Steam即将上线全民VR录屏工具VRCapture
06-18
雷锋网出版社，本文分析了AI芯片市场的现状以及NVIDIA在该市场的领先地位。
不过，随着芯巨头在AI芯片领域取得新进展，英伟达将面临更多挑战。
2020年AI芯片市场会发生什么？我们将分三部分介绍作者，本文为第一部分。
NVIDIA 的领导者 令人惊讶的是，在过去的五年里，NVIDIA 已成为数据中心领域价值数十亿美元的参与者，并且从未遇到过持续且非常强大的对手。
NVIDIA的快速增长是由人工智能（AI）和高性能计算（HPC）对GPU芯片的需求推动的。
NVIDIA CEO黄仁勋喜欢谈论深度学习的“寒武纪大爆发”，指的是神经网络算法的快速迭代。
目前，我们正处于人工智能芯片爆发的边缘，全球许多大大小小的公司都加入进来。
三年前，芯片初创公司几乎不可能获得风险投资。
现在，有数十家资金雄厚的挑战者正在研究人工智能芯片。
去年，NVIDIA 和 IBM 为世界上最快的超级计算机提供了芯片（据称其中 95% 归功于 NVIDIA 的 Volta GPU）。
虽然这是一项令人难以置信的成就，但许多人开始怀疑 NVIDIA 的成功能否持续。
在最新公布的季度报告中，NVIDIA数据中心收入同比增长58%，达到7.92亿美元，占公司总收入的近25%。
过去四个季度的总收入达到28.6亿美元。
如果这一增长趋势能够维持，每年数据中心收入可能达到约45亿美元。
毫无疑问，NVIDIA 凭借其强大的可扩展架构打造了广受欢迎的产品。
NVIDIA 现在拥有强大且不断更新的软件、大学、初创公司和合作伙伴，使其成为新创建的生态系统中的主导者。
有些人会认为这个生态系统是一条坚固的护城河，但风暴云正在出现。
潜在威胁来自英特尔、谷歌、AMD 以及数十家美国和中国初创公司。
到目前为止，我认为大多数竞争者都“实力不足”。
因为我非常有信心，除了谷歌之外，没有其他挑战者抢走了NVIDIA的市场份额。
让我们看看当前的竞争格局，这将是非常有趣的一年。
竞争对手重磅 据《纽约时报》统计，目前有超过 40 家初创公司进入 AI 芯片领域，但现实情况是，只有少数公司能够在这个市场取得真正的成功（比如营收超过 10 亿美元）。
在深度神经网络 (DNN) 训练方面，鉴于 NVIDIA 的产品实力、市场影响力和生态系统，NVIDIA 很难被击败。
然而，目前规模较小的推理芯片市场最终将超过训练市场。
与训练不同，推理不是单一市场。
推理包括云端和终端，每个应用对深度学习算法、性能、功耗和延迟都有特定的要求。
此外，尽管NVIDIA声称在汽车市场拥有领导地位，但在推理市场上并没有绝对的领导者。
由于这些原因，推理市场是大多数新进入者的主要或最初关注点。
让我们来看看主要的竞争者。
谷歌 谷歌是最早推出专用芯片（ASIC）的公司之一，但谷歌可能是 NVIDIA 最大的客户之一。
谷歌的“张量处理单元”（TPU）芯片已更新到第三代，可以加速云端的深度学习训练，以及最近的推理处理。
据悉，用于训练和处理DNN的谷歌TPU性能相当稳定，单芯片性能高达每秒45TOPS。
相比之下，NVIDIA 的 Volta 性能可达 TOPS。
第一批 TPU 仅供内部使用，现在 Google 将其作为服务提供给 Google Compute Cloud 客户。
虽然TPU会对谷歌人工智能的发展产生影响，但在内部服务之外，外部服务（这是一个相当大的市场）被刻意限制。
TPU 只能用于训练和运行 Google TensorFlow 框架。
你不能用它来训练或运行用 Apache MxNet 或 PyTorch 构建的 AI，PyTorch 框架的重要推动者是 Facebook 和 Microsoft。
TPU 也不能用于非 AI HPC 应用，而 GPU 绝对占据主导地位。
此外，TPU 不出售给企业或政府数据中心。
但谷歌对此并不介意，因为它将 TPU 和 TensorFlow 视为其全面的人工智能领导战略的一部分。
针对硬件的软件优化可实现强大且耐用的平台。
TPU 更直接的影响可能是验证 ASIC 作为 GPU 的替代品，至少对于潜在投资者来说是这样。
一家深度学习芯片初创公司的首席执行官表示，谷歌宣布推出TPU后，风险投资就开始寻找投资标的，他随后获得了数亿美元的投资。
谷歌向来擅长从NVIDIA GPU技术大会（通常在三月份）的可预测信息中窃取一些引人注目的信息，如果谷歌今年发布强大的7nm TPU，我不会感到惊讶。
亚马逊去年秋天还宣布正在开发用于推理处理的 ASIC。
不过，该芯片仍在开发中。
英特尔是一个非常重要的参与者。
尽管该公司打算在2019年使用Nervana芯片参与人工智能训练和推理的竞争，但它意识到推理将是一个更大的市场，并且拥有非常强大的实力。
除了最近更新以显着提高推理性能的 Xeon CPU 之外，该公司还收购了 MobileEye 和 Movidius，分别用于汽车和嵌入式推理。
我看过这两种设备的演示，它们确实令人印象深刻。
英特尔还推出了OpenVino软件工具包，允许开发人员在任何地方进行训练，然后在英特尔处理器上进行优化和运行。
在 CES 上，英特尔透露正在与 Facebook 密切合作，准备推出 Nervana 神经网络处理器（NNP-I），因为很多人猜测 Facebook 正在开发自己的 AI 加速器。
与此同时，英特尔副总裁兼AI产品总经理Naveen Rao在推特上分享称，NNP-I基于英特尔10nm SoC，采用IceLake x86核心。
对于训练，英特尔最初的计划是在收购 Nervana 一年后发布“Lake Crest”Nervana NNP。
然后推迟到2018年，然后公司决定重新开始。
这可能是因为英特尔意识到第一款 Nervana 设备不足以显着超越 NVIDIA。
高通和苹果为了完整起见，我将高通和苹果包括在内，因为它们都在手机中提供了令人印象深刻的人工智能功能（高通还致力于物联网和自动驾驶汽车）。
苹果专注于 iPhone A 系列 CPU 和 iOS 操作系统对移动人工智能的支持。
随着移动平台成为语音和图像AI推理的主导平台，这两家公司拥有大量可以用来建立领导地位的IP（尽管华为也在非常努力地推动AI）。
AMD 在过去的三年里，AMD一直在努力使AI软件正常运行。
当我在那里工作时，如果不启动 Windows，甚至无法在 Linux 服务器上运行 GPU。
从那时起，AMD 做了很多工作，使用 ROCm 软件和编译器简化了向 CUDA 的迁移，并加速了其芯片上的数学库 MlOpen（不要与 OpenML 混淆）。
不过，AMD 目前的 GPU 仍比 NVIDIA 的 V 产品落后至少一代，后者距离推出已经近两年了。
AMD是否有能力在7nm上与NVIDIA TensorCore竞争还有待观察。
AMD 可能决定更多地关注推理市场，并可能推出自动驾驶汽车平台，类似于 NVIDIA Xavier SoC，时间会证明一切。
Xilinx的FPGA在2018年表现出色，除了宣布其7nm下一代架构外，还与微软、百度、亚马逊、阿里巴巴、戴姆勒-奔驰等合作伙伴达成合作。
在人工智能推理中，FPGA 比 ASIC 更具优势，因为 FPGA 可以针对特定应用动态重新配置。
当底层技术快速变化时，这一点很重要，就像人工智能的情况一样。
例如，微软展示了其 FPGA（来自 Xilinx 和 Intel）如何将 1 位、3 位或其他精度数据用于深度神经网络中的特定层。
这可以显着加快处理速度并减少延迟，同时降低功耗。
此外，即将推出的 Xilinx 7nm 芯片名为 Versal，具有 AI 和 DSP 引擎，可加速特定应用的处理以及自适应逻辑阵列。
Versal 将于今年某个时候上市，我认为它可能会改变推理处理的游戏规则。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-17
06-17
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态