 FPGA 芯片的巨头，后者则在秘密研发一个面向深度学习的全新芯片（据说是类脑芯片），这两笔收购几乎让英特尔具备了除 GPU 能力之外的所有面向深度学习的芯片产品（研究），包括以下：
- CPU：英特尔原有产品线；
- FPGA：来自 Altera 公司；
- 类脑芯片：来自 Nervana 公司；
与收购同时进行的，还有英特尔的一个巨大的转型战略：从芯片公司转身到数据公司。
四
2016 年 4 月，科再奇在一封公开信中表示：英特尔要从一家芯片公司转型到一家数据公司。
理解这句话并不容易，作为一家芯片厂商，将数据作为下一个公司目标有太多无法解释的潜台词，科再奇随后又在一篇公开博客里提出「数据是无人驾驶乃至未来的新石油」：
就像石油在过去一个世纪改变我们的世界一样，数据将在未来几百年——甚至更远的将来——改变世界。
汽车生态系统拥有一个绝佳的机会来利用数据驱动洞察、对新的业务机会采取行动，甚至创造一个更加安全、更少争议的世界。
上述表态可以用来解释为了英特尔收购了 Mobileye，但依然无法解释英特尔在所谓「数据资源争夺战」的地位或位置，当我在上周末见到英特尔中国区总裁杨叙时，他对此作了一番解读：英特尔「向数据转型」的核心就是构成新一代处理数据的闭环。
这涉及到以下三点：
其一，理解当前的数据现状。自 PC 之后，数据的变化迎来两个趋势：数据量激增和数据类型多样化。前者不难理解，后者则是因为大量非结构化数据如语音、图片，以及物联网的传感器数据，当然还包括神经网络数据、自动驾驶数据等等，这一切都构成了当下复杂的数据现状。
其二，英特尔通过收购形成的完善产品线，从无人机、无人驾驶、人工智能到 VR，都将围绕如何挖掘这些领域的数据价值入手，杨旭在演讲中提供了英特尔的解决方案架构图：
更进一步来说，英特尔通过收购、研发都形成的针对复杂数据的计算能力，将以解决方案、开发工具包的形式卖给下游厂商、开发者，从而帮助这些厂商、开发者实现对数据计算的加速。
科再奇之前也表示：「英特尔不再会进入一个不能生成数据、分析数据或使用数据来提供增值服务的市场。」这看起来又是一次豪赌，杨旭也展现了英特尔在中国的发力领域：
撇开讨好政策的「中国制造 2025」，其他七个领域都有一个共性：都会产生海量的数据。也会催生后续一系列围绕数据的生意，到此，我们也理清了英特尔转型一家数据公司的基本逻辑，但对这家公司来说，目前首要急迫的任务还是面向人工智能的计算能力。
上月，英特尔宣布整合旗下所有人工智能业务，包括 Xeon、Xeon Phi、Nervana 和 Altera，成立一个全新的事业部，将统一调配整个公司内部的人工智能研发资源。换句话说，这个事业部将成为英特尔未来所有人工智能产品、技术的重要输出渠道。
遗憾的是，当问及这个事业部会给英特尔乃至英特尔中国哪些变化时，英特尔中国研究院院长宋纪强婉拒了这个问题。
- 人工智能产业是个伪名词，用在这里只是用来描述与机器学习、深度学习相关的软硬件生态圈。 ↩