服务器报价热线

Computex 2018:英伟达nvidia还能跑得更快吗?

人工智能兴起的这几年,原本已在GPU领域舒舒服服吊打竞争对手的英伟达,突然发现了能够消耗GPU强大并行计算能力的新方法。源自图形计算本身需求的GPGPU并不能带来广泛的深入社会生活各个领域的影响力,但人工智能不同。无论是各类厂商刻意的把自动化和远程控制按上智能的名头,还是Google深度安利的机器学习/深度学习,人工智能已经深入人心。
 
GPU的超级并行性以及单精运算的结构,天然就是AI计算的料,于是乘上AI东风的英伟达价值成倍成倍地增长,Computex期间再创新高,股价一度超过265美元,而整体市值更是超过IBM这样的蓝色巨人,AI盛况空前。虽然Google表示将自行开发新一代TPU产品,但是明眼人都知道,Google的TPU就是英伟达带加工的马甲。而就算不为Google这样的海量数据处理需求提供产品,黄仁勋的特斯拉(Tesla)可要比马斯克的特斯拉跑得疯多了!
 
当着数百媒体人,黄仁勋不厌其烦地细数着台面上每款产品的特性和用途。无人会否认,英伟达股票的持续翻红,与前景无限的AI关系密切,但是现实是另一个结果,其超过60%的营收,来自最为人所熟知的GeForce游戏业务,而与AI相关的业务收入只有前者的几分之一。要知道,GeForce 10系列上市已经两年时间了,相比英特尔的“挤牙膏”,英伟达连牙膏都懒得挤,一代产品不降价还能被持续抢破头,游戏的火爆和挖矿的火爆,哪个都能让它躺着收钱。
 
然而,英伟达还在不断地加大AI相关产品的投入,从研发、产品到市场,一刻都没有停止过。这样全力以赴,它还能跑得更快些吗?
 
Computex上,黄仁勋再次带来了全线AI计算的硬件新品,上至被两块Xeon CPU串联起16块Tesla V100组成的“最大GPU”HGX-2、一体型计算主机DGX-2/DGX-STATION,下至集成数十个核心的Jetson Xavier平台(包括了1个Volta Tensor Core GPU、1个8核ARM64 CPU、2个NVDLA深度学习加速器、1个图像处理器、1个视觉处理器和1个视频处理器)为机器人提供大脑,以及满足5级自动驾驶需求的DRIVE XAVIER/PEGASUS,无不密切围绕热门的AI领域开发。
 
诚然,当然的英伟达借十余年在GPU领域的霸主地位顺理成章地快速切入了AI硬件领域,并且赢者通吃,拿下了自动驾驶、机器学习等多个领域。
 
然而,卧榻之侧,岂容他人鼾睡。让所有人都眼红是一种成就,但也是一种风险,当英伟达红得发紫的时候,它原本的客户以及竞争对手也都没闲着,新的更大的挑战就在那不远的地方。
 
5月中,在Google I/O大会上,Google宣布将推出为特别优化了神经网络训练和TensorFlow流程优化的第二代TPU产品,其架构和设计已经明显有别于英伟达提供的基于GPU架构设计的产品。虽然英伟达新一代的Tesla V100产品也具有相对独立和强大的Tensor计算能力,但超大的核心、昂贵的价格、不专一的设计,很可能让它丢掉Google这个大客户。
 
除了曾经的客户,英伟达还必须面对拥有强大制造能力的英特尔,毕竟作为Fabless厂商,没有制造的灵活性,与难以掌控V100超大核心的制造并存。通过一系列买买买和长时间的消化吸收,英特尔已经建立起更为完整的AI芯片家族,从提供兼容丰富应用并兼顾桌面AI需求的x86家族产品,为机器计算提供平台节点的Xeon系列,以及“买来”并已经开始产品落地的AI芯片Nervana、Altera FPGA产品和Movidius VPU,从端到端的AI产品和40年的PC生态,都让英特尔显得和蔼可亲。
 
在特定的AI应用领域,比如需要低功耗和实时性的移动终端上,寒武纪甚至高通都成为了它潜在的竞争者。别看英伟达在机器学习领域近乎垄断,但在新一波的神经网络训练上,所有人几乎回到了同一起跑线上。
 
还要不要更多、更强的AI芯片,“适时地”成了英伟达必须面对的封顶问题,有关新的AI专用芯片是否还有市场的争议已起,具有一定通用特性的GPU生态最为完善,相关工具也非常成熟和被广泛使用,而新硬件特别是算法相对固化的产品,会让研究者浪费过多的熟悉时间。在台北回答记者问题的时候,黄仁勋也承认,在现有数据没有开始爆发性增长的情况下,已知领域的数据挖据和学习已经进行的差不多了,至少目前硬件性能已经可以满足要求,更高性能的产品显得不合时宜和浪费,因此英伟达在保持技术领先的情况下,短期更倾向于将成熟技术落地,包括产品实用化和小型化方向,自动驾驶及互动机器人产品,都是这样思路的产物。与英特尔的AI产品序列来自不同设计机理,需要解决互通性和算法一致性问题不同,英伟达的产品具有更好的通用性和架构的一致性,开发者所使用的工具与终端产品架构上并无二致。
 
人工智能是应用前景广泛、商业机会众多的领域,这是无人可以否认的现实。但是人工智能实现的路径和需要的工具却千差万别,一致架构的优势不定哪天就会成为绊倒英伟达自己的那道槛。
 
英伟达也在尽力避免自己的市场优势地位被AI的狂欢弄得一地鸡毛,如同前两年面对挖矿热潮一样,它也推出了不得使用GPU产品开发AI平台的禁令,并不断强调,“游戏显卡只能打游戏,不能放在数据中心跑深度学习”——在技术上,TPU才是AI的正根大脑,而GPU只是兼具此功能。事儿就在这个“兼”字上了,HGX/DGX就别说了,天价不说还买不到(政策及供给因素),游戏和挖矿让GeForce也供货紧张价格高企,用户不得不开始找其他可以到手的用具。好在英伟达多少意识到了这个问题,一方面不给用GeForce研究AI,一方面开放OEM生产制造最新的HGX-2,包括联想等PC厂商开始参与到产品供应中,当然,脖子还是卡在V100上。
 
另一个变化是,英伟达也开始尝试与其他厂商形成更良性的竞合关系,比如此次黄仁勋展示的“新产品”中就有来自新东家是英特尔的ALTERA,其Arria 10 FPGA功能模块孤零零地与GeForce产品放在一起,只是有关它的用途的讲解被活生生跳过了。
 
借AI再次爆红的英伟达正在不断地向业界重复着一句话:“ I am ai”,这才有了股价坐上火箭盛况。GeForce的强大支持,不仅呈现在财务端,更为AI研究提供了最直接的实例。视觉计算不仅最为消耗计算力本身,而且视觉对人来说可传递的信息太多,其中也大量包括了思维的反馈,这也也正是AI要学习和研究的方向。
 
有一个支柱产品的企业就能活得很好,有一个称霸领域的企业就能翻云覆雨,而如果有两个呢?英伟达如其许多前辈一样,眼见就能称霸第二个领域了!疯狂推动技术迭代的背后,保持与最接近的竞争者之间有代差,是称霸最直接有效的方式,拿捏好用户和市场能摸出多少真金白银,是老黄的重要任务。剩下的问题就是,他送至眼前的cookies么,你接得住吗。

上一篇: NetApp携手Nvidia打造深度学习GPU服务器芯片
下一篇: 英伟达NVIDIA虚拟GPU助力全新教育学习方式

本文责任编辑【itsto.com

展开