AD
本文首发于微信公众号：拓墣产业研究院。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。
MIT 报导，Nvidia 为游戏和图形制作使用的绘图晶片，过去几年促成许多机器学习的突破性应用，大幅推升企业利润和股价，但未来的路可能不会这么顺遂，因为几家晶片龙头都在主打新产品可加速人工智能应用，连软体大厂也都在自己打造适合自家软体的硬体核心。
由于保险和金融等许多行业的公司，正在投资机器学习基础设施，因此 Google、亚马逊和Microsoft都认定，未来许多企业会向他们购买人工智能软体，因此在硬体上也必须砸大钱来支持软体运作。
报导认为，Nvidia 占有人工智能晶片市场优势是运气好，因为电脑图形所需的基本数学运算，与被称为人工神经网络的机器学习方法相同。从 2012 年开始，研究人员发现，将新技术置于这种技术之上，绘图晶片可让软体在解释图像或语音等任务上变得聪明很多。
随著人工智能市场成长，Nvidia 已调整晶片设计以支持神经网络，本周宣布的新 V100 晶片是这一努力的顶峰，并具专门用于加速深入学习数学的新核心。Nvidia 强调其电力和能源效率将有助于企业或云供应商大幅提升使用人工智能的能力，声称可以将数据中心的吞吐量提高 15 倍，而不必建立新的数据中心。
而 Nvidia 的新竞争对手认为，他们可以直接为加速处理人工智能软体的硬体运算能力与效率来从头设计晶片，而不是调整绘图晶片技术。例如英特尔去年购并 Nervana 之后，承诺今年会发表深度学习晶片。英特尔花了 167 亿美元购并全球可程式逻辑(FPGA)晶片制造商拓朗半导体(Altera)，准备藉 FPGA 技术发表加速深度学习的产品。
Microsoft也是以 FPGA 为机器学习软体提供动力，并将其作为云端平台 Azure 的核心部分。Google 也在2016年夏天表示已经在使用内部开发，为人工智能订制的晶片 TPU，去年已经替 AlphaGo 赢得棋盘游戏冠胜利，Google 表示不会出售 TPU，但使用 Google 云服务企业将会获得 TPU 的电力和能源效率的好处。
打造 Google 晶片的几名工程师已经离职，成立一家拥有 1 千万美元资金的创业公司 Groq，制作专门的机器学习晶片。其他类似的新创公司包括 Wave Computing，表示其产品已经在客户测试阶段。
不过 Nvidia 执行长黄仁勋趁机批评竞争对手的技术，他说如 Google TPU 这种自定义晶片的灵活性不够，无法在不同种类的神经网络上达到同样运算水准，认为这是一个重大缺点，而Microsoft与英特尔青睐的 FPGA 则太耗能。
黄仁勋声称 Nvidia 正在为深度学习创造最有成效的平台，且现在已经比竞争对手更快到达技术甜蜜点，但其他竞争厂商2017年也将在人工智能晶片上有大动作，这一战场势必将受到市场密切关注。。
文章来源：微信公众号拓墣产业研究院
