[摘要]在5月10号圣何塞市人头攒动的英伟达年度开发者大会上，英伟达行政总裁黄仁勋先生详细解读了其公司研发的新型芯片，该芯片可提高人工智能算法的计算速度。
在5月10号圣何塞市人头攒动的英伟达年度开发者大会上，英伟达行政总裁黄仁勋先生详细解读了其公司研发的新型芯片，该芯片可提高人工智能算法的计算速度。而这位总裁的表现可谓是谨言慎行。
过去几年中，英伟达为提高游戏和图像制作而研发的图形处理器曾有力地催生了机器学习产业的诸多突破，其市值和股票也因而一路扶摇直上。随着英伟达把更多的资金投入人工智能产业，英特尔、谷歌等其他研发AI芯片的企业的角逐也愈发激烈。
黄先生在会上介绍最新芯片Tesla V100时还尤为谨慎地避免提到任何竞争对手的名字。比如，他所谓的“某些人”其实指代谷歌。但他特别对对手的技术却做出明确的批评，特别是讨论AI芯片在云计算的应用方面具有广大前景时，黄对对手的批判尤为直接。
各种各样的行业如医疗保健，金融等都纷纷投资机器学习的基础设施。云计算服务商的领先企业谷歌，亚马逊和微软则希望这些企业能从他们这里购买运行人工智能软件的服务，并打算重点投资新型硬件从而增强这类服务。
英伟达之所以能在朝气蓬勃的AI芯片市场一马当先，是因为它曾经抓住了一次偶然的机遇。其实计算机绘图和用人工神经网络实现机器学习所需的基本数学操作并无差别，英伟达的研究人员从2012年开始研发，发现用这种新技术提高软件的图形处理器后，软件的智能性大大提高，能更准确地进行解读图像或翻译语言等任务。
随着AI市场不断壮大，英伟达为使芯片更加适合在神经网络上应用而不断调整着芯片设计。V100芯片配备了新型内核，是加速深度学习算法的专用芯片，这正是英伟达不断改善的成果。
黄表示，该芯片强大的功率效率和能源效率能大大提高企业和云服务提供商应用AI的能力。“不需要另外建造数据中心，你就可以把数据中心的吞吐量提高15倍。”
但英伟达的新对手称，想要提高硬件运行AI软件的速度和效率，他们可以从头设计全新的芯片，没必要调整图形芯片技术。
比如英特尔就表示，今年下半年将以去年初创企业Nervana提供的技术为基础，推出一款新型的深度学习芯片。
英特尔还准备发布一款加速深度学习的芯片，该芯片的技术基础则来源于它以167亿美金收购的Altera公司，Altera制作的FPGA芯片能在重新配置后支持某些特定算法。微软曾斥巨资研发加强机器学习软件的FPGA，还将FPGA视为云平台Azure的核心元件。
与此同时，谷歌于去年表示已在使用一款为内部专为人工智能技术定制的Tensor Processing Unit(TPU)芯片，该芯片在去年AlphaGo战胜围棋冠军选手时就曾立下功劳。谷歌表示，虽然这些芯片不予出售，但使用该公司云计算服务的企业一定能因芯片本身的强大的功率效率和能源效率而受益。
然而几位参与搭建该芯片的谷歌工程师已经离职创业，融资1000万美金后成立了一所叫Groq 的企业，也在研发一款机器学习的专用芯片。具有类似项目的创业公司还包括Wave Computing，该公司还表示客户已经开始测试其研发的硬件。
黄在大会上表示英伟达的技术有着得天独厚的优势。谷歌的TPU等定制芯片因为太过灵活，难以和很多其他类型的神经网络在工作时保持并驾齐驱——在不断测试和应用新创意的AI行业，这是个巨大的劣势，而微软和英特尔等企业押注的FPGA的缺点则是耗能太大。
“我们正在打造最具成效的深度学习平台，”他说道。鉴于今年其他竞争对手也开始越来越多地披露各自的产品，他的这一说法将受到大众的密切关注。
来源：亿欧网
（责任编辑：冯庆磊）
