黃仁勛在華詳解英偉達AI戰略

【財新網】（記者 葉展旗）「摩爾定律的終結與深度學習的興起，這兩股力量促成了英偉達的崛起。

」9月26日，晶片廠商英偉達聯合創始人兼CEO黃仁勛在北京演講稱，英偉達將聚焦於底層計算，搭建人工智慧平台，讓其他人來參與建設。

黃仁勛在會後向財新記者表示，在GPU之外，英偉達沒有設計其他晶片的計劃。

「機器學習海量的數據，從而創造突破，這需要很強的計算力，也就是GPU發揮作用的地方。

」英偉達（NASDAQ：NVDA）是世界上最大的GPU（圖形處理器）廠商。

GPU廣泛部署在個人電腦上，以支持運行遊戲、視頻等。

隨著人工智慧的興起，黃仁勛將公司定位為人工智慧（AI）計算公司。

「GPU不會替代CPU，」黃仁勛在財新等媒體採訪時表示，GPU和CPU相互配合是最好的架構。

CPU擅長通用計算，而GPU在圖像、視頻等特定領域做得更好。

人工智慧也是GPU的殺手級應用，因為GPU在深度學習上的性能大大高過CPU，算法訓練的時間可能從一兩個月縮短到幾天。

「摩爾定律」由英特爾創始人之一戈登·摩爾提出，指在價格不變的情況下，集成電路上可容納的元器件數目將每隔18-24個月增加一倍，性能也將提升一倍。

不過，現階段這一翻倍速度已經延長至約30個月。

為應對人工智慧所帶來的市場需求，主流雲服務商也紛紛採用英偉達的解決方案。

黃仁勛在演講中表示，阿里雲、百度雲和騰訊雲都在將英偉達最新一代產品運用到其數據中心和雲服務平台上。

在海外，亞馬遜、Facebook、谷歌、微軟等也都已在各自的雲平台上部署了英偉達的GPU。

數據中心業務也成為了英偉達增長最快的業務。

最新財季營收同比增長175%，至4.16億美元，僅次於傳統的遊戲業務，占總營收約18.6%。

據彭博測算，目前PC廠商華碩、聯想、惠普依然是英偉達最大的客戶，貢獻近30%的營收。

提供雲服務的谷歌排在第五，貢獻約2.48%。

三個增長點

黃仁勛將遊戲、人工智慧計算、自動駕駛視為公司主要的三大增長點。

至於為何會選擇自動駕駛這一應用場景，黃仁勛在會後向財新記者表示，自動駕駛難度很大，迄今也沒有成熟的產品，但一旦成功，會對社會產生巨大的影響。

比如催生新的計程車服務，減輕卡車司機的壓力，加大運輸距離並減少事故，甚至還會改變汽車的形態。

黃仁勛表示，英偉達也會研究自動駕駛算法，「不然，你就不知道處理器要處理什麼，什麼樣的處理器更合適。

」

同日，英偉達GPU風投也宣布，參與投資了自動駕駛公司景馳科技，該輪總融資額5200萬美元。

景馳科技由百度前自動駕駛汽車負責人韓旭和王勁創立，在開發中使用英偉達的硬體設備。

此前，英偉達還投資了卡車自動駕駛公司圖森科技。

至於英偉達的投資邏輯，黃仁勛表示，被投公司需具備三個條件。

首先應和英偉達處在同一領域，比如人工智慧；其次該公司可以受益於英偉達；最後，它本身是個好公司。

此外，黃仁勛對人工智慧醫療也很感興趣，包括新藥研發、疾病早期檢測、藥物臨床效果預測等。

截止2017年7月30日的財報顯示，英偉達第二財季營收同比增長56.2%，至22.3億美元；凈利潤同比增長121.6%，至5.88億美元。

兩年前同期，英偉達的調整後營收增幅還不到5%，凈利潤同比下滑了37%。

遊戲依然是英偉達規模最大的業務板塊，第二財季收入同比增長52%，至11.86億美元。

至於公司的風險，投資銀行JP Morgan在8月的研報中表示，英偉達仍有超過一半的業務來自PC遊戲市場，而任何宏觀經濟的不確定性都可能會影響到該市場的需求面。

投資銀行Needham的研報稱，隨著定製版晶片（如TPU）、FPGA等晶片的進步，英偉達可能會在數據中心業務上遭遇更強的競爭。

9月25日，英偉達股價下跌4.47%，收盤至每股171美元。

這一價格已是兩年前的8倍左右。

布局人工智慧推斷

「到2020年，城市中的實時攝像頭將達到十億級，光靠人力監控不現實，AI是唯一的解決方案。

」黃仁勛稱，所以英偉達的下一個挑戰便是人工智慧推斷。

深度學習可分為兩個階段，首先導入大量數據，對模型進行訓練，整個過程可能耗時數天或數周；之後是訓練出的模型在實際場景中做出推斷（inference）。

攝像頭對用戶面部進行一次識別，就是現有模型做的一次推斷。

隨著算法愈加複雜，計算量越來越大，黃仁勛認為，手機、汽車、無人機，以及萬億級的物聯網設備都需要具有更強的推斷能力。

英偉達也宣布推出TensorRT 3 AI 推斷軟體，提高GPU在圖像和語音識別、自然語言處理、視覺搜索等領域的推斷能力。

同時，阿里雲、騰訊雲、百度雲、京東和科大訊飛也都將採用這一方案。

一家大型IT廠商的人工智慧部門負責人向財新記者表示，目前在訓練端，英偉達是毫無疑問的冠軍。

爭奪的市場就在推斷端，這部分的任務量較小，對功耗、延遲更敏感。

當前這一市場領先者還是英特爾，因為廠商在雲服務端已有大量英特爾的伺服器，適配性也更好，但不同廠商已在嘗試不同的新方案。

多方競逐人工智慧晶片

8月，百度與可編程晶片FPGA的生產商賽靈思（Xilinx）共同發布加速晶片XPU，將部署在百度雲上。

5月，谷歌公布了第二代TPU（張量處理器），這是谷歌特別設計用於機器學習的晶片，於去年推出第一代。

依照谷歌提供的數據，TPU的計算效率是過往GPU的十倍以上。

谷歌也將TPU部署在自家雲平台上。

「這就像智能機和功能機比一樣，」黃仁勛認為，TPU等產品只支持自家公司的計算框架，像功能機，而GPU的功能更多，應用場景更廣，生態更豐富，像智慧型手機。

「智慧型手機在成本、尺寸、功耗上挑戰更大，但如果你能做好，就會是更出色的產品。

」

CPU晶片巨頭英特爾也在通過收購來與英偉達競爭。

2015年6月，英特爾以167億美元的價格收購FPGA生產商Altera。

「FPGA的方案應用於AI時，除了靈活性強，還具有低延時和低功耗的特性。

」英特爾可編程解決方案事業部亞太區副總裁莊秉瀚曾向財新記者表示。

黃仁勛認為，FPGA與GPU非常不同。

FPGA靈活性很強，比如用在乙太網卡、音頻處理器等中，也可以設計成深度學習晶片，但計算性能就會很低，而且每次重新設計需要很大的工作量。

■