野心勃勃的英偉達：成為新一輪科技革命的「心臟」

當普通玩家面對英偉達GeForce GTX 1080顯卡的性能誘惑，還在猶豫是否要花幾千塊錢升級自己的電腦時，英偉達的創新能力則猶如其顯卡的進化速度，在多個領域突飛猛進、遍地開花。

成立於1993年，英偉達以製造顯卡起家，並於1999年上市。

在今年之前，英偉達股價從未超過40美元。

今年以來，在科技行業的熱門領域，無論是無人駕駛還是微型超級電腦，英偉達突然以全新的面貌沖了出來。

其股價也一路上漲，昨日收盤達到107.11美元。

過去多年來，英偉達一直遭到英特爾以及高通等競爭對手的圍剿。

2008年，當英特爾決定在自家產品中融入晶片組技術時，英偉達的晶片組業務幾乎一夜間消失。

但是在顯卡業務上，英特爾始終未能打造出足以媲美英偉達的產品，英偉達在高端電腦市場的位置固若金湯。

在近年來極為火熱的智慧型手機市場，英偉達CEO黃仁勛很早就曾指出，人們的交流方式以及計算行業將迎來重大變革，英偉達也於2008年首次發布了手機晶片Tegra，開始在移動領域大顯身手。

隨後，全球首款雙核Tegra 2、首款四核Tegra 3更是讓英偉達在這個領域的表現達到頂峰，以強勁的性能拉開與對手的差距。

但從Tegra 4開始，這種勢頭就開始下降，原因是缺少了通信基帶導致整機成本、設計難度高於高通等競爭對手，即便圖形性能再強也於事無補。

於是，2014年5月24日黃仁勛表示，英偉達決定撤離智慧型手機市場。

但是，英偉達的故事才剛剛開始。

引領無人駕駛汽車革命

今年9月，英偉達汽車業務高級主管Danny Shapiro表示，在路上行駛的車輛之中，有超過20個品牌的1000萬輛車在不同程度地使用英偉達的技術。

此時，有更多的人看到了英偉達占據下一代汽車技術核心位置的潛力。

與特斯拉上17英寸螢幕對英偉達顯卡技術的依賴相比，更值得注意的是英偉達打造的無人駕駛汽車的「大腦」： Drive PX 2，這是一台能夠幫助汽車進行定位和躲避障礙物的人工智慧電腦。

（圖片來自英偉達官網）

Drive PX 2到底有多強大？Shapiro稱，甚至可以這樣說，Drive PX 2讓車輛獲得了親眼「看」世界的能力，總計已有超過80家汽車廠商、創業公司以及研究機構依賴於Drive PX 2驅動他們所研發的無人駕駛汽車。

Shapiro對Drive PX 2進一步解釋稱：

這個系統讓車輛能夠感知周邊情況，加以理解，並在1/30秒內採取行動，這種能力是目前的自動駕駛汽車能夠上路的前提。

今年年初，英偉達推出Drive PX 2，其性能堪比150台蘋果 Mac Pro。

英偉達稱，Drive PX 2的深度學習處理頻率達到了前所未有的每秒24萬億次，深度學習將使得自動駕駛汽車分辨出周圍的物體，比如一隻狗或者一部警車，並對此發出警報。

改變VR的黑科技

虛擬現實（VR）領域是英偉達技術的另一用武之地。

一款VR產品如果要讓用戶使用時感受不到眩暈，畫面就要達到一定的幀率要求。

而對整個畫面按照高幀率渲染，對硬體計算能力的要求則又極高。

為解決這個問題，英偉達基於其積累多年的圖像處理技術，利用人眼的視覺原理，嘗試在VR設備中僅對視覺中心區域進行完全渲染，其他區域則保留很低的解析度。

按照這種做法，僅僅對用戶目光聚焦處進行這種渲染，則能節省出巨大的硬體計算能力，大幅提升整體性能表現。

「（硬體）表現上的提升，大到根本無法忽視，」 英偉達研發副總裁David Luebke稱。

英偉達稱，希望這些發現能夠激發大型VR廠商在未來產品中集成眼球追蹤技術。

「我們目前在做的工作，一部分就是用於幫助（行業）制定VR之路的規則。

」

麻省理工科技評論在文章中表示，這種技術未來將對英偉達顯卡產品帶來影響，也將令開發者按此思路調整圖像渲染算法。

新殺手鐧

今年4月，英偉達發布了一款定位於深度學習的超級計算機DGX-1。

據英偉達官網描述，DGX-1將硬體、深度學習軟體以及開發工具整合到了一起，其中包括8塊英偉達Tesla P100 GPU，運算能力相當於250台傳統伺服器，可以幫助用戶大幅縮短處理時間。

而其長寬高僅分別為866、444、131毫米，功耗3200W。

自2012年來，數據科學家一直在利用GPU加速對深度學習技術的開發，但是當前計算機處理能力成為他們難以克服的瓶頸。

隨著DGX-1投入使用，以前部分根本不可能實現的深度學習模塊，就能夠得以運行。

據麻省理工科技評論，這一超級計算機最早的使用者表示，DGX-1讓他們能夠更快的訓練自身的數據分析模塊，從而能加快實驗進展，推動在科學、醫療以及金融等多個領域的突破。

黃仁勛的過人之處

英偉達近年的快速發展以及在諸多領域取得的突破，與其CEO黃仁勛的貢獻密不可分，而53歲的黃仁勛在公司成立二十多年後依然擔任CEO，在西方也並不多見。

曾在黃仁勛手下工作過的人對媒體表示，迄今為止，黃仁勛在運營英偉達時仍像對待一家創業公司一樣，決策果斷，執行迅速。

對於一家半導體製造商來說，晶片從設計到生產的過程可能要花費數年時間以及巨額資金，企業通常會規劃一個路線圖，並基於此打造組織結構。

而在英偉達，整個過程則要快得多。

當一名高管試圖描述新晶片設計進展時，黃仁勛很有可能叫來工程師現場提出技術問題，然後迅速斃掉這個項目，或者改變研發方向。

同時，黃仁勛在對待其產品的理念上也極為靈活。

上面提到，2014年5月英偉達決定撤離智慧型手機晶片市場，但是撤離之後，英偉達並沒有放棄Tegra晶片的研發，而是把目光集中到了移動遊戲和汽車領域，自家也推出了Shield遊戲掌機，硬生生為Tegra開創出一片新的天地。

儘管Shield並未動搖微軟Xbox以及索尼PlayStation在遊戲領域的地位，但是卻為Tegra晶片帶來了任天堂這一重量級客戶。

今年10月底，任天堂公布的最新遊戲機Nintendo Switch採用的就是英偉達定製的Tegra處理器。

Stifel Nicolaus & Co分析師Kevin Cassidy稱，Tegra基本上是英偉達的一個內部試驗項目，如今則被任天堂採用。

英偉達總會捲起袖子創造一個新市場，並拱手將其讓給客戶，這是又一個例子。

為什麼是英偉達？

無論是無人駕駛還是其他尖端技術所依賴的深度學習，都離不開數據處理核心。

提到數據處理，人們的第一反應總會是計算機的大腦——CPU，以及全球最大的CPU廠商英特爾。

在處理複雜任務時，英特爾CPU能夠展現出優異的速度表現，但是在平行處理多任務的能力上卻存在很大限制。

GPU的快速發展，不論在處理速度還是多任務處理能力上，都有著更大的優勢，而這正是英偉達過去二十多年來孜孜耕耘的領域。

華爾街見聞此前曾援引浙商證券分析師楊雲的介紹提到，相比於CPU，GPU的一大優勢是高速度。

楊雲稱：

國內最好的人工智慧硬體研究項目「寒武紀」小組的最新研究結果表明，GPU能夠提供平均 58.82 倍於CPU的速度。

GPU的另一大優勢，是它對能源的需求遠遠低於CPU。

楊雲認為，正是因為GPU的高速度以及可以平行處理大量瑣碎信息的特性，GPU在「深度學習」領域就能發揮巨大的作用。

深度學習所依賴的是神經系統網絡——與人類大腦神經高度相似的網絡——而這種網絡出現的目的，就是要在高速的狀態下分析海量的數據。

例如，如果你想要教會這種網絡如何識別出貓的模樣，你就要給它提供無數多的貓的圖片。

而GPU擅長的正是海量數據的快速處理。

楊雲稱，與傳統的通用處理器（GPP）相比，GPU的核心計算能力要多出幾個數量級，也更容易進行並行計算。

尤其是英偉達的CUDA，作為最主流的GPGPU編寫平台，各個主要的深度學習工具均用其來進行GPU 加速。

英特爾當然不甘示弱。

今年8月，英特爾宣布將於2017年推出專門為人工智慧深度學習而設計的最新一代產品——Intel Xeon Phi處理器，代號Knights Mill，稱其運算能力比對手的產品快兩倍以上，矛頭直指英偉達。

英特爾數據中心集團副總裁Jason Waxman在8月的一篇博客中也曾表示，雖然現在很多人都在談論GPU對於機器學習的價值所在，但事實上，去年為深度學習而研發的處理器中，使用到GPU的比例還不到3%。

此外，英特爾還斥資4億美元收購了深度學習技術公司Nervana Systems，目標在於取得其將於2017年問世的深度學習加速器晶片，以此挑戰英偉達在人工智慧市場的主導地位。

對於英特爾當時的步步緊逼，英偉達則予以強力反擊，稱英特爾在宣傳其最新Xeon Phi處理器加速深度學習性能時使用了過時數據，其在深度學習性能測試上還使用了英偉達很多年前的舊產品Kepler GPU系列，這屬於有意誤導消費者，沒有給GPU性能一個公正的評價。

口水戰固然吸引眼球，但市場並不傻，企業盈利能力依然是關注的核心。

英特爾二季度凈利潤受到重組減記14億美元的拖累而遭遇「腰斬」，至13億美元。

其盈利的兩大增長點——數據中心和物聯網營業收入當季均不及預期，數據中心的凈營業收入為40.3億美元，市場預期為41.6億美元。

英偉達體量較小，第二季度凈利潤為2.53億美元，但同比增速卻高達驚人的873%。

其數據中心業務營收也達到1.51億美元，同比增長了一倍多，其中很大一部分是深度學習系統貢獻的。

對於這兩家企業來說，由於體量大不相同，英特爾市值為英偉達的三倍，其可比性有限。

但是，對於華爾街來說，超出預期的業績顯然勝過一切。

掃描上方二維碼，關注見聞美股微信公眾號

（更多精彩財經資訊，)