推薦圖文
推薦鋰電資訊
點擊排行
過去幾年中，英偉達為提高游戲和圖像制作而研發的圖形處理器曾有力地催生了機器學習產業的諸多突破，其市值和股票也因而一路扶搖直上。隨著英偉達把更多的資金投入人工智能產業，英特爾、谷歌等其他研發AI芯片的企業的角逐也愈發激烈。
黃先生在會上介紹最新芯片Tesla V100時還尤為謹慎地避免提到任何競爭對手的名字。比如，他所謂的“某些人”其實指代谷歌。但他特別對對手的技術卻做出明確的批評，特別是討論AI芯片在云計算的應用方面具有廣大前景時，黃對對手的批判尤為直接。
各種各樣的行業如醫療保健，金融等都紛紛投資機器學習的基礎設施。云計算服務商的領先企業谷歌，亞馬遜和微軟則希望這些企業能從他們這里購買運行人工智能軟件的服務，并打算重點投資新型硬件從而增強這類服務。
英偉達之所以能在朝氣蓬勃的AI芯片市場一馬當先，是因為它曾經抓住了一次偶然的機遇。其實計算機繪圖和用人工神經網絡實現機器學習所需的基本數學操作并無差別，英偉達的研究人員從2012年開始研發，發現用這種新技術提高軟件的圖形處理器后，軟件的智能性大大提高，能更準確地進行解讀圖像或翻譯語言等任務。
隨著AI市場不斷壯大，英偉達為使芯片更加適合在神經網絡上應用而不斷調整著芯片設計。V100芯片配備了新型內核，是加速深度學習算法的專用芯片，這正是英偉達不斷改善的成果。
黃表示，該芯片強大的功率效率和能源效率能大大提高企業和云服務提供商應用AI的能力。“不需要另外建造數據中心，你就可以把數據中心的吞吐量提高15倍。”
但英偉達的新對手稱，想要提高硬件運行AI軟件的速度和效率，他們可以從頭設計全新的芯片，沒必要調整圖形芯片技術。
比如英特爾就表示，今年下半年將以去年初創企業Nervana提供的技術為基礎，推出一款新型的深度學習芯片。
英特爾還準備發布一款加速深度學習的芯片，該芯片的技術基礎則來源于它以167億美金收購的Altera公司，Altera制作的FPGA芯片能在重新配置后支持某些特定算法。微軟曾斥巨資研發加強機器學習軟件的FPGA，還將FPGA視為云平臺Azure的核心元件。
與此同時，谷歌于去年表示已在使用一款為內部專為人工智能技術定制的Tensor Processing Unit(TPU)芯片，該芯片在去年AlphaGo戰勝圍棋冠軍選手時就曾立下功勞。谷歌表示，雖然這些芯片不予出售，但使用該公司云計算服務的企業一定能因芯片本身的強大的功率效率和能源效率而受益。
然而幾位參與搭建該芯片的谷歌工程師已經離職創業，融資1000萬美金后成立了一所叫Groq 的企業，也在研發一款機器學習的專用芯片。具有類似項目的創業公司還包括Wave Computing，該公司還表示客戶已經開始測試其研發的硬件。
黃在大會上表示英偉達的技術有著得天獨厚的優勢。谷歌的TPU等定制芯片因為太過靈活，難以和很多其他類型的神經網絡在工作時保持并駕齊驅——在不斷測試和應用新創意的AI行業，這是個巨大的劣勢，而微軟和英特爾等企業押注的FPGA的缺點則是耗能太大。
“我們正在打造最具成效的深度學習平臺，”他說道。鑒于今年其他競爭對手也開始越來越多地披露各自的產品，他的這一說法將受到大眾的密切關注。
