NVIDIA要做一家“人工智能公司” 這個市場到底有多大？

　　黃仁勛在1993年創(chuàng)立了一家叫做NVIDIA的公司，于1999年發(fā)明了圖形處理器GPU，從此GPU就改變了世界。特別是在游戲領(lǐng)域，NVIDIAGPU幾乎已經(jīng)成為了游戲設(shè)備的標(biāo)配。如今，NVIDIA獲得超過7300個專利，其中包括很多對現(xiàn)代計算有深刻影響的技術(shù)。

　　6年前，黃仁勛開始意識到人工智能對于未來人類社會的巨大影響力，開始帶領(lǐng)公司整體往人工智能方向轉(zhuǎn)型。2016年，NVIDIA密集發(fā)布了全線人工智能GPU芯片、系統(tǒng)、軟件和服務(wù)，而公司定位轉(zhuǎn)向成為“世界上偉大的人工智能公司之一”。

　　NVIDIA全球副總裁兼中國區(qū)總經(jīng)理張建中說：“NVIDIA現(xiàn)在是一家人工智能公司，我們不再單一生產(chǎn)GPU芯片，而是系統(tǒng)性提供人工智能解決方案，包括芯片、服務(wù)器、軟件和服務(wù)等。我們不再是一家GPU公司?！?/p>

　　從NVIDIA的AI產(chǎn)品布局說起

　　盡管NVIDIA從6年前開始布局人工智能AI產(chǎn)品，但到了2016年才推出了比較完整的產(chǎn)品線，特別是在2016年9月13日的GTC CHINA 2016(NVIDIAGPU技術(shù)大會)上發(fā)布的推理加速器Tesla P4/P40，形成了深度學(xué)習(xí)的核心產(chǎn)品。

　　可能有人會問，什么是“推理加速器”?

　　首先，NVIDIA選取的人工智能路線為基于神經(jīng)元網(wǎng)絡(luò)的深度學(xué)習(xí)算法，而這一算法有兩大核心組成部分，分別是“訓(xùn)練”用于獲得神經(jīng)元網(wǎng)絡(luò)模型，以及把訓(xùn)練好的神經(jīng)元模型用于“推理”。簡單理解，把基于神經(jīng)元網(wǎng)絡(luò)的深度學(xué)習(xí)用于圖像識別，比如用海量花卉類圖片“訓(xùn)練”出神經(jīng)元網(wǎng)絡(luò)模型，這個模型就能用于識別新圖片里的花卉(“推理”)。

　　其次，NVIDIA于兩年前宣布了新一代PASCAL GPU芯片架構(gòu)，這是NVIDIA的第五代GPU架構(gòu)，也是首個為深度學(xué)習(xí)而設(shè)計的GPU，它支持所有主流的深度學(xué)習(xí)計算框架。在今年上半年，NVIDIA針對“訓(xùn)練”推出了基于PASCAL架構(gòu)的Tesla P100芯片以及相應(yīng)的超級計算機(jī)DGX-1;而在9月的北京GTC大會上，NVIDIA針對“推理”推出了基于PASCAL的產(chǎn)品Tesla P4/P40，主要區(qū)別在于小尺寸的P4可用于任何服務(wù)器，而大尺寸的P40則需要定制服務(wù)器。

　　為什么要針對“推理”設(shè)計加速器呢?這是因?yàn)橛糜谏疃葘W(xué)習(xí)的神經(jīng)元網(wǎng)絡(luò)模型正在變成規(guī)模巨大。以百度用于語音識別的神經(jīng)元網(wǎng)絡(luò)為例，這個模型從2014年的2500萬個參數(shù)暴漲到2015年的1億個參數(shù)，而浮點(diǎn)運(yùn)算則從2014年的2ExaFLOPS(每秒百億億次浮點(diǎn)計算)飆升到2015年的20ExaFLOPS，但錯誤率卻下降了40%。而2015年Image Net大賽的冠軍，即微軟的殘差網(wǎng)絡(luò)ResNet達(dá)到了152層，而2012年的冠軍Alex Net卻只有8層。這就是推理加速器的誕生緣由，即針對上百層和數(shù)以萬計參數(shù)的神經(jīng)元網(wǎng)絡(luò)的大規(guī)模并行計算。

　　所以，Tesla P100是用于“訓(xùn)練”的GPU，Tesla P4/P40是用于“推理”的GPU，這兩個產(chǎn)品都是針對企業(yè)和數(shù)據(jù)中心而設(shè)計。在更小型設(shè)備的物聯(lián)網(wǎng)層，NVIDIA則在今年3月推出了第二代嵌入式計算機(jī)Jetson TX1用于無人機(jī)、機(jī)器人、智能攝像頭等，以及9月推出的第二代自動汽車駕駛計算機(jī)Drive PX2。