日前，以CPU為主的英特爾和GPU為主的英偉達先后發布了自己今年第一季度財報，其中雙方利潤分別同比增長了45%和48%，按理說雙方利潤的增長都相當可觀，尤其是對于英特爾，在當季PC市場依然下滑之時，仍以PC芯片為主的英特爾能夠實現如此的利潤增長實屬可貴。
但事實遠沒有看起來那般簡單，反映在資本市場中，英特爾在取得了看似不錯的財報后，其股價不漲反跌，跌幅高達6%左右，相比之下，英偉達的股價則大幅上揚了14%左右。
那么問題來了，為何同是利潤增長，且增長幅度幾乎相同，但雙方在股價上的表現卻大相徑庭呢？這背后的真正原因是什么？又預示著芯片產業怎樣的趨勢？
其實只要稍微留意雙方的財報和業內的分析就不難發現其中的緣由。由于云服務提供商的數據中心對于芯片的需求非常旺盛，英偉達第一財季的數據中心業務營收為4.09億美元，同比增長了一倍以上，輕松擊敗了分析師預期的3.182億美元。與之相比，英特爾的數據中心業務（DCG）收入為42億美元，盡管增長了6%，但因不及預期，導致英特爾股價大跌3%。也就是說雙方在數據中心（芯片）市場的表現才是決定股價的關鍵。
如果說上述是因為外部（主要來自英偉達）競爭壓力導致英特爾股價下跌的話，英特爾內部業務的表現也起到了關鍵作用。從構成英特爾營收和利潤的兩大主力業務看，據英特爾第一季度財報顯示：以PC芯片為主的客戶端計算事業部（CCG）的運營利潤為30.31億美元，同比增長60%，而以數據中心服務器芯片為主DCG運營利潤則同比下降了16%至14.87億美元。
而眾所周知的事實是，CCG業務所在的PC產業日漸走低，以數據中心服務器芯片為主DCG才是英特爾現在和未來增長的動力已是業內（包括英特爾自己）的共識，更何況本季度CCG的運營利潤增長并不具備可持續性，這點從PC市場依然下滑，英特爾CEO科再奇在財報發布上的今年全年，這一業務仍然會出現個位數下滑的預測可見一斑，也進而再次證明了以數據中心服務器芯片為主DCG業務表現對于英特爾的舉足輕重。
實際上，分析師對本季度英特爾的DCG運營利潤下滑均感到不解，紛紛在電話會議期間進行詢問。而英特爾給出的原因是因為把未來制程節點作為了首選，成本較高所致。事實真的如此嗎？
“現在，全世界各大互聯網和云服務提供商都在使用英偉達的GPU芯片。”英偉達首席財務官科萊特-克雷斯（Colette Kress）在財報電話會議結束后說。
不知業內看到這句話有何感想？我們看到的是，克雷斯說的這些大公司包括社交網絡Facebook、Alphabet公司旗下的谷歌、IBM、微軟和阿里巴巴集團。甚至連亞馬遜AWS云服務都在使用英偉達的芯片。而這些也是英特爾DCG業務的主要客戶。
在此，也許有人會質疑，在目前占有數據中心服務器芯片市場90%以上市場份額的英特爾，英偉達的沖擊真的會對英特爾造成實質性的影響嗎？這里我們不妨看看英偉達的GPU在數據中心服務器芯片市場的表現。
以其去年發布的Tesla P100為例，由8塊Tesla P100搭建的DGX-1，其GPU吞吐量相當于 250臺傳統服務器的水平。除此之外，DGX-1系統還包含一套深度學習軟件，即深度學習GPU訓練系統 (DIGITS)，可用于設計深度神經網絡 (DNN)，據了解DGX-1可以將深度學習的培訓速度加快75倍，將CPU性能提升56倍，即英特爾雙路至強系統需要250多個節點和150個小時來訓練Alexnet，而DGX-1只需要一個節點2個小時，后者在性能和節點總帶寬上都有明顯的優勢。
其實，在谷歌Brain項目中，英偉達的GPU已經量化了相對于英特爾CPU的優勢，該項目中，其3臺機器中配置了12顆GPU，性能就達到了包含1000個節點的CPU簇的水平。
進入到今年，英偉達推出了新的Tesla V100，這款AI芯片有210億個晶體管，比一年前的Tesla P100還要強大，同時Tesla V100具有5120個CUDA處理內核。對此，英偉達CEO黃仁勛表示，這種芯片的能力和能源效率有助于云服務供應商大幅提升其使用AI的能力（云服務和數據中心提供業務的發展趨勢），可以將數據中心的能力提高15倍，替代400臺傳統CPU的服務器，甚至無需建立新的數據中心。
看到這里想必業內應該清楚英偉達對于英特爾的影響了吧，即現在和未來，英偉達主打AI功的GPU都會在不同程度上沖擊英特爾在數據中心芯片市場CPU的銷量、營收和利潤，其實這種沖擊在本季度就應該有所顯現，只是英特爾以未來制程節點作為了首選，成本較高所致其運營利潤下滑避重就輕罷了。
更讓業內擔心的是，在日前英偉達主辦的GTC 2017上，英偉達宣布GTC參加人數在五年內上升了三倍，今年達到7000人，GPU開發者增長了11倍達到50多萬，CUDA驅動程序和SDK的下載量也超過了百萬。
此外，英偉達還推出GPU云平臺和開源Xavier DLA，我們看到的是英偉達不僅在GPU本身，而是以此為基礎正在打造以滿足AI需求的未來數據中心的新生態，這才是讓英特爾細思極恐之處，畢竟在傳統的數據中心和云服務市場，英特爾除了CPU外，最大的護城河也是其建立的圍繞x86 CPU的生態。
針對上述云服務和數據中心提供商基于自身和提供具有AI功能業務需求的轉變及英偉達的快速發展，英特爾并非沒有意識和動作，但與英偉達早在2011年左右就開始AI芯片的研究和布局不同，后知后覺的英特爾采用的是“買賣賣”的并購方式，去年5月，收購計算視覺軟件公司Itseez；6月收購FPGA制造商Altera；，8月收購深度學習初創公司Nervana Systems；9月收購機器視覺初創公司Movidius等一系列集中爆發的并購近乎都與所謂的AI有關。
從理論上講，英特爾并購的上述企業在AI芯片方面都具有自己的優勢，例如雖然GPU相比CPU有一定的優勢，但與Altera的FPGA相比依然遜色不少（有研究人員測試，相比GPU，FPGA的架構更靈活，單位能耗下性能更強），深度學習算法在FPGA上能夠更快、更有效地運行，而且功耗也能做到更低；Nervana Systems研究的深度學習芯片具有性價比高于GPU，處理速度是 GPU 的10倍等特點。
對于英特爾上述在AI芯片的種種布局，黃仁勛則代表英偉達表示質疑：如果說至強融核(Xeon Phi)處理器（英特爾去年發布的所謂AI服務器芯片，并因此引發過與英偉達GPU相比，誰優誰劣的評測口水戰）對于AI非常適用，那為什么要收購Altera？
既然買了Altera，Altera又非常適合AI的話，為什么要買Nervada Systems？如果Nervada Systems才是真正的AI方面的技術，要進行開發和產品推出的話，那至強融核協處理器又怎么辦？如果說這三個都適合AI，那是不是意味著至強融核協處理器就不適合AI呢？
盡管上述言論不排除黃仁勛偏袒自家AI芯片之嫌，但也間接說明英特爾目前在AI芯片尚處在選擇路徑和整合的階段而行動緩慢，尚需最終的產品和市場來證明。但就目前看，英偉達GPU是惟一實現大規模應用方案，且經過了市場的檢驗，這也解釋了為何同是利潤增長，但英偉達股價暴漲，而英特爾股價下跌背后真正的原因。