如何看待 Nervana 被 Intel 收购？ 第1页

谢邀。

10多年前念博士是Intel赞助的，和Intel的几个老前辈合作了好些年，评论多少有些主观。

Intel这个企业，从创立到Andy Grove退休这32年间(1968-2000)，这个企业的核心价值观就是：半导体行业，好的工艺碾压一切。1969年公司出的SRAM就把创始人老东家仙童的同类产品打爆头（2X速度），1980年代开始的Wintel联盟横扫其他microprocessor厂家，也是靠着无敌的工艺工程能力。答主在Intel混吃喝的时候，CEO还是Paul Otellinii (是的，就是那个被Tony Fadell骂成狗的家伙)，CTO还是Justin Rattner。他们每次内部出来讲话，到了2000年后高端PC增长极度减缓的年代，还是一个劲儿的试图描绘PC增长新动力，移动市场一定还是CISC的天下这种调调。结果大家都看到了，后Andy Grove的年代这个公司因为Andy晚年的用人不当，新人无法纠正Andy教主的错误，移动芯片市场完全错过。（原因可以参考Atom平台任何手机的体验）

过去这10年的自废内功（换成AMD早挂200回了）以后我们看到了Intel一个不起眼但可能很有趣的转变：就是核心价值观更加开明。从一心一意专注工艺到更多关注应用端，关注不同应用下计算架构的多样性。虽然没看到什么成绩，但是交了不少学费。比如投资不靠谱的无人机公司，比如花大价钱做下游产品的开发，如带手势交互的平板，VR设备，比如在IoT和bio sensor上花大价钱研发。

个人认为Intel在基于深度学习的应用领域是可以有所作为的，这个领域近5-10年在enterprise领域有很大的发展。这可是Intel的强项，好的材料技术和不错的芯片设计能力推出高端的芯片产品。要的就是性能，不在乎功耗。

再来讲讲Nervana。他们的主打产品是基于Python open source的Neon DL framework。他们使用的Coppersmith–Winograd algorithm号称是理论上最快的矩阵操作算法。是一个典型的Leap Frog technology。他们现有的解决方案在多个行业的都有应用的例子。接下来就是想到自己开芯片做ASIC把核心算法计算效率进一步提升。传统使用如Nvidia Tesla系列这种基于GPU来做矩阵计算，效率还是比较低的。GPU的矩阵计算主要是为了计算机图形学来设计的，只是近几年深度学习发展起来，GPU比其他的芯片更适合来做这件事情。然而如果专门为深度学习的矩阵操作做定制化的设计，硬件效率还能提高更多。

在纸面上来讲，通过Intel优秀的芯片设计和制造能力，将Nervana的算法潜力充分发挥出来，leapfrog的进步来和nvidia现有的架构竞争，听起来是一件比较靠谱的事情。这个收购个人感觉挺值的。

然而根据Intel过去收购的例子，如果公司独立运营，总公司给够支持，足够open，才可能达到收购的战略意图（Intel Security）。如果是“整合产品线”，比如LSI或者是Infineon Wireless那样的，那就不包邮了。

恭喜做DL的其它IC公司，你的竞争对手被杀死了。

Intel是硅谷最有名的公司杀手，它收购的公司没有任何一个能活下来/做出东西。