據外媒報道，英特爾公司日前正就收購人工智能芯片領域獨角獸企業SambaNova展開深度磋商，擬議交易金額約為50億美元(約合人民幣356億元)。若此次并購成功落地，將成為英特爾新任首席執行官陳立武履新以來規模最大的戰略性收購舉措，亦是這家老牌半導體巨頭加速布局人工智能賽道、強化市場競爭力的重要里程碑。

SambaNova成立于2017年，其核心技術優勢源自自主研發的可重構數據流單元(Reconfigurable Dataflow Unit，RDU)芯片架構。相較于傳統圖形處理器(GPU)，RDU架構通過將完整神經網絡圖直接映射至硬件層，顯著降低了數據在內存與計算單元之間的傳輸開銷。這種創新的數據流執行模式在人工智能推理場景中展現出卓越性能：在TinyBERT等緊湊型模型的文本分類任務中，RDU架構相對V100 GPU的延遲加速比可達5.8倍；而在處理64字節短序列數據時，該加速比進一步提升至8.7倍。

其第四代SN40L芯片支持訓練高達5萬億參數的大型語言模型，并可處理長度超過256K的序列數據。在8芯片配置下，該產品的推理性能達到英偉達H100芯片的3.1倍，而全生命周期總擁有成本僅為后者的10%。憑借 DataScale機架級系統與SambaFlow編譯器，SambaNova構建起涵蓋芯片設計、軟件開發及系統集成的全棧解決方案，并已在金融分析、醫療診斷、政府公共服務等多個領域實現商業化應用，客戶群體包括阿貢國家實驗室、埃森哲等知名機構。

SambaNova聯合創始人兼CEO Rodrigo Liang上個月在TED社區做芯片設計的分享時表示，SambaNova將盡力提供更好的AI芯片，以業界最低的每機架功耗服務于最新的AI云規模級模型和應用程序。

考慮到人工智能推理已被確立為英特爾核心發展方向，外界分析認為，SambaNova成熟的軟硬件技術體系，能夠有效縮短英特爾相關技術的研發周期，填補其在關鍵技術領域的空白。更為重要的是，通過此次收購，英特爾可將自身在芯片制造產能、全球營銷網絡及政企客戶資源等方面的優勢，與SambaNova的前沿技術深度融合，進而打造覆蓋云計算、邊緣計算及終端設備的多元化人工智能解決方案，提升產品附加值與毛利率水平。

雙方管理層的長期合作，也為交易的繼續推進奠定了基礎——陳立武曾在2018年通過華登國際對SambaNova進行了5600萬美元(約合人民幣3.99億元)的A輪融資。2021年，軟銀遠景基金領投SambaNova 6.76億美元(約合人民幣48億元)，其他投資方還包括英特爾資本、谷歌風投、華登國際等，使SambaNova估值達到50億美元(約合人民幣356億元)。

SambaNova聯合創始人兼CEO Rodrigo Liang擁有斯坦福大學電氣工程本碩學位，職業生涯始于惠普，后在Sun Microsystems、甲骨文擔任管理角色，牽頭研發高性能處理器，支撐企業級系統算力需求。豐富的技術與商業化經驗，為其創立并引領SambaNova奠定基礎。

聯合創始人兼CTO Kunle Olukotun則是斯坦福大學電子工程與計算機科學教授，2002年由他推動創立的Afara Websystems被Sun收購。作為芯片多處理器設計先驅，他還擔任斯坦福普適并行實驗室主任、數據分析未來(DAWN)研究項目聯合負責人。

另一位聯合創始人Christopher Ré也是斯坦福大學InfoLab計算機科學系的副教授，隸屬于統計機器學習小組、普適并行實驗室和斯坦福AI實驗室，曾獲得美國跨領域最高獎項之一麥克阿瑟天才獎(MacArthur genius award)。

從行業發展角度來看，此次交易標志著人工智能基礎設施領域的競爭已從單純的芯片性能競爭，轉向“硬件架構創新、軟件生態構建及應用場景落地”相結合的綜合能力競爭。這一趨勢在近期多個AI初創企業被收購的案例中也得到了體現：例如今年2月，恩智浦宣布以3.07億美元(約合人民幣22億元)收購美國邊緣AI芯片創企Kinara，Meta計劃收購韓國AI芯片創企FuriosaAI；6月，AMD宣布收購加拿大AI芯片創企Untether AI；10月，Meta被曝計劃收購美國AI推理芯片創企Rivos，等等。

其實，在2016年至2019年期間，英特爾也收購了不少AI芯片公司，包括2016年收購美國AI芯片創企Nervana Systems；2017以153億美元收購以色列自動駕駛芯片公司Mobileye；2018年收購美國結構化ASIC供應商eASIC；2019年，以20億美元收購以色列云端AI芯片創企Habana Labs。

正如行業分析師所指出的，英特爾與SambaNova的整合，或將為當前人工智能芯片市場注入新的活力，甚至可能重塑現有市場競爭格局。目前，交易仍處于談判階段，市場各方正密切關注此次并購的最終結果，以及其對全球人工智能算力布局的深遠影響。

責編：Lefeng.shao