同是利润增长 英伟达与英特尔的股价迥异

安卓资讯(news.hiapk.com) 编辑:匿名 时间:2017-05-12 手机扫描分享

欢迎关注“创事记”的微信订阅号:sinachuangshiji

文/孙永杰

日前,以CPU为主的英特尔和GPU为主的英伟达先后发布了自己今年第一季度财报,其中双方利润分别同比增长了45%和48%,按理说双方利润的增长都相当可观,尤其是对于英特尔,在当季PC市场依然下滑之时,仍以PC芯片为主的英特尔能够实现如此的利润增长实属可贵,但事实远没有看起来那般简单,反映在资本市场中,英特尔在取得了看似不错的财报后,其股价不涨反跌,跌幅高达6%左右,相比之下,英伟达的股价则大幅上扬了14%左右。那么问题来了,为何同是利润增长,且增长幅度几乎相同,但双方在股价上的表现却大相径庭呢?这背后的真正原因是什么?又预示着芯片产业怎样的趋势?

其实只要稍微留意双方的财报和业内的分析就不难发现其中的缘由。由于云服务提供商的数据中心对于芯片的需求非常旺盛,英伟达第一财季的数据中心业务营收为4.09亿美元,同比增长了一倍以上,轻松击败了分析师预期的3.182亿美元。与之相比,英特尔的数据中心业务(DCG)收入为42亿美元,尽管增长了6%,但因不及预期,导致英特尔股价大跌3%。也就是说双方在数据中心(芯片)市场的表现才是决定股价的关键。

如果说上述是因为外部(主要来自英伟达)竞争压力导致英特尔股价下跌的话,英特尔内部业务的表现也起到了关键作用。从构成英特尔营收和利润的两大主力业务看,据英特尔第一季度财报显示:以PC芯片为主的客户端计算事业部(CCG)的运营利润为30.31亿美元,同比增长60%,而以数据中心服务器芯片为主DCG运营利润则同比下降了16%至14.87亿美元。而众所周知的事实是,CCG业务所在的PC产业日渐走低,以数据中心服务器芯片为主DCG才是英特尔现在和未来增长的动力已是业内(包括英特尔自己)的共识,更何况本季度CCG的运营利润增长并不具备可持续性,这点从PC市场依然下滑,英特尔CEO科再奇在财报发布上的今年全年,这一业务仍然会出现个位数下滑的预测可见一斑,也进而再次证明了以数据中心服务器芯片为主DCG业务表现对于英特尔的举足轻重。

实际上,分析师对本季度英特尔的DCG运营利润下滑均感到不解,纷纷在电话会议期间进行询问。而英特尔给出的原因是因为把未来制程节点作为了首选,成本较高所致。事实真的如此吗?

“现在,全世界各大互联网和云服务提供商都在使用英伟达的GPU芯片。”英伟达首席财务官科莱特-克雷斯(Colette Kress)在财报电话会议结束后说。不知业内看到这句话有何感想?我们看到的是,克雷斯说的这些大公司包括社交网络Facebook、Alphabet公司旗下的谷歌、IBM、微软和阿里巴巴集团。甚至连亚马逊AWS云服务都在使用英伟达的芯片。而这些也是英特尔DCG业务的主要客户。

在此,也许有人会质疑,在目前占有数据中心服务器芯片市场90%以上市场份额的英特尔,英伟达的冲击真的会对英特尔造成实质性的影响吗?这里我们不妨看看英伟达的GPU在数据中心服务器芯片市场的表现。

以其去年发布的Tesla P100为例,由8块Tesla P100搭建的DGX-1,其GPU吞吐量相当于 250台传统服务器的水平。除此之外,DGX-1系统还包含一套深度学习软件,即深度学习GPU训练系统 (DIGITS™),可用于设计深度神经网络 (DNN),据了解DGX-1可以将深度学习的培训速度加快75倍,将CPU性能提升56倍,即英特尔双路至强系统需要250多个节点和150个小时来训练Alexnet,而DGX-1只需要一个节点2个小时,后者在性能和节点总带宽上都有明显的优势。其实,在谷歌Brain项目中,英伟达的GPU已经量化了相对于英特尔CPU的优势,该项目中,其3台机器中配置了12颗GPU,性能就达到了包含1000个节点的CPU簇的水平。

进入到今年,英伟达推出了新的Tesla V100,这款AI芯片有210亿个晶体管,比一年前的Tesla P100还要强大,同时Tesla V100具有5120个CUDA处理内核。对此,英伟达CEO黄仁勋表示,这种芯片的能力和能源效率有助于云服务供应商大幅提升其使用AI的能力(云服务和数据中心提供业务的发展趋势),可以将数据中心的能力提高15倍,替代400台传统CPU的服务器,甚至无需建立新的数据中心。看到这里想必业内应该清楚英伟达对于英特尔的影响了吧,即现在和未来,英伟达主打AI功的GPU都会在不同程度上冲击英特尔在数据中心芯片市场CPU的销量、营收和利润,其实这种冲击在本季度就应该有所显现,只是英特尔以未来制程节点作为了首选,成本较高所致其运营利润下滑避重就轻罢了。

更让业内担心的是,在日前英伟达主办的GTC 2017上,英伟达宣布GTC参加人数在五年内上升了三倍,今年达到7000人,GPU开发者增长了11倍达到50多万,CUDA驱动程序和SDK的下载量也超过了百万。此外,英伟达还推出GPU云平台和开源Xavier DLA,我们看到的是英伟达不仅在GPU本身,而是以此为基础正在打造以满足AI需求的未来数据中心的新生态,这才是让英特尔细思极恐之处,毕竟在传统的数据中心和云服务市场,英特尔除了CPU外,最大的护城河也是其建立的围绕x86 CPU的生态。

针对上述云服务和数据中心提供商基于自身和提供具有AI功能业务需求的转变及英伟达的快速发展,英特尔并非没有意识和动作,但与英伟达早在2011年左右就开始AI芯片的研究和布局不同,后知后觉的英特尔采用的是“买卖卖”的并购方式,去年5月,收购计算视觉软件公司Itseez;6月收购FPGA制造商Altera;,8月收购深度学习初创公司Nervana Systems;9月收购机器视觉初创公司Movidius等一系列集中爆发的并购近乎都与所谓的AI有关。

从理论上讲,英特尔并购的上述企业在AI芯片方面都具有自己的优势,例如虽然GPU相比CPU有一定的优势,但与Altera的FPGA相比依然逊色不少(有研究人员测试,相比GPU,FPGA的架构更灵活,单位能耗下性能更强),深度学习算法在FPGA上能够更快、更有效地运行,而且功耗也能做到更低;Nervana Systems研究的深度学习芯片具有性价比高于GPU,处理速度是 GPU 的10倍等特点。

对于英特尔上述在AI芯片的种种布局,黄仁勋则代表英伟达表示质疑:如果说至强融核(Xeon Phi)处理器(英特尔去年发布的所谓AI服务器芯片,并因此引发过与英伟达GPU相比,谁优谁劣的评测口水战)对于AI非常适用,那为什么要收购Altera?既然买了Altera,Altera又非常适合AI的话,为什么要买Nervada Systems?如果Nervada Systems才是真正的AI方面的技术,要进行开发和产品推出的话,那至强融核协处理器又怎么办?如果说这三个都适合AI,那是不是意味着至强融核协处理器就不适合AI呢?

尽管上述言论不排除黄仁勋偏袒自家AI芯片之嫌,但也间接说明英特尔目前在AI芯片尚处在选择路径和整合的阶段而行动缓慢,尚需最终的产品和市场来证明。但就目前看,英伟达GPU是惟一实现大规模应用方案,且经过了市场的检验,这也解释了为何同是利润增长,但英伟达股价暴涨,而英特尔股价下跌背后真正的原因。


(来源:sina,如对本网转载内容、版权有异议,请联系我们: hiapknews@baidu.com)
  • 手机
    访问
    手机扫描二维码访问
  • 返回
    顶部