谷歌的无人车在美国开了几十万公里，经过练习练出一个自动驾驶的AI模型。这个模型练习出来之后，未来能够布置到每一台量产的谷歌无人车，完成自动驾驶。在自动驾驶中，这个AI模型就必须实时进行揣度。
图片来自网络
英伟达Q1的财报发布后几小时，股价就暴升14%。
老黄的Keynote还没讲完，英伟达市值就被推高20%，打破700亿美元。
华尔街张狂的背面，是人工智能的大潮，与推进这一大潮的全新技能。
英伟达最新的GPU芯片——TeslaV100及其TensorCore，必将让这科技的大潮又起一层浪。
眼看着英伟达在这人工智能的浪潮中一骑绝尘，它的技能究竟能有多凶猛?莫非其他芯片巨子就真的在吃干饭吗?
今日，咱们特意邀请到两位芯片范畴的专家，专门来聊聊英伟达的新技能，以及这场AI芯片大战的要害亮点。
英伟达抢先多少
昨日曾经，英伟达在深度学习芯片范畴现已十分抢先了，可是还不是遥不行及。
但在一口气发布的7个产品和方案后，特别是其间的TeslaV100，的确震慑。能够说，大大拉开了它与竞争对手的间隔。
这不由得让人想起90年代，思科成为互联网第一波盈利的最大获益者。现在AI年代的到来，虽然咱们还不知道它这一轮究竟能冲多高，但咱们都还在跃跃欲试、买枪买炮。
而英伟达却第一时间成为一家独大的军火商，肯定是AI第一波盈利的最大获益者。
英伟达在GTC大会推出的全新GPU，的确在技能上划了年代，吊打一切对手。
通用的GPU单元，专门的Tensor加快器，矩阵运算肯定功能爆破，一起还统筹其他算法。不愧是英伟达凭仗多年在深度学习范畴的堆集、对需求深入洞悉之后推出的汗水高文，比上一代强壮十倍的功能，既合适练习又合适布置。
就此，老黄已直接对绝大多数做深度学习芯片的创业项目宣判了死刑。
为什么GPU就合适AI?
咱们来科普一下。深度学习是机器学习的一种技能，根据深度神经网络，这一轮AI首要便是深度学习技能打破引领的。
而深度学习里边绝大多数的运算都是矩阵运算，矩阵运算天生就简单并行，而GPU最拿手的便是做并行数学核算，所以特别合适做深度学习。
2012年的时分，Geoffrey Hinton的学生Alex Krizhevsky用GPU来做深度学习，而且取得了ImageNet大赛冠军。经过他们的评测，用GPU比CPU快60倍。
人工智能研究者一找上GPU，英伟达立马抓住机会，短时间内动用数千工程师、投入20亿美元，研宣告第一台专门为深度学习优化的Pascal GPU。所以，在深度学习大行其道的今日，英伟达就成了大赢家了。而深度学习中GPU的使用，有这两个场景：一个是练习，一个是布置。所谓练习，便是AI的构建进程，研究员在线下经过喂给AI算法许多的数据，产生出一个模型。而布置，便是把练习好的这个模型拿到使用现场去用，去做揣度。
比方说，谷歌的无人车在美国开了几十万公里，经过练习练出一个自动驾驶的AI模型。这个模型练习出来之后，未来能够布置到每一台量产的谷歌无人车，完成自动驾驶。在自动驾驶中，这个AI模型就必须实时进行揣度。
练习阶段，咱们首要关怀的是大规模的核算吞吐率，而到了布置中，更着重的是肯定的核算才能、低推迟、高功能功耗比、高稳定性。
现在在AI界，练习模型遍及选用英伟达的GPU，可是到了布置范畴呢，有人用GPU，有人用谷歌的TPU，有人用英特尔，还有一大批嵌入式芯片开发商正在开发专用的前端深度学习芯片。
可是，刚刚发布的V100，既合适做练习，又合适做揣度，除了功耗较大以外，在才能方面完成了左右通杀，所以的确凶猛。
别的，英伟达还有一个专门用来布置的运转时环境叫TeslaRT。所以英伟达在AI芯片范畴真有点一骑绝尘的姿势了。
莫非无人能挡英伟达?
AI芯片这么大的一块蛋糕，总得多有几个人来分才热烈，就算英伟达现在的优势不容置疑，那接下来的疑问便是，它的优势究竟能持续多久?
谷歌TPU
几天前，在谷歌TPU团队出走对折后，核算机系统架构的宗师DavidPatterson宣告他要参加谷歌，正式参加TPU项目。
上个月，谷歌关于TPU功能的论文发表说，TPU运转速度是英伟达和英特尔相关处理器的15-30倍，能效高出30-80倍。
谷歌的TPU适用于布置，能跟谷歌自家的TensorFlow紧密结合。惋惜它是闭源的，谷歌视它为中心竞争力，应该不会开放给他人用。
TPU的第一版很冷艳，不过缺陷也许多。现在从谷歌的论文来看，这个架构有点过期，实践傍边也会有很大局限性。虽然这次DavidPatterson参加谷歌TPU团队的动态很大，但咱们仍是应当坚持镇定、持续调查。
英特尔
另一个能跟英伟达叫板的，便是老牌芯片巨子英特尔，但它的CPU拿手高速处理数字，却不拿手处理音视频等非结构化数据。
所以在上一年，英特尔耗资4亿美元收买深度学习草创企业Nervana，企图经过Nervana Systems在硅层完成机器学习。本年3月，这家土豪又怒砸153亿美元收买一家以色列芯片公司Mobileye，土豪要用自己家的高功能核算和网络连接才能，结合Mobileye的核算机视觉专业技能，打造从云端直达每辆轿车的无人驾驶解决方案，深化它在自动驾驶范畴的布局。
收买Nervana，是英特尔十分凶猛的一招。由于，这家公司前几年一向在帮英伟达优化GPU渠道。他们是一群尖端黑客团队，hack了GPU的native指令集，写出了比其时的cudnn(NVIDIA自己的深度学习数学库)还要快若干倍的数学库。他们的效果都开源给了社区，cudnn后边的前进很大程度是由于吸收了这些效果。这家公司被英特尔收买后，就断了持续为英伟达供给服务的或许，一起也极大增强了英特尔的实力。
英特尔现在是allinAI，它的几大产品线，都会要点针对深度学习进行专门定制，比方之前作为HPC渠道的XeonPhi加快核算卡，收买的AlteraFPGA，包含NervanaSystem，都是各自独立的深度学习产品线。其他还包含IoT部分，还有收买的Movidius公司，这些是供给嵌入式和端的解决方案。
小编听完，真是视野大开。
这样来看，在深度学习芯片上，英伟达身先士卒，英特尔黄雀在后，而谷歌的TPU，还真是任重而道远啊。
