3月27日，AI芯片教父黃仁勛在GTC大會（英偉達GPU技術大會）上進行了演講，發(fā)布了新款QuadroGV100 GPU和DGX-2超級計算機，以及英偉達最新在AI計算和自動駕駛上的進展。
有趣的是，在去年的GTC大會，同樣以AI為核心，英偉達發(fā)布了一系列芯片產品和解決方案，股價大漲17%；而就在今年發(fā)布會之后的幾小時里，紐約股市英偉達報收225.52美元，直降7.5%。
一樣的故事，不同的結局，難道英偉達的AI芯片生意要涼了？
生在最好的時代，面臨最大的挑戰(zhàn)
業(yè)界曾有很多人表示，英偉達在這兩年的爆發(fā)，真的就像被從天而降的餡餅砸到了臉。
上世紀60年代，Intel從專用芯片轉向通用型芯片——也就是我們熟知的CPU（中央處理器），從而一躍成為了芯片領域的老大哥。
不過在AI技術逐漸發(fā)展成熟的過程中，人們發(fā)現(xiàn)CPU對于大數據的處理能力較差，效率和消耗上都完成不了機器學習技術對算力的要求，專用AI芯片需求持續(xù)走高。于是當開發(fā)人員發(fā)現(xiàn)GPU（圖像處理器）的并行計算架構可以加速深度學習培訓過程時，長期致力于圖像處理器領域的英偉達迎來了春天。
從2015年到現(xiàn)在，英偉達的股價已經從每股20美元上升到了每股200美元以上，十倍的增長一方面來源于市場的快速增長，另一方面也來源于投資者對于未來趨勢的信心。
然而，利潤的血腥味必然會引來更多的獵食者。
谷歌是英偉達GPU最大的客戶，據說占到英偉達1/3的市場。2016年，谷歌對外開源了自己的深度學習框架TensorFlow，這降低了深度學習的門檻，同時也為英偉達帶來了新的用戶。
不過，在2017年，谷歌發(fā)布了兩代TPU，這是一種專門針對深度學習框架TensorFlow進行優(yōu)化的AI芯片。盡管谷歌表示TPU不會對外銷售，但其一旦形成了壟斷的生態(tài)優(yōu)勢，同樣對英偉達形成巨大威脅。
無獨有偶，傳統(tǒng)芯片巨頭英特爾盡管在AI芯片行業(yè)萌發(fā)階段，錯過了第一波機會，但隨后的跟進戰(zhàn)略可以說是重拳出擊，它先后買下Nervana 、Movidius、 Altera、以及Mobileye，總收購金額超過300億美元。在目前基于X86（一種采用復雜指令架構的服務器）的生態(tài)圈中，IT領域的基礎設施是完全“生長“在英特爾制造的沃土中的，不難想象當英特爾完成轉身后將產生多大的能量。
而以微軟和亞馬遜為代表的云計算服務商同樣在為AI計算力進行升級，分別在自家的云端和數據中心中加入了FPGA應用，提升相關解決方案的處理速度。
如果用一個詞來形容英偉達所面臨的AI芯片之戰(zhàn)，那就是““神仙打架”。
國內AI芯片初創(chuàng)公司，群強環(huán)伺之下彎道超車
盡管上有神仙打架，我們依然能看到層出不窮的國內AI芯片公司在芯片賽道上發(fā)力。
中科寒武紀代表了其中一派，寒武紀副總裁錢誠認為，人工智能必然會出現(xiàn)一種重量級的應用，硬件就必然要標準化、通用化。因此標準化、通用化的智能芯片代表著未來。
目前，寒武紀已經拿下華為麒麟970芯片合作訂單——將其人工智能芯片的設計專利植入麒麟970芯片，為華為的新型旗艦手機加速。而根據業(yè)內人士的估計，該款芯片的出貨量將達到3000萬片。
另一派創(chuàng)業(yè)公司的目標則是瞄準了形形色色應用場景的專用型芯片，包括面向智能駕駛領域推出AI芯片的地平線，主打安防場景機器視覺應用的深鑒科技，以及在自家語音領域研制芯片的云知聲等。
它們認為，未來不會是一顆芯片打天下，必須按照需求設計相應的芯片，通過軟硬件的深度結合，提高算力效率。而隨著AI應用的深入，諸如邊緣計算和終端計算力需求的出現(xiàn)，讓人們在選擇計算平臺時有了更多考慮。
不過無論哪種方向的創(chuàng)業(yè)公司，他們看起來都不太畏懼以英偉達為代表的芯片傳統(tǒng)巨頭帶來的威脅。目前的AI芯片主要針對神經網絡和深度學習算法定制，所以芯片的硬件設計上比傳統(tǒng)的CPU和GPU要簡單，并非高不可攀。
而軟件重要性的提升則是另一個原因。由于AI人才存在斷層，客戶對于AI芯片的要求往往不是芯片本身，而是包括了芯片在內的全套解決方案。幸運的是，在國內AI芯片創(chuàng)業(yè)團隊中，大多數負責人都是人工智能研究型學者或偏算法型人才。
所以客觀來說，中國創(chuàng)業(yè)公司彎道超車的概率很大。
英偉達股價下跌帶來啟示：他們不買AI的賬了
話題回到英偉達，在昨天公布了QuadroGV100 GPU和DGX-2超級計算機，以及最新在AI計算和自動駕駛上的進展之后，英偉達股價直降7.5%。而國外科技媒體的評論中最多的觀點則是，沒看到全新20系列高性能顯卡，對英偉達很失望。
人們已經不買英偉達的賬了？顯然不是，失望大代表著期望大，人們依然相信英偉達的能力，他們只是不買AI概念的賬了。
一直以來，AI芯片的定義都很模糊。廣義上來講，性能是評判的唯一標準，只要支持主流算法，尤其是以深度學習為代表的算法的芯片就可以稱作AI芯片，GPU就是其中的典型代表，一些性能不錯的CPU和DSP（數字信號處理芯片）也可算入其中。
但如果嚴格來說，AI芯片要圍繞深度學習或者人工智能算法，對這顆芯片內部的架構和計算、存儲單元進行專門設計。
崛起的GPU可以看做是一個中間產物，盡管不是為了人工智能而特意設計，但它的并行計算結構在一定程度上貼合了深度學習算法的計算要求。因此，當全球高校和大公司實驗室進行深度學習算法的研究時，GPU成為了他們的首選并進一步延伸到了產業(yè)當中。
不過產業(yè)和實驗室有著一道巨大的鴻溝，成本。深鑒科技創(chuàng)始人姚頌曾算過一筆賬，谷歌如果有1000萬臺服務器，每年一臺的運行費用是1萬美元，哪怕運營節(jié)省10%，100億美元就能省出來。而為深度學習，或者更加貼近應用層的計算機視覺和語音技術專門設計的芯片，顯然在計算功耗比上要更具優(yōu)勢。
歸根結底，企業(yè)的出路還在于創(chuàng)新。
當“人工智能”還是創(chuàng)新的代名詞時，擁有GPU的英偉達也擁有著耀眼的成績；而當人工智能光環(huán)褪去，逐步落地產業(yè)，英偉達的故事很難就這么平淡地繼續(xù)講下去。
同理也適用于國內AI芯片公司，目前AI芯片領域還存在大量的創(chuàng)新空間。由于還不存在適應所以應用的“通用”人工智能算法，因此AI芯片也就沒有確定的架構，新架構的出現(xiàn)必然將是一次巨大的商業(yè)機會；而在各個細分領域，當AI技術進入了應用落地階段，對成本和功耗的要求，也是推動各類垂直應用AI芯片的迭代的重要因素。
目前的AI芯片領域的競爭更像是一場沒有標定終點的賽跑，沒有人知道未來會發(fā)生什么，唯一能做的就是跑得更快，讓后面人看不見你。
作為信息社會通用基礎設施，時下5G產業(yè)建設以及發(fā)展如火如荼，并將最終帶動數十萬億規(guī)模的社會經濟發(fā)展。但5G在正式進行商用化普及應用前的態(tài)勢如何發(fā)展？5G將為哪些領域的變革帶來有益賦能？5G將在各行各業(yè)掀起什么樣的市場風暴？系列問題依然困擾著各界人士。
為進一步深入了解產業(yè)發(fā)展脈絡，理解5G產業(yè)現(xiàn)狀以及未來趨勢，讓各界人士更清晰的洞察5G產業(yè)發(fā)展過程中的機遇點。6月14日，經上海市經濟和信息化委員會、上海市商務委員會、上海市長寧區(qū)人民政府指導，由億歐公司聯(lián)合承辦的“5G物聯(lián)峰會”將于上海虹橋世貿展館舉辦。
億歐“5G物聯(lián)峰會”將特邀政府、學界、商業(yè)、投資機構等領域的專業(yè)人士，以多領域視角切入，深究5G產業(yè)發(fā)展脈絡，探索5G賦能各行各業(yè)的新思路、新方法，供行業(yè)內外各界人士參考。活動詳情請戳：https://www.iyiou.com/post/ad/id/824
