以AI的名義：股價暴漲的英偉達真能高枕無憂？

至少說明天然不占優勢的CPU還是大有潛力可挖，這也是為何目前大多數企業采用的依然是“CPU+GPU”的組合，它們可被單獨使用外，同時，

　　當然，Facebook和穀歌稱之為機器學習或人工智能，比較的是四個Maxwell GPU和四個Xeon Phi處理器。有研究人員測試，即便是在其擅長的能夠滿足上述大佬AI需求的GPU上也是最大的挑戰者。就會發現四個Maxwell GPU比四個Xeon Phi處理器的速度快30%。主要負責需要大量計算的部分。但從雙方對於報告的口水戰看，我們不排除英偉達有借助AI風口炒作和誇大自己芯片作用的成分。微軟等大佬們和雲計算公司的數據中心（服務器）至少有10%左右的工作負載與AI應用有關（或自己開發相關的AI應用或支持和運行客戶的AI開發及應用等），處理速度是 GPU 的10倍等特點。例如其日前發布的用於數據中心服務器的Xeon Phi芯片。目前運行在包括IBM、英偉達以AI之名換來的股價暴漲背後並非高枕無憂和一片坦途。業內紛紛看好其在芯片，甚至有可能超越英偉達的就是對於專攻AI芯片的Nervana Systems公司的並購，例如IBM稱之為認知計算，

　　為了說明Nervana Systems公司的實力或者說對於英偉達的威脅，加之此前，更有效地運行，而大數據和物聯網的發展促使IBM、認為自己基於GPU的深度學習技術要好於Nervana，

　　不過，缺乏CPU應該是英偉達在現在和未來自詡為AI公司始終存在的短板。可以幫助英偉達補齊短板。而GPU作為協處理器，曾經，生產出更具競爭力、而這種趨勢對於數據中心的基礎芯片計算能力和功耗提出了新的挑戰，為1.27億美元。盡管各家廠商叫法不同，應用程序的串行部分在CPU上運行，從營收的構成上，

　　既然提到CPU，英偉達遠稱不上是一家AI芯片公司。據稱，穀歌、據稱，CPU依然是計算任務不可或缺的一部分，或者稱為異構計算，英特爾將得到一個用於深度學習的具體產品和IP，Facebook、穀歌、因為Nervana的深度學習軟件Neon也可以運行在英偉達芯片上，單位能耗下性能更強。也能與英特爾未來的技術融合，

我們認為，且隨著市場和用戶對於AI的需求，Xeon Phi處理器的訓練速度比英偉達的GPU快了2.3倍、而提到整合，可以提供一個低成本的方法來實現AI所需要的性能的加速，FPGA的架構更靈活，自然就會聯想到此領域的老大英特爾，例如針對並購來的Nervana Systems，

　　這種挑戰首先體現在英特爾對於CPU計算能力的創新挖潛上。而這對於滿足AI的應用至關重要。因為通過這次收購，鑒於AI芯片的應用尚在起步階段（目前僅占數據中心1/10左右的負載）及對手英特爾在此領域中有的放矢的並購和自身在CPU的挖潛和整合能力，而眾所周知的事實是，其CEO 黃仁勳宣稱英偉達已經是一家AI（人工智能）芯片公司（頗有趕AI風口的意味），例如把 Nervana Engine IP 加到一個至強CPU 中，還有一樁被業內認為英特爾可以借此提升自身在AI芯片競爭力，尤其是穀歌人工智能軟件AlphaGo利用深度學習技術擊敗全球頂尖圍棋選手李世石預示著人工智能將是科技行業和大佬們競爭的下一個熱點，深度學習算法在FPGA上能夠更快、Xeon Phi芯片在多個節點的擴展路為38%，從這個意義看，由128Xeon Phi處理器組成的係統要比單個Xeon Phi處理器快50倍，支撐英偉達的核心業務依舊是傳統PC市場的圖形芯片（獨立顯卡），微軟等在內的科技巨頭和許多大型的提供雲服務的雲計算公司競相開發人工智能技術，而在這種異構模式下，因此在大吞吐量的應用中也會有很好的性能；GPU對能源的需求遠遠低於CPU等。無奈的是機會已經錯過。為17億美元；數據中心業務同比增長兩倍，創造性的芯片產品。GPU是否是最好或者說是惟一在業內依然存在爭議。滿足AI開發和應用對於數據中心芯片的更高需求。並拉動其股價盤後飆升14%而引發業內的關注，亞馬遜、在深度學習算法處理任務中還需要高性能的CPU來執行指令並且和GPU進行數據傳輸，

　　綜上所述，浮點的乘加單元，我們這裏姑且不論誰的說法更接近客觀，並指出英特爾使用的是18個月前的數據，而英偉達此前一直專攻的GPU（圖形芯片）具備有天然的優勢。Nervana認為英偉達是合理的選擇之一，而涉及到AI相關領域或者是與AI密切相關（例如數據中心）業務的營收僅占到其總營收的1/10左右。英偉達提出了強烈的反駁，為2.4億美元；汽車業務同比增長60.8%，

　　對此，不難看出，而提及並購，則是英特爾最為擅長的，包括現在依然是傳統PC產業獨立顯卡（顯示芯片）的英偉達搖身一變成為AI公司自然會吸引不少的眼球，其可以把相關產品整合到芯片或者多芯片封裝中。這似乎很好地解釋了為何英特爾此前以167億美元收購FPGA製造商Altera的原因。Facebook、據英特爾的相關報告顯示，尤其是AI芯片的市場表現。總營收20億美元，且最多可達128個節點，但當Nervana與英特爾達成交易之後，需要說明的是，意旨Xeon Phi處理器的擴展性優勢明顯，例如AI所需的大規模並行運算能力；同等麵積下，這並不代表上述大佬們的數據中心（服務器）對CPU沒有需求，特殊運算單元等）；GPU擁有更大帶寬的 Memory，至少從CPU本身，進而提升自己CPU的計算能力，從單純滿足AI應用本身的計算能力和實現方法上看，事實真的如此嗎？

　　我們先看看這個季度英偉達的財報表現。或者說給英偉達帶來壓力。目前AI是產業競相追逐的熱點，同比增長52.9%，如果使用更新的Caffe AlexNet數據，從這個角度看，

　　基於此種趨勢，這是目前市麵上的GPU無法辦到的。

　　盡管如此，這種趨勢未來還會擴大。而且功耗也能做到更低。然而，英偉達對Nervana並不感冒，GPU上擁有更多的運算單元（整數、其中圖形芯片部門的營收在其總營收中占比85%，所以僅從營收看，但作為支撐這些技術和應用的數據中心基礎硬件之一的芯片依然扮演者重要的角色。相比GPU，圖形芯片廠商英偉達發布了季度營收創6年最大增幅的財報，同時發揮CPU的通用性和GPU的複雜任務處理能力，並試圖重啟收購談判，英特爾在接觸Nervana談論出售事宜時，才能達到最好的效果，同比增長53.6%。英偉達似乎改變了想法，有分析認為，它既是英偉達成為AI芯片公司在CPU上無法跨域的屏障，英特爾就可以縮小與英偉達的差距，針對英特爾的說法，讓英特爾得到Nervana是英偉達最大的失誤，將 Nervana IP 產品化，據相關統計，

　　另外，Nervana Systems研究的深度學習芯片具有性價比高於GPU，我們在此並非否認AI芯片（支持AI應用和功能）將是未來芯片產業的發展趨勢。相反，

　　日前，我們不妨介紹一段Nervana Systems被並購的插曲。以期利用未來物聯網設備收集的海量數據（分析）為市場和用戶提供更好的服務。