2017臺北國際電腦展COMPUTEX 2017已經(jīng)于5月30日開幕。英偉達的創(chuàng)始人兼CEO黃仁勛在AI論壇上發(fā)表了演說，談到了英偉達的人工智能規(guī)劃。

　　今年5月9日，英偉達公布了第一季度的財報，第一季度營收19.4億美元，同比跳漲48.4%，凈收入5.07億美元，比去年同期跳漲126%。其中，游戲顯卡業(yè)務營收占了總營收的53%，仍然是英偉達的主力軍。但是數(shù)據(jù)中心業(yè)務收入翻倍至4.09億美元，汽車業(yè)務收入也增長了24%至1.4億美元。從去年起，數(shù)據(jù)中心和汽車業(yè)務加速發(fā)展，為提振股價起到了重要作用。黃仁勛曾表示，人工智能已經(jīng)到了變革的邊緣，最終將會有1萬億的設備擁有人工智能，而英偉達也正在變?yōu)槿斯ぶ悄芄尽?/p>

　　黃仁勛在5月30日的演講上談到，CPU的性能增長遇到瓶頸，成長空間僅剩10%，而基于GPU的運算具有極大的潛力，成為推動人工智能的關鍵技術。他表示，到2025年，GPU的性能將是現(xiàn)在的1000倍。

　　以GPU為基礎打入人工智能市場，英偉達一路高歌猛進，目前已經(jīng)是人工智能GPU第一大廠。十幾年前，人們開始將計算任務從CPU卸載到GPU，英偉達2006年推出了CUDA技術，來解放GPU的計算能力，經(jīng)過多年的積累，目前CUDA+GPU已經(jīng)在深度學習方面表現(xiàn)出了極強的適應性和強大的計算能力。

　　5月11日，英偉達在圣何塞的GPU技術大會上發(fā)布了新品Tesla V100，又稱Volta，號稱是史上最強的GPU加速器，專門針對服務器市場，用來處理需要強大計算能力支持的密集型HPC、AI和圖形處理任務。其運算架構采用了臺積電12nm FFN制程，集成了211億個晶體管和5120個計算機內核，并且配備了40個Tensor內核，具有非常強大的深度學習性能。相對于之前的Pascal架構，深度學習訓練速遞提升了12倍，推理速度也提升了6倍。推理性能要比英特爾的Skylake CPU架構快15到25倍。每秒處理浮點運算能達到120萬億次。

　　英偉達代表了GPU方向，那么另外兩個通往人工智能的重要方向——英特爾的CPU和谷歌的TPU又有什么樣的優(yōu)勢?

　　作為CPU全球霸主，英特爾在切入人工智能的時候依然要用CPU做武器。去年英特爾先后收購深度學習初創(chuàng)公司Nervana Systems(Nervana開發(fā)的Engine芯片在深度學習訓練方面具有優(yōu)于傳統(tǒng)GPU的能耗和性能優(yōu)勢)、機器視覺初創(chuàng)公司Movidius，還曾用167億的價格收購了FPGA制造商Alera。英特爾表示將在2017年推出深度學習專用芯片，速度比GPU快10倍，并且將在2020年之前將深度學習訓練速度提升100倍。目前英偉達的GPU炒得火熱，人們都在質疑，關于人工智能，到底是CPU更合適，還是GPU更具有優(yōu)勢。

　　GPU包含多個流處理單元，更加擅長大規(guī)模的并行計算，適用于數(shù)據(jù)并行度高的計算密集型程序，對于AI這種編程框架，尤其是對圖形圖像的計算速度遠超CPU。因此GPU更適合訓練神經(jīng)網(wǎng)絡，在AlphaGo給了人們更加深刻的關于人工智能的認知之后，GPU的優(yōu)勢也被放大。雖然GPU有著可怕的數(shù)據(jù)運算能力，但是CPU是中央處理器，是做通用計算的，對于并行程度要求低，對數(shù)據(jù)的依賴性不高，適合處理多樣的任務。在前期的數(shù)據(jù)獲取，例如圖像采集、人臉識別，以及后期的決策環(huán)節(jié)、和傳感器等渠道的信息綜合方面，CPU都具有明顯優(yōu)勢，而中間的過程靠GPU進行并行計算，這樣才能給出完整的人工智能路徑。二者的側重點不同，優(yōu)勢不同，但都是人工智能發(fā)展所不可或缺的。英偉達雖然掌握了GPU霸權，英特爾的速度也慢了些，但是那幾起收購案不可小覷。

　　值得注意的是，最近升級版的AlphaGo再戰(zhàn)柯潔，谷歌的TPU也逐漸被越來越多的人了解。不像CPU、GPU發(fā)展多年，TPU是谷歌推出TensorFlow框架幾年后才研發(fā)出來的，是專門針對TensorFlow框架，服務于AI計算。由于排除了GPU中的其他部分，留下了專門處理AI的部分，因此TPU以其針對性和高效性被看好。那么TPU是否能夠碾壓GPU和CPU呢?

　　不久前的I/O大會上，谷歌的第二代TPU亮相。曾經(jīng)作為英偉達的客戶的谷歌，如今為了更高效地推進人工智能，自己研發(fā)專用芯片。第二代TPU能夠達到180 TFLOP/s的浮點性能，和傳統(tǒng)GPU相比提升15倍，比CPU提升30倍。另外谷歌還推出一個TPU pod陣列，能夠包含64顆二代TPU。與一代相比，二代除了提高計算能力之外，還提高了數(shù)據(jù)推理能力，前幾天AlphaGo的精彩表現(xiàn)就展示出了這一點。

　　但是英偉達指出，谷歌拿TPU和舊的GPU比是不合適的。另一方面，GPU是通用芯片，TPU則是專門為特定用途設計，只用來執(zhí)行單一工作的ASIC，因此二者并不具有太大的可比性。目前第二代TPU已經(jīng)能夠支持浮點運算，而且能達到180萬億次，已經(jīng)超越了英偉達Tesla V100，在人工智能的研究中，谷歌的TPU具有明顯優(yōu)勢。

　　谷歌這樣的巨頭有充分的資源用自己造的TPU來對特定的研發(fā)任務進行專用加速，但是未來的市場，物聯(lián)網(wǎng)深入布局，移動設備更加多樣，會有更廣泛旺盛的需求，也會有更多變的算法需要實現(xiàn)。因此未來的市場面臨的是，選擇功能強大的通用型芯片還是更加專業(yè)、有效的ASIC。英偉達的重心在技術落地和變現(xiàn)，而谷歌則在全面探索人工智能。能夠高效率地解決更多的問題，就是工具的價值所在，目前圍繞AI芯片的所謂“三強爭霸”的說法并不準確，專注GPU的英偉達能否成為起AI芯片界的高通未可知，但是谷歌不會成為一個芯片公司。 不管是CPU、GPU還是TPU，都只是發(fā)展的必經(jīng)階段。二代TPU和Volta很快會被迭代，芯片本身要服務于計算，因此需要通過互相的借鑒和超越來互相推進，滿足日益增長的計算需求。未來也許還會出現(xiàn)針對不同計算需求的ASIC，也許也會出現(xiàn)一種或多種更加強大的通用型芯片。