科技网

当前位置: 首页 >数码

英伟达启示录国内AI芯片公司别再抱着人工智能不放了

数码
来源: 作者: 2019-05-16 19:32:14

3月27日,AI芯片教父黄仁勋在GTC大会(英伟达GPU技术大会)上进行了演讲,发布了新款QuadroGV100 GPU和DGX-2超级计算机,以及英伟达最新在AI计算和自动驾驶上的进展。

有趣的是,在去年的GTC大会,同样以AI为核心,英伟达发布了一系列芯片产品和解决方案,股价大涨17%;而就在今年发布会以后的几小时里,纽约股市英伟达报收225.52美元,直降7.5%。

一样的故事,不同的结局,难道英伟达的AI芯片生意要凉了?

生在最好的时期,面临最大的挑战

业界曾有很多人表示,英伟达在这两年的爆发,真的就像被从天而降的馅饼砸到了脸。

上世纪60年代,Intel从专用芯片转向通用型芯片——也就是我们熟知的CPU(中央处理器),从而一跃成为了芯片领域的老大哥。

不过在AI技术逐步发展成熟的过程中,人们发现CPU对于大数据的处理能力较差,效率和消耗上都完成不了机器学习技术对算力的要求,专用AI芯片需求延续走高。于是当开发人员发现GPU(图象处理器)的并行计算架构可以加速深度学习培训过程时,长时间致力于图像处理器领域的英伟达迎来了春季。

从2015年到现在,英伟达的股价已经从每股20美元上升到了每股200美元以上,十倍的增长一方面来源于市场的快速增长,另一方面也来源于投资者对于未来趋势的信心。

但是,利润的血腥味必然会引来更多的猎食者。

谷歌是英伟达GPU最大的客户,据说占到英伟达1/3的市场。2016年,谷歌对外开源了自己的深度学习框架TensorFlow,这下降了深度学习的门槛,同时也为英伟达带来了新的用户。

不过,在2017年,谷歌发布了两代TPU,这是一种专门针对深度学习框架TensorFlow进行优化的AI芯片。尽管谷歌表示TPU不会对外销售,但其一旦形成了垄断的生态优势,同样对英伟达构成巨大威逼。

无独有偶,传统芯片巨头英特尔尽管在AI芯片行业萌发阶段,错过了第一波机会,但随后的跟进战略可以说是重拳出击,它先后买下Nervana 、Movidius、 Altera、以及Mobileye,总收购金额超过300亿美元。在目前基于X86(一种采取复杂指令架构的服务器)的生态圈中,IT领域的基础设施是完全“生长“在英特尔制造的沃土中的,不难想象当英特尔完成转身后将产生多大的能量。

而以微软和亚马逊为代表的云计算服务商同样在为AI计算力进行升级,分别在自家的云端和数据中心中加入了FPGA运用,提升相关解决方案的处理速度。

如果用一个词来形容英伟达所面临的AI芯片之战,那就是““神仙打架”。

国内AI芯片初创公司,群强环伺之下弯道超车

虽然上有神仙打架,我们仍然能看到层见叠出的国内AI芯片公司在芯片赛道上发力。

中科寒武纪代表了其中一派,寒武纪副总裁钱诚认为,人工智能必然会出现一种重量级的应用,硬件就必定要标准化、通用化。因此标准化、通用化的智能芯片代表着未来。

目前,寒武纪已拿下华为麒麟970芯片合作定单——将其人工智能芯片的设计专利植入麒麟970芯片,为华为的新型旗舰手机加速。而根据业内人士的估计,该款芯片的出货量将到达3000万片。

另外一派创业公司的目标则是瞄准了形形色色应用场景的专用型芯片,包括面向智能驾驶领域推出AI芯片的地平线,主打安防场景机器视觉运用的深鉴科技,和在自家语音领域研制芯片的云知声等。

它们认为,未来不会是一颗芯片打天下,必须按照需求设计相应的芯片,通过软硬件的深度结合,提高算力效率。而随着AI应用的深入,诸如边沿计算和终端计算力需求的出现,让人们在选择计算平台时有了更多斟酌。

不过不管哪种方向的创业公司,他们看起来都不太畏惧以英伟达为代表的芯片传统巨头带来的威逼。目前的AI芯片主要针对神经网络和深度学习算法定制,所以芯片的硬件设计上比传统的CPU和GPU要简单,并非高不可攀。

而软件重要性的提升则是另一个原因。由于AI人材存在断层,客户对AI芯片的要求常常不是芯片本身,而是包括了芯片在内的全套解决方案。幸运的是,在国内AI芯片创业团队中,大多数负责人都是人工智能研究型学者或偏算法型人材。

所以客观来说,中国创业公司弯道超车的几率很大。

英伟达股价下跌带来启示:他们不买AI的账了

话题回到英伟达,在昨天公布了QuadroGV100 GPU和DGX-2超级计算机,和最新在AI计算和自动驾驶上的进展以后,英伟达股价直降7.5%。而国外科技媒体的评论中最多的观点则是,没看到全新20系列高性能显卡,对英伟达很失望。

人们已不买英伟达的账了?显然不是,失望大代表着期望大,人们仍然相信英伟达的能力,他们只是不买AI概念的账了。

一直以来,AI芯片的定义都很模糊。广义上来讲,性能是评判的唯一标准,只要支持主流算法,特别是以深度学习为代表的算法的芯片就可以称作AI芯片,GPU就是其中的典型代表,一些性能不错的CPU和DSP(数字信号处理芯片)也可算入其中。

但如果严格来讲,AI芯片要围绕深度学习或者人工智能算法,对这颗芯片内部的架构和计算、存储单元进行专门设计。

崛起的GPU可以看作是一个中间产物,尽管不是为了人工智能而特意设计,但它的并行计算结构在一定程度上贴合了深度学习算法的计算要求。因此,当全球高校和大公司实验室进行深度学习算法的研究时,GPU成为了他们的首选并进一步延伸到了产业当中。

不过产业和实验室有着一道巨大的鸿沟,成本。深鉴科技创始人姚颂曾算过一笔账,谷歌如果有1000万台服务器,每年1台的运行费用是1万美元,哪怕运营节省10%,100亿美元就能省出来。而为深度学习,或者更加贴近运用层的计算机视觉和语音技术专门设计的芯片,显然在计算功耗比上要更具优势。

归根结底,企业的前途还在于创新。

当“人工智能”还是创新的代名词时,拥有GPU的英伟达也具有着耀眼的成绩;而当人工智能光环褪去,逐步落地产业,英伟达的故事很难就这么平淡地继续讲下去。

同理也适用于国内AI芯片公司,目前AI芯片领域还存在大量的创新空间。由于还不存在适应所以应用的“通用”人工智能算法,因此AI芯片也就没有肯定的架构,新架构的出现必定将是一次巨大的商业机会;而在各个细分领域,当AI技术进入了应用落地阶段,对成本和功耗的要求,也是推动各类垂直运用AI芯片的迭代的重要因素。

目前的AI芯片领域的竞争更像是一场没有标定终点的赛跑,没有人知道未来会发生甚么,唯一能做的就是跑得更快,让后面人看不见你。

版权声明

凡来源为亿欧网的内容,其版权均属北京亿欧网盟科技有限公司所有。文章内容系作者个人观点,不代表亿欧对观点赞同或支持。

辽宁最好的生殖器疱疹专科医院
得盆腔炎怎么治疗效果好
预防宫颈息肉要防治炎症

相关推荐