在GPU设计之初，并非针对深度学习，而是图形加速，在英伟达推出CUDA架构之前，GPU并无太强对深度学习运算能力的支持，而如今，nVidia可以提供基于其GPU的从后端模型训练到前端推理应用的全套深度学习解决方案，一般的开发人员都可以非常容易低上手使用GPU进行深度学习开发，或者高性能运算。而CUDA架构的开发，耗费了nVidia巨大的人力物力。
可以说，是CUDA这个中间层（computing framework）的优化，才使得开发者真正爱上了GPU，nVidia胜在软件。而CUDA还不能称之为算法，它只是计算硬件与算法之间的桥梁。
算法的优化更是绝非易事，目前顶尖的人工智能算法人才都是厚积薄发的，板凳坐得十年冷，在人工智能的春天到来之前，他们凭借艰难努力和顽强的意志熬过漫漫寒冬。
更难的是，你很难找到既懂得算法，又懂得计算构架的开发人员，如果他们分别来自两家公司，那么沟通的时间成本是巨大的，沟通的效率也相当地低。
算法和芯片的协同设计，需要极深的整合和优化功力，Intel缺乏针对算法设计芯片的人才,而Mobileye也难以在短时间内提升车规级高性能处理器设计能力。毫无疑问，将两者整合到同一家公司进行开发，是最优路径。
在过去，Intel也在努力加强其在人工智能算法方面的积累，对Nervana和Movidius的收购反映了这一点，并且提供了面向深度学习优化的数学函数库（MKL）。但远水解不了近渴，自动驾驶需要极高的系统可靠性，这意味着你需要时间，而当下的竞争态势已呈白热化态势，时不我待，在商业竞争中，快人一步就意味着赢者通吃，弥补短板往往不如发挥长处，在高通、nVidia、NXP等巨头虎视眈眈的情况下，Intel与Mobileye的整合，无疑是一个强强联手的绝佳组合。
从本质上讲，购买Mobileye，就是买时间优势。
布局自动驾驶全产业链，加速产业化进程
Intel去年成立自动驾驶事业部（ADG），宣布与宝马合作、收购高精地图供应商Here 15%的股份，到如今收购Mobileye, 可以直接获得其已经极为稳固的客户群，成为其杀入自动驾驶行业最稳固的基石，加上其在云计算平台方面的扎实基础，以及积极投入5G研发，Intel布局自动驾驶全产业链的宏大计划，正逐渐浮出水面，这个统治了PC行业数十年的巨头，在错失了移动互联网时代之后，重装出击，在自动驾驶的时代能否上演王者归来，值得期待。
结语
图灵奖获得者Alan Kay，曾经说过：如果你要严肃地思考你的软件，就必须做你自己的硬件。Intel对于Mobileye重磅收购案，再次为这一论断加上了浓墨重彩的一笔。
如果说过去是算法根据芯片进行优化设计的时代，那么Intel对于Mobileye收购，预示着一个新时代的到来：算法和芯片协同进化的时代，已经有一批先知先觉者在行动，Google自己已经开发了TPU，用于CNN加速，地平线也在开发BPU，结合高度优化的的深度学习算法构架，打造核心竞争力。
谁能同时掌握算法和芯片，谁就能在产业化方面获得巨大的竞争优势，最终赢得这个人工智能无处不在的时代。
作者简介：
李星宇，地平线智能驾驶商务总监，前飞思卡尔应用处理器汽车业务市场经理，原士兰微电子安全技术专家。毕业于南京航空航天大学，获得了自动化学院测试仪器及仪表专业的学士和硕士学位。
李星宇有13年半导体行业从业经验。他在飞思卡尔负责大中华区的汽车业务市场开拓，在娱乐导航领域建立了坚实的业务基础；在加入飞思卡尔的早期，他任职于i.MX应用处理器研发团队，负责存储系统开发，并在该领域取得一项NAND Flash存储应用美国专利。在加入飞思卡尔之前，他在士兰微电子负责安全芯片的公钥加密引擎设计，该引擎的RSA/ECC加解密性能处于国内领先水平。
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！