击败英特尔后，谁来挑战英伟达的时代？( 二 )

本文插图
但势能在慢慢积蓄。
直到 2012 年，人工智能浪潮席卷而来，英伟达才真正迎来属于自己的时代。有个打趣的说法， AI 馅饼从天而降，而英伟达幸运地被砸中了。
深度学习的最大特点，就是对于计算速度有着近乎暴力的要求，需要对大量数据进行并行的重复计算，而这恰好落入了 GPU 最擅长的领域。
另一方面，在几乎所有人工智能的应用中，图像识别和处理都是必须要解决的重要问题， GPU 是完成该任务的必备组件。
于是，从人脸识别、自动驾驶，到机器人、虚拟现实、数据中心，只要有 AI 研究和创业的地方，都能看到英伟达的身影。

本文插图
搭上了深度学习和人工智能的快车道后，英伟达开始在资本市场上一路高歌猛进。过去 5 年，英伟达股价暴涨 19 倍，也从此被冠上了全球“人工智能第一股”的称号。
与此同时，英特尔这个曾经 PC 的霸主，被过去的辉煌捆住了手脚，当英伟达、谷歌都将注意力逐渐转移到深度学习和 AI 芯片上时，英特尔还在和高通抢着移动芯片的市场，几乎输在了 AI 时代的起跑线上。
而当这位老牌巨人觉醒之时，却已经陷入了两难的困境。 CPU 开始力不从心， CPU 是通用处理器，运行神经网络的效率极低。 GPU 上难以迅速突破，只能切换到「买买买」的模式，试图通过并购的方式，充实自己的肌肉。

本文插图
更快的马车 or 汽车？
头把交椅往往也是最难坐的位子。
虽然在 GPU 中一骑绝尘，不过，这并不意味着，英伟达没有潜在威胁。
英特尔在为「王者归来」的戏码积蓄能量。通过并购，英特尔已经构建了相当的战略广度，从云端、到终端、再到自动驾驶。其中，耳熟能详的头部公司就有不少，例如， FPGA 芯片厂商 Altera、计算机视觉的 Movidius、还有自动驾驶领域的明星公司 Mobileye 。
还有虎视眈眈的行业巨头们。华为已将剑直指英伟达，昇腾系列算力始终对标着英伟达 Tesla 系列，难分胜负。

本文插图
而更加强劲的挑战，则来自于自由度极高的 FPGA、以及更加专用的一些 ASIC 。
AI 芯片早已不局限在 CPU 和 GPU ， FPGA 可以硬件编程，它的自由度极高，可以在不同领域展现优秀的性能，比如物体识别、语音指令判断、信息合成等等。
而相比于 CPU、GPU、FPGA 等通用性芯片， ASIC 芯片的专业性极强，当年 Google 阿尔法狗击败人类棋手，其背后所使用的 TPU ，是极度专用的 ASIC 类芯片，虽然不能像 CPU/GPU 那样实现多种应用，但是它的 AI 计算速度能达到 GPU 的数十倍。

本文插图
NPU、DPU 层出不穷，正如 TPU 给谷歌带来的变化，专用 AI 芯片可以将数据处理的效率提升到一个全新的高度。
如今，在诸如自动驾驶等场景中， GPU 已经显示出了力不从心的一面。从 CPU、GPU 到 FPGA ，再到极度专用的各类 ASIC 的发展，正是芯片从「通用→专用」的进阶。而 GPU 的短板恰恰就在于其「通用」属性，很难实现高算力和低能耗的同时展现。
其实即便在 2012 年以后，英伟达也不是一路顺风顺水。 2018 年，比特币崩盘，大量二手显卡从「矿场」流入市场，英伟达的显卡差点卖不动了，营收和股价一度遭遇危机。