NVIDIA的2016:先发优势让它收割了人工智慧红利

NVIDIA的2016:先发优势让它收割了人工智慧红利
Jen-Hsun Huang, founder and CEO of Nvidia holds up a Nvidia Xavier AI car supercomputer as he speaks at his keynote address at CES in Las Vegas, January 4, 2017. REUTERS/Rick Wilking - RTX2XL3U

2016 年,NVIDIA 创造了纳斯达克盘中最好成绩,股价从 31.8 美元升至 106.7 美元,涨幅达 228.7%。最高涨幅达到 277%,前三季度利润 9.91 亿美元,同比成长 144%。

看到这组数字,你就不难理解为什幺总有人质疑——「这一波的人工智慧热潮,NVIDIA 就是幕后推手之一」。

不过回归理性而言,笔者不太相信一家公司能够造出这幺大的风口。NVIDIA 的股价飙升,一是因为亮丽的财报,二是它提供了在未来的人工智慧社会中扮演基础架构角色的想像空间。

这一年,NVIDIA 在人工智慧技术层面的发展实际上还是按部就班。其股价窜升,在一定程度上,反映了应用层面的推进带给资本市场的信心。

第一,人工智慧成为全民热议的焦点,从科技巨头到创业企业,对深度学习的投入力度都不断增加。

第二,无人车达到 L3,特斯拉等先发者持续投入,传统厂商也入局者甚众。两者对 GPU 的需求量大增。

因此,NVIDIA 才一跃而成资本市场炙手可热的新贵。

而所谓踩中了风口,就是当下火热的市场需求与前瞻性业务布局的完美契合。

在人工智慧方面,2016 年最火热的不外乎是深度学习和无人驾驶。而在 NVIDIA 的 AI 布局上,2016 年之前就把重点放在深度学习和无人驾驶两个方面。进入到 2016 年后,NVIDIA 还是延续这个策略,继续深耕这两个领域。

目前,在全世界範围内有大约 3000 家人工智慧公司,大部分都透过 NVIDIA 的平台来开发自己的业务。他们使用 NVIDIA 的 GPU 来满足应用中的人工智慧需求,这些应用包括股票交易、线上购物和无人驾驶等等。

2016 NVIDIA 的「人工智慧成绩单」

2012 年,「深度学习三巨头」之一 Geoff Hilton 的学生 Alex Krizhevsky,将 120 万张图片输入一个 NVIDIA GeForce 显卡驱动的深度学习神经网络,识别图片的误差率从之前的 25% 降到 15%。这些科技成果引发业界震动。Google、微软、Facebook 和亚马逊纷纷开启了深度学习研究专案。也是从这时起,NVIDIA 决定重金投资带有 CUDA 的重点软体生态系统。

现在,NVIDIA 凭藉 GPU 先天性地更适合于深度学习的高併行计算,以及入局深度学习、无人驾驶的先发优势,在人工智慧的浪潮中佔据了明显的优势。

研发深度学习的产品,无论是科技巨头和创业企业,NVIDIA 的人工智慧晶片已经成为标準配备。百度、Google、Facebook、微软、IBM 等科技巨头,研发深度学习都会配置 NVIDIA 的 GPU。Google Deepmind 开发的 AlphaGo 身上就连接了 170 块 GPU。

在深度学习的领域里,最重要的是数据和运算。谁的数据更多,谁的运算更快,就会佔据优势。因此,在处理器的选择上,运算速率更快的 GUP 就会成为更好的选择。

而 NVIDIA 在 GPU 市场上拥有无可撼动的霸主地位,佔据了这块市佔率的 70%,并且还在扩展新市场。

据 NVIDIA 官网数据显示,2016 年,将 NVIDIA 产品用于深度学习的机构接近两万家,相当于 2014 年的 13 倍。医疗、生命科学、教育、能源、金融、汽车、製造业以及娱乐业等诸多行业均将得益于海量数据的分析。

NVIDIA的2016:先发优势让它收割了人工智慧红利
photo credit:NVIDIA 官网

今年 8 月,黄仁勋在投资人会议上强调,深度学习是 NVIDIA 十分重要的增长动力,也是公司一直持续大力投资的领域:

布局:从底层到终端,面面俱到

对公司的定位上,黄仁勋宣称 NVIDIA 是一家人工智慧公司。

从核心的产品来看,2016 年 NVIDIA 发表了 Pascal 架构的 Tesla P4&P40,以及 Tesla P100 深度学习晶片。其中,Tesla P4&P40 主要负责图像、文字和语音识别,而 Tesla P100 主攻学习和训练任务。在今年年初的 CES 上,公司还发表了 Drive PX2 车载电脑,这款产品会配备在特斯拉的新一代量产车上。

此外,在 2016 年 4 月的 GTC上发表的 NVIDIA DGX-1,配备了 Tesla P100 GPU,够快速设计深度神经网络 ,运行速率是之搭载旧版 GPU 系统的 12 倍。NVIDIA 称其为世界上首款专为深度学习而打造的系统。

从底层架构到终端应用,NVIDIA 都有了较为全面的布局。

NVIDIA的2016:先发优势让它收割了人工智慧红利

从财务数据上看,根据 NVIDIA 2016 前三季度同期营收对比,在游戏、专业可视化、数据中心、智慧汽车、OEM&IP 五项业务中,数据中心和智慧汽车同期增长比例最大,数据中心同比增加 120.7 %,智慧汽车同比增加 58.1%。这两项业务都与人工智慧有关。

NVIDIA的2016:先发优势让它收割了人工智慧红利

在同期业务所佔比重当中,数据中心和智慧汽车的佔比也在增大。虽然,游戏依然佔最大的比重大,但是人工智慧带来的前景却更让人期待。

应用层:亮点就是「无人驾驶」

在应用层面的布局上,NVIDIA 最看重的就是自动驾驶。在 2015 年和 2016 年的 CES,NVIDIA 几乎只讲了一个主题——车载计算平台 Drive PX/PX2。在 CES 2017 上,自动驾驶也是重磅内容。

而 NVIDIA 之所以看重无人驾驶领域。一来是因为无人驾驶是目前唯一大规模的应用场景,二来,是因为无人驾驶也是充分展现实力的试金石。

而在这个领域的布局速度上,NVIDIA 同样先于竞争对手。

早在 2014 年 1 月,NVIDIA 就发表了 Tegra K1 行动处理器。NVIDIA 称其适用于智慧手机、平板电脑和自动驾驶汽车。同年 10 月,搭载 Tegra K1 处理器的 Tesla 新款 Model S 开始量产,NVIDIA 成为第一个享受到自动驾驶红利的厂商。同年 5 月,DRIVE PX 自动驾驶平台发表。

而 2016 年,NVIDIA 并没有採取多幺出其不意的举措,基本从技术升级及厂商合作两个方面入手。不同的是,今年 AI 概念变得更加火热,而与此同时智慧驾驶也逐渐成熟,这些客观因素让 NVIDIA 收割了更多的红利,也让公司站在了聚光灯之下。

2016 年,除了特斯拉这个老朋友外,百度、Volvo 也跟 NVIDIA 达成了合作,他们都将生产搭载 DRIVE PX 2 的智慧驾驶汽车。

而在刚刚结束的 2017 CES 展会上,NVIDIA 又秀了一把「肌肉」,夸张点甚至可以说是 NVIDIA 的个人秀,完全抢了微软、Google 们的风头。期间,CEO 黄仁勋亲自站台,发表了多款无人驾驶产品。

其中,最重要的便是新一代自动驾驶电脑 Xavier。该电脑具有机器学习功能、自动巡航功能,能够即时了解周边情况、在高精度地图上精确定位,以及规划安全行车路线。

除了 Xavier 之外,NVIDIA 还展示了人工智慧协同驾驶系统 AI Co-Pilot,该系统具有人脸识别、头部追蹤、视线追蹤、读唇等功能,能在行车中辅助驾驶者,提高驾驶安全性与便利性。

NVIDIA 甚至自己还推出了首台无人驾驶汽车 BB8。

此外,NVIDIA 还一口气宣布了众多合作伙伴,包括车内定位和导航产品及服务品牌 Tom Tom、全球汽车零部件巨头采埃孚、汽车雷达及晶片供应商博世和汽车製造商奥迪。

在自动驾驶市场,Google、苹果、微软等科技公司都在建立自己的汽车生态体系。不过智慧汽车对于他们来说都不是核心业务。最重要的是,他们没有真正进入汽车供应链体系。

与之相反,NVIDIA 的 Drive PX 系列自动驾驶解决方案,已经进入了汽车的上游供应链中,并创造了利润。但这也意味着 NVIDIA 将在汽车晶片市场与英特尔、高通、恩智浦、瑞萨电子等公司正面碰撞。

自动驾驶的风口让 NVIDIA 在汽车市场从「边缘人」变成了挑战者。随着特斯拉 Model S 等备受瞩目的车型更加智慧化与多媒体化,NVIDIA 有了弯道超车的机会,并有望在汽车产业的上游供应链佔据更有优势的地位。

当前,CPU 与 GPU 在车内的应用,主要停留在车机层面,还没上升到整车的控制中心级别。99% 的车型,也并不需要 NVIDIA Drive PX2 这个级别的运算能力。因此 NVIDIA 在汽车供应链中「弯道超车」的机会必定与无人驾驶的发展捆绑在一起。

其他应用场景也有 NVIDIA 的「身影」

除了无人驾驶之外,NVIDIA 在无人机和医疗等方面也有所布局。

不过在无人机方面,2016 年 NVIDIA 并没有大动作,只在年初上市了新一代晶片 Jetson TX1。这款所定消费级无人机市场的产品在 2015 年 11 月发布,可以扫描周围环境的可疑情况,并且在丛林搜索和救援行动中自行导航。

而老客户博瑞已经在第二代无人机上搭载了 Jetson TX1。它的第一代无人机也搭载了 NVIDIA 的晶片。

不过相比于 Intel 而言,NVIDIA 对无人机市场的兴趣远不像汽车那幺大。

在医疗领域,NVIDIA 也做了尝试。 2016 年 4 月的 2016 GTC上,NVIDIA 宣布成为麻省总医院临床数据科学中心的技术合作伙伴,将利用中心现有的 100 亿份医学影像,进行深度学习训练开发,并最终用于疾病的检测、诊断、治疗等诸多方面。

同年 11 月,NVIDIA 宣布与美国国家癌症研究所、美国能源部等联手启动「癌症探月」计划,决心利用深度学习推进癌症研究。

值得注意的是,在 CES 2017 上,黄仁勋也在主题演讲中宣布,NVIDIA 将进军智慧家居的语音识别领域。

目前,Google 的语音助手只能与 Google Home 家庭智慧语音设备,及 Pixel 智慧手机进行匹配。但 NVIDIA 将推出的串流媒体设备 Shield TV 将成为第一个 Google Assistant 使用的非 Google 研发产品。由于 NVIDIA 此前的大多数产品都不直接针对 C 端,因此,这可以说 NVIDIA 在 C 端小型产品的一个初步尝试。

NVIDIA PK Intel

这一年,除了技术和应用层面的发展之外。NVIDIA 和  Intel 的「口水战」也颇值得注意。刨除相互攻击的琐碎细节外,其争端主要还是围绕「发展战略」开始的。

黄仁勋曾表示:「目前我不太理解他们的战略,但我们的战略应该说非常美好而清晰的:那就是 GPU。」也就是说,NVIDIA 希望成为一个基础广泛的电脑平台公司,可以让世界各地的开发者使用。

而 Intel 与之相反,它希望给每一个细分的领域提供专属的晶片。

错失先发时机的 Intel 选择这条路可能多少有些无奈,但是两者的口水战中,Intel 并不觉得自己处于下风。他们认为 GPU 之所以广泛应用于深度学习,其原因仅仅是目前市面上还没有更好的选择。与此同时,Intel 也宣布推出人工智慧专用晶片。

不过位置决定立场,Intel 扮演着追赶者的角色,因此自然不能公开表示「认可竞争对手的战略」,从而为自己的发展寻求舆论空间。

当然,2016 年 Intel 也收购了一大堆人工智慧的创业公司,正在试图将他们整合在一起。

对于 Intel 採取的「招兵买马」策略,黄仁勋也质疑道:

「如果说至强融核协处理器对于 AI 非常适用,那为什幺要收购 Altera?既然买了 Altera,Altera 又非常适合 AI 的话,为什幺要买 Nervada Systems?如果 Nervada Systems 才是真正的 AI 方面的技术,要进行开发和产品推出的话,那至强融核协处理器又怎幺办?如果说这三个都适合 AI,那是不是意味着至强融核协处理器就不适合 AI 呢?」

对于黄仁勋的质疑,Intel 中国区总经理 Rupal Shah 则表示:

「Intel 的战略不仅仅定位在深度学习一个环节上,而是将整个人工智慧作为一个生态体系进行布局。」

在收购 Nervana 之后,Intel 曾声称,机器学习是成长速度最快的 AI 应用,因此公司準备好了以 Nervana 的 Engine 晶片为基础的深度学习神经网络,找回因 GPU 竞争而流失的市佔率。

有意思的是,NVIDIA 和 Intel 都在变成跟原来相反的样子。现在,Intel 的 CPU 旨在做更加通用的处理器,而 NVIDIA 的 GPU 则致力于在 CPU 的基础上为了让图像呈现更好的效果。

总之,人工智慧被认为是下一次革命,还有广阔的市场空间有待开拓。就这个领域的晶片市场而言,只能说还处于前期战役,NVIDIA 暂时处于上风,未来鹿死谁手尚未可知。说不準 Intel 也会跑出一条新的赛道。

不过,NVIDIA 在未来的一段时间还将佔据优势。对于它来说,当务之急是抓住窗口期拓展更多的应用场景。而对 Intel 来说,能否在 AI 市场上取得成绩,则取决于收购的技术能否整合併更好地开发下去。

上一篇: 下一篇: