英偉達人工智能轉型之路會怎么樣？

英偉達會有個華麗的轉身嗎？

最近，端測的AI推理芯片市場一片火熱，英偉達和英特爾正面對壘，初創(chuàng)企業(yè)如履寒冰。而云上AI訓練市場，已經(jīng)從早期的GPU一統(tǒng)天下，發(fā)展到如今多方勢力割據(jù)的局面。

作為最早吃到AI紅利的科技公司之一，英偉達在面對連續(xù)幾個季度的營收增速下滑后，不得不從數(shù)據(jù)中心下沉到邊緣和端上，發(fā)力更多場景。

在軟硬件生態(tài)上，英偉達堪稱是AI硬件廠商的標桿，如今再回望顯卡巨頭的人工智能轉型之路，多次起落，頗為曲折。

“意外”的開始

在很長的一段時間內，外界對英偉達有兩個印象：顯卡大廠、皮衣老黃。一個是英偉達的核心GPU產(chǎn)品，一個是英偉達的形象代言人。

從1993年成立到成為和AMD、英特爾抗衡的半導體巨頭，英偉達經(jīng)歷了幾個關鍵的階段：一是圖形處理器突圍期，拿下大半的游戲顯卡市場；二是AI巔峰期，借著AI和挖礦一鳴驚人，三是AI轉型后時期，從高處下沉后的再反思。

早年的英偉達憑借GeForce系列顯卡在游戲市場所向披靡，和成立于1969年的AMD同坐一把交椅，N卡和A卡孰優(yōu)孰劣之爭也是游戲界老生常談的話題。

在此期間，英偉達既遇到顯卡質量事故，面臨合作伙伴高額的賠償，也遭到競爭對手惡意拒絕技術專利共享，一路起起落落，一波三折。好在他們技術實力過硬，除了旗艦產(chǎn)品GeForce各方面性能給力，英偉達也在收購不同圖像處理公司，加大技術研發(fā)投入，加強在游戲渲染硬件上的優(yōu)勢。

但即便如此，此時的英偉達更多的還是游戲宅眼中的“大神”，距離除PC之外更廣闊的主流B端市場還很遠。

轉折點發(fā)生在2012年的ImageNet（圖像識別領域賽事）大賽上，當時Geoffrey Hinton的學生通過兩個GPU將深度卷積神經(jīng)網(wǎng)絡AlexNet的準確率提高了10.8%，震撼了學術界，英偉達也借此一戰(zhàn)成名，從游戲市場一大步跨入AI市場。

看似無心插柳柳成蔭，但實際上背后是英偉達在GPU上多年的厚積薄發(fā)。當學術界開始嘗試用GPU做通用計算（GPGPU）時，英偉達看到了GPU在圖形運算之外的潛力，搗鼓出了改變深度學習，也改變了英偉達自己的CUDA（通用并行計算平臺），一個用于GPU通用計算的并行計算平臺和編程模型，從軟硬件層面釋放了GPU做并行計算的能力，非常適合運行深度學習算法。

然而在2012到來之前，這個產(chǎn)品的特點只有一個：只燒錢不賺錢。但當Geoffrey Hinton和兩個學生用GPU+CUDA開啟深度學習黃金時代后，一切都不同了。

自此之后，英偉達的GPU代替CPU成了AI訓練市場的香餑餑，到底有多香呢？

其股價從2015年1月的20美元飆升至2018年10月的280美元，英偉達乘著深度學習和區(qū)塊鏈的東風，成為AI芯片領域的絕對霸主。

黃仁勛更是在GTC 2015上直言，“我們不是硬件公司，我們是AI公司”。

那么，英偉達如何從CUDA開啟自己的AI輝煌時刻呢？在其排列種組合類繁多的AI芯片產(chǎn)品中，GPU又是如何步步深入到人工智能的訓練、推理市場？

眼花繚亂的AI產(chǎn)品線

通常情況下，AI計算包括兩個步驟，一是訓練深度學習模型，即訓練；二是將訓練好的模型部署到實際應用環(huán)境，也就是推理。

早期，英偉達在訓練市場占據(jù)了絕對的優(yōu)勢，谷歌、亞馬遜等無一例外皆使用GPU作為大量數(shù)據(jù)訓練的算力支持。

在股價飛漲的那幾年，英偉達也推出了適用于不同場景的AI芯片和配套的軟件，打造了一個龐大的AI生態(tài)圈。

刨除用于PC游戲、影視的顯卡產(chǎn)品，在其官網(wǎng)可以看到，英偉達的AI產(chǎn)品可被歸類為：DGX系統(tǒng)、DRIVE PX、Jetson、Tesla、T4企業(yè)服務器。

每個產(chǎn)品之間有的是包含和被包含的關系，比如Tesla是DGX系統(tǒng)的基礎組成硬件，有的大類產(chǎn)品列表下還可以再細分針對不同場景、性能、價格有所差異的產(chǎn)品。

簡單梳理來看，英偉達的AI芯片產(chǎn)品主要是以GPU為核心，而GPU的微架構會逐年迭代，從Tesla（此處是架構，非GPU產(chǎn)品）、Fermi、Kepler、Maxwell、Pascal、Volta以及最新的Turing，越往后微架構的計算能力越高。比如從Volta開始，英偉達就集成了用于AI計算的Tensor Core，算力可想而知。

所有的GPU產(chǎn)品都會按照性能、功耗、使用場景搭配不同的架構，英偉達于2017年推出的Tesla V100基于的就是架構Volta GV100。而代號為Tesla的GPU產(chǎn)品也是目前云端主流的訓練推理芯片，其專為高性能計算、深度學習而生。

2018年，英偉達推出了基于Turning架構的云端推理GPU產(chǎn)品Tesla T4，這也是T4企業(yè)服務器產(chǎn)品的核心硬件構成。

在Tesla系列GPU的基礎上，英偉達再進行“排列組合”，推出了超級計算機DGX，專為加速數(shù)據(jù)中心和簡化深度學習工作流程而設計，可加快實驗速度、訓練更大的模型。

硬件之外，英偉達近幾年也接連推出了優(yōu)化GPU運算的相關配套軟件資源，包括用于推理的TensorRT，基于CUDA的高性能深度學習加速庫CuDNN、CuBLAS等等。

在站穩(wěn)數(shù)據(jù)中心的位置后，英偉達將目光投向了面向不同應用場景的端側推理芯片。2015年，他們推出了面向自動駕駛的Drive PX系列，以及適用于小型設備的Jetson系列。

端側AI芯片關鍵的一點在于它不僅包括GPU，還囊括了基于ARM架構的CPU等其他芯片，是一個完整的SoC。簡言之，英偉達的云上AI芯片是GPU的組合，端側的AI芯片則是GPU、CPU、DRAM、閃存等在內的處理器組合。

在這里，我們需要區(qū)分一下英偉達的GPU產(chǎn)品和Tegra處理器，根據(jù)英偉達的財報，其營收主要就是這兩大產(chǎn)品線組成。GPU不用過多贅述，Tegra處理器是他們在2008年推出的用于移動設備和平板電腦的芯片組（SoC），后期更多的應用是向自動駕駛和智能硬件終端方向靠攏。

目前，最新一代Tegra處理器名稱取自“X教授”，叫做Xavier系列。其中，DRIVE Xavier是英偉達最新自動駕駛計算平臺NVIDIA DRIVE AGX Pegasus的核心AI芯片，去年他們又發(fā)布了名為Jetson AGX Xavier的端側AI芯片，可驅動新一代機器人及自動機器。

同樣，在軟件方面，英偉達也打造了四個AI計算平臺：Clara醫(yī)療圖像平臺、Metropolis智能交通平臺、ISSAC機器人、DRIVE自動駕駛平臺。

粗看英偉達的顯卡系列，很多人會覺得眼花繚亂，但萬變不離其宗的是，英偉達所有的芯片都是根據(jù)應用場景靈活搭配不同的GPU架構，從而提供不同的算力需求，所以GPU的架構是英偉達的核心殺手锏。

但實際上為了能夠賣出更多的顯卡產(chǎn)品，英偉達確實在走廣撒網(wǎng)的路線，用“機?！睉?zhàn)術保持穩(wěn)定的業(yè)務營收增長。

不過根據(jù)英偉達近一年的財報，數(shù)據(jù)中心業(yè)務的增長已經(jīng)開始放緩，競爭對手們正在蠢蠢欲動分食剩下的蛋糕。

繼谷歌推出TPU后，云端AI芯片的競爭勢頭如燎原之勢往外延伸，Intel最近推出了NNP-T/NNT-I 用于云端訓練/推理，華為則在去年就推出了“昇騰”系列芯片用于云端訓練/推理，而阿里平頭哥也帶來了“含光”系列芯片用于云端推理……

前有狼后有虎的危機下，英偉達在今年3月?lián)魯±蠈κ钟⑻貭?，?9.7億美元的高價收購了以色列服務器芯片公司Mellanox以提振數(shù)據(jù)中心的業(yè)務，同時發(fā)布一系列端側的AI芯片，強化云端之外的邊緣側的布局。

高光之后的轉身

相較于云上的訓練和推理，端側的推理芯片市場也非常熱鬧。由于應用場景的不同，端側的算法各有差異，相應的對性能、功耗以及延遲的要求也有區(qū)別，所以在這個市場沒有絕對的巨無霸，可以一統(tǒng)江山。

這也是為什么多數(shù)初創(chuàng)公司會選擇從端側的推理芯片切入，無巨頭壟斷、場景豐富、自由度高。

如果云端的AI處理主要強調精度、處理能力、內存容量和帶寬，對價格不那么敏感，那端側的AI處理則主要關注功耗、響應時間、體積、成本和隱私安全等問題，這些無一例外都是英偉達曾經(jīng)的劣勢。

所以從去年年底到現(xiàn)在，英偉達一改以往售賣硬件“又貴又大”的規(guī)則，推出了性價比超高、便宜好用的小型嵌入式芯片Jetson Nano和Jetson Xavier NX。Jetson系列都是低功耗的模塊化系統(tǒng)，具備CPU、GPU、PMIC、DRAM和閃存，進一步豐富端側的應用場景。

曾經(jīng)主導云端AI芯片市場的英偉達，在面對競爭對手的突圍后，正在用云端加邊緣一體化的解決方案吸引更多客戶，面向終端以及邊緣端的Jetson系列產(chǎn)品就是英偉達的新武器。

如今再去看英偉達的AI布局，已經(jīng)非常清晰明了，只要技術可以觸及的軟硬件，統(tǒng)統(tǒng)都要自己做，廣撒網(wǎng)多撈魚，產(chǎn)品總會越賣越多。

雖然GPU是一塊磚，哪里需要往哪里搬，但是隨著諸如FPGA、ASIC等產(chǎn)品在端側的快速鋪貨，英偉達的GPU優(yōu)勢并不明顯。

不過，英偉達的產(chǎn)品策略對市場的反應速度一直很快，從顯卡起家的他們并不會囿于GPU的思維，英偉達的DLA（深度學習加速器）和Xavier，一個ASIC和一個SoC，都證明了他們可以創(chuàng)建各種各樣的加速器，而不僅僅是GPU。

而且英偉達耕耘這么多年，本身的優(yōu)勢也非常明顯。強大成熟的軟硬件生態(tài)能力是很多初創(chuàng)公司都無法比肩的，其次是技術的優(yōu)勢，顯卡架構的迭代和升級都是英偉達每年上億研發(fā)支出的成果。除此之外，早期的產(chǎn)業(yè)端積累以及產(chǎn)品的口碑也讓他們的端側擴張之路會走的更加順暢。

在人工智能技術快速迭代、新架構層出不窮，以及應用場景更加多元的當下，英偉達從AI引領者的角色正在轉變?yōu)橐粋€追趕者，從他們的AI產(chǎn)品線中也能管窺一豹，以點帶面，強調云邊緣端一體化，抓幾個重點場景推出軟硬件在內的解決方案，同時以賦能者的身份，涌入市場前景更為廣闊的端側市場。

曾經(jīng)被AI眷顧的英偉達，高光之后，會有個華麗的轉身嗎？