谷歌的無人車在美國開了幾十萬公里，通過訓(xùn)練練出一個自動駕駛的AI模型,。這個模型訓(xùn)練出來之后,，未來可以部署到每一臺量產(chǎn)的谷歌無人車，實現(xiàn)自動駕駛,。在自動駕駛中，這個AI模型就必須實時進行推斷。

英偉達Q1的財報發(fā)布后幾小時,，股價就暴漲14%。

老黃的Keynote還沒講完,，英偉達市值就被推高20%,，突破700億美元,。

華爾街瘋狂的背后，是人工智能的大潮,，與推動這一大潮的全新技術(shù),。

英偉達最新的GPU芯片——TeslaV100及其TensorCore，必將讓這科技的大潮又起一層浪,。

眼看著英偉達在這人工智能的浪潮中一騎絕塵,，它的技術(shù)到底能有多厲害？難道其他芯片巨頭就真的在吃干飯嗎,？

今天,，我們特意邀請到兩位芯片領(lǐng)域的專家，專門來聊聊英偉達的新技術(shù),，以及這場AI芯片大戰(zhàn)的關(guān)鍵看點,。

英偉達領(lǐng)先多少

昨天以前，英偉達在深度學(xué)習(xí)芯片領(lǐng)域已經(jīng)非常領(lǐng)先了,，但是還不是遙不可及,。

但在一口氣發(fā)布的7個產(chǎn)品和計劃后，特別是其中的TeslaV100,，確實震撼,。可以說,，大大拉開了它與競爭對手的距離,。

這不由得讓人想起90年代，思科成為互聯(lián)網(wǎng)第一波紅利的最大獲益者?，F(xiàn)在AI時代的到來,，盡管我們還不知道它這一輪到底能沖多高，但大家都還在摩拳擦掌,、買槍買炮,。

而英偉達卻第一時間成為一家獨大的軍火商，肯定是AI第一波紅利的最大獲益者,。

英偉達在GTC大會推出的全新GPU,，確實在技術(shù)上劃了時代，吊打所有對手,。

通用的GPU單元,，專門的Tensor加速器，矩陣運算絕對性能爆炸,，同時還兼顧其他算法,。不愧是英偉達憑借多年在深度學(xué)習(xí)領(lǐng)域的積累、對需求深刻洞察之后推出的心血大作,，比上一代強大十倍的性能,，既適合訓(xùn)練又適合部署,。

就此，老黃已直接對絕大多數(shù)做深度學(xué)習(xí)芯片的創(chuàng)業(yè)項目宣判了死刑,。

為什么GPU就適合AI,？

我們來科普一下。深度學(xué)習(xí)是機器學(xué)習(xí)的一種技術(shù),，基于深度神經(jīng)網(wǎng)絡(luò),，這一輪AI主要就是深度學(xué)習(xí)技術(shù)突破引領(lǐng)的。

而深度學(xué)習(xí)里面絕大多數(shù)的運算都是矩陣運算,，矩陣運算天生就容易并行,，而GPU最擅長的就是做并行數(shù)學(xué)計算，所以特別適合做深度學(xué)習(xí),。

2012年的時候,，Geoffrey Hinton的學(xué)生Alex Krizhevsky用GPU來做深度學(xué)習(xí)，并且取得了ImageNet大賽冠軍,。經(jīng)過他們的評測,，用GPU比CPU快60倍。

人工智能研究者一找上GPU,，英偉達立馬抓住機會,，短時間內(nèi)動用數(shù)千工程師,、投入20億美元,，研發(fā)出第一臺專門為深度學(xué)習(xí)優(yōu)化的Pascal GPU。所以,，在深度學(xué)習(xí)大行其道的今天,，英偉達就成了大贏家了。而深度學(xué)習(xí)中GPU的應(yīng)用,，有這兩個場景：一個是訓(xùn)練,，一個是部署。所謂訓(xùn)練,，就是AI的構(gòu)建過程,，研究員在線下通過喂給AI算法大量的數(shù)據(jù)，產(chǎn)生出一個模型,。而部署,，就是把訓(xùn)練好的這個模型拿到應(yīng)用現(xiàn)場去用，去做推斷,。

比如說,，谷歌的無人車在美國開了幾十萬公里，通過訓(xùn)練練出一個自動駕駛的AI模型,。這個模型訓(xùn)練出來之后,，未來可以部署到每一臺量產(chǎn)的谷歌無人車,，實現(xiàn)自動駕駛。在自動駕駛中,，這個AI模型就必須實時進行推斷,。

訓(xùn)練階段，我們主要關(guān)心的是大規(guī)模的計算吞吐率,，而到了部署中,，更強調(diào)的是絕對的計算能力、低延遲,、高性能功耗比,、高穩(wěn)定性。

現(xiàn)在在AI界,，訓(xùn)練模型普遍采用英偉達的GPU,，但是到了部署領(lǐng)域呢，有人用GPU,，有人用谷歌的TPU,，有人用英特爾，還有一大批嵌入式芯片開發(fā)商正在開發(fā)專用的前端深度學(xué)習(xí)芯片,。

但是,，剛剛發(fā)布的V100，既適合做訓(xùn)練,，又適合做推斷,，除了功耗較大以外，在能力方面實現(xiàn)了左右通殺,，所以確實厲害,。

另外，英偉達還有一個專門用來部署的運行時環(huán)境叫TeslaRT,。所以英偉達在AI芯片領(lǐng)域真有點一騎絕塵的架勢了,。

難道無人能擋英偉達？

AI芯片這么大的一塊蛋糕,，總得多有幾個人來分才熱鬧,，就算英偉達現(xiàn)在的優(yōu)勢不容置疑，那接下來的疑問就是,，它的優(yōu)勢究竟能持續(xù)多久,？

谷歌TPU

幾天前，在谷歌TPU團隊出走半數(shù)后,，計算機體系架構(gòu)的宗師DavidPatterson宣布他要加入谷歌,，正式參與TPU項目。

上個月,，谷歌關(guān)于TPU性能的論文披露說,，TPU運行速度是英偉達和英特爾相關(guān)處理器的15-30倍,，能效高出30-80倍。

谷歌的TPU適用于部署,，能跟谷歌自家的TensorFlow緊密結(jié)合,。可惜它是閉源的,，谷歌視它為核心競爭力,，應(yīng)該不會開放給別人用。

TPU的第一版很驚艷,，不過缺點也很多?，F(xiàn)在從谷歌的論文來看，這個架構(gòu)有點過時,，實踐當(dāng)中也會有很大局限性,。雖說這次DavidPatterson加入谷歌TPU團隊的動靜很大，但我們還是應(yīng)當(dāng)保持冷靜,、繼續(xù)觀察,。

英特爾

另一個能跟英偉達叫板的，就是老牌芯片巨頭英特爾,，但它的CPU擅長高速處理數(shù)字,，卻不擅長處理音視頻等非結(jié)構(gòu)化數(shù)據(jù)。

于是在去年,，英特爾耗資4億美元收購深度學(xué)習(xí)初創(chuàng)企業(yè)Nervana,，試圖通過Nervana Systems在硅層實現(xiàn)機器學(xué)習(xí)。今年3月,，這家土豪又怒砸153億美元收購一家以色列芯片公司Mobileye,，土豪要用自己家的高性能計算和網(wǎng)絡(luò)連接能力,，結(jié)合Mobileye的計算機視覺專業(yè)技術(shù),，打造從云端直達每輛汽車的無人駕駛解決方案，深化它在自動駕駛領(lǐng)域的布局,。

收購Nervana,，是英特爾非常厲害的一招。因為,，這家公司前幾年一直在幫英偉達優(yōu)化GPU平臺,。他們是一群頂級黑客團隊，hack了GPU的native指令集,，寫出了比當(dāng)時的cudnn（NVIDIA自己的深度學(xué)習(xí)數(shù)學(xué)庫）還要快若干倍的數(shù)學(xué)庫,。他們的成果都開源給了社區(qū)，cudnn后面的進步很大程度是因為吸收了這些成果,。這家公司被英特爾收購后,，就斷了繼續(xù)為英偉達提供服務(wù)的可能,，同時也極大增強了英特爾的實力。

英特爾現(xiàn)在是allinAI,，它的幾大產(chǎn)品線,，都會重點針對深度學(xué)習(xí)進行專門定制，比如之前作為HPC平臺的XeonPhi加速計算卡,，收購的AlteraFPGA,，包括NervanaSystem，都是各自獨立的深度學(xué)習(xí)產(chǎn)品線,。其他還包括IoT部門,，還有收購的Movidius公司，這些是提供嵌入式和端的解決方案,。

這樣來看,，在深度學(xué)習(xí)芯片上，英偉達一馬當(dāng)先,，英特爾黃雀在后,，而谷歌的TPU，還真是任重而道遠啊,。