昨天，英偉達2017 GTC China（GPU技術大會中國分會場）在北京舉行，智東西作為特邀媒體，從Keynote大廳第一排發(fā)來CEO黃仁勛主題演講的重磅報道。


演講后，黃仁勛又接受了智東西等媒體的專訪，這位粉絲愛稱“老黃/黃教主”的CEO幽默且健談，不僅談及計算力、機器人、AI醫(yī)療、自動駕駛等問題、還與智東西交流探討了關于“英偉達云”以及最近大火的“AI芯片”。


一、“AI芯片”將無所不在

從最近的華為麒麟970、到蘋果的A11，AI芯片／端智能似乎已經越來越成為趨勢所在，AI在終端的落地也已經從軟件層步入硬件層。那么這是否意味著未來我們將從云智能走向端智能呢？

面對智東西的這個問題，黃仁勛首先回答——未來是“云智能＋端智能”的時代，AI將無處不在。

未來，像咖啡機、保溫杯、麥克風、甚至耳環(huán)、鞋子這些小物件都會智能化，但是它們的處理芯片并不需要特別強大的通用智能，而是針對非常窄的專門領域進行智能化，比如一個麥克風，只需要聲音方面的AI處理能力。

而云智能將會是通用智能，視覺、聲音、數據等等，需要擁有一切AI處理的能力。而英偉達這些高性能、大功耗的GPU在云數據中心上有著切實的用武之地（比如老黃在上午的演講中就特別提到了與BAT三朵云的合作，以及又宣傳了一下基于新GPU Tesla V100推出的HGX云計算服務器）

不過，目前英偉達主打終端的GPU板卡是Jetson TX2，這塊搭載4核CPU的Pascal架構GPU標準功耗為7.5W，遠小于英偉達其他動輒幾十上百W的GPU，但對于功耗極為敏感的超小型設備，這個功率還是太大。

為了解決這一問題，英偉達于昨天正式開源了DLA（深度學習加速器）架構，廠商可以免費下載這個專為IoT設備設計的AI架構，自己打造低功耗的AI芯片。

二、“英偉達云”在十月第一周推出

在今年5月時，英偉達曾在美國主會場舉辦2017 GTC，并且推出了“英偉達GPU云（NVIDIA GPU Cloud）”。


先別誤會，英偉達并不是在和亞馬遜AWS、微軟Azure搶生意的，這個“英偉達云”是在這些云上運行的，并不為用戶提供儲存、計算等能力，而是可以理解成一套線上深度學習軟件集合。

這個英偉達云能讓人輕易地從零開始搭建一個深度學習的項目，不用買GPU、也不用搭環(huán)境，控制中心還是可視化的，可以看到你的賬號之前的項目和正在運行中的項目，非常方便。


從當時的DEMO中可以看出，用戶登錄了英偉達云之后，只需要3步就可以創(chuàng)建自己的深度學習項目：

1、選擇計算環(huán)境（既可以選擇英偉達云、亞馬遜云等，也選擇本地GPU計算）

2、接入數據庫（可以選擇現有數據庫如ImageNet，或者自己上傳）

3、選擇框架（如Caffe、TensorFlow等）

在本次GTC China上，黃仁勛并沒有宣布關于這個英偉達云的新進展，智東西專門就這個問題詢問了黃仁勛。老黃表示，英偉達云項目進展很順利，如無意外今年十月的第一周就能正式跟大家見面了。

三、5-10年內革命機器人產業(yè)

同樣是在昨天上午的Keynote演講里，黃仁勛再次介紹了ISSAC機器人訓練平臺，并且正式宣布推出了世界第一款用于自動機器人的處理器（芯片）Xavier，為機器人提供從軟件到硬件的全方位支持。


Xavier芯片已經用在京東的倉儲機器人jROVER＋京東送貨無人機jDRONE等一系列自主機器當中。它集成了8核CPU、Volta TensorCore &CUDA GPU、傳感器、8K HDR VP、以及CVA。

可以應用在30TOPS的計算機視覺、深度學習等機器人所需要的技能領域，有著超高計算力與超高能效比。這款處理器將于2018年第一季度提供給早期合作伙伴，2018年第四季度全面推出。


ISSAC則是今年5月英偉達推出的用于訓練機器人的增強學習世界模擬器（ISAAC Robot Simulator）模擬真實世界的邏輯、原理、物理定律等，然后再將機器放進這個世界里不斷訓練，并且不用遵循物理時間規(guī)律，將原本需要幾年的訓練壓縮到幾天甚至幾個小時。

老黃認為，現在再看機器人，需要忽略傳感器、電氣化、自動化等等傳統(tǒng)機械問題，轉而關注于AI及自主機器（Autonomous Machine）。而想要打造自主機器人，則需要解決三個：

1）創(chuàng)造一個用于自主機器的AI平臺，比如增強學習。

2）創(chuàng)造一個虛擬環(huán)境，讓這些機器人在其中自己學會”怎么當一個機器人（learn to be a robot）”。

3）當這些機器人學會怎么當機器人之后，我們海需要把AI大腦拿出來，放進一個專用的自主機器處理器中。

目前的這三個問題還沒有完全解決，但是老黃表示，我們已經在努力啦！AI引擎、ISSAC虛擬機器人訓練平臺、還有Xavier處理器，英偉達的這三項工作正在并行推進中，屬于一個打造產業(yè)基礎架構的“打地基”過程。預計到了明天，這些“地基”就能打好了。

基礎都打好后，產業(yè)界就可以在這些基礎架構上快速推動生產。老黃預測，在未來5－10年間，這些將會為機器人產業(yè)帶來難以置信的進步。

智東西隨后也針對Xavier、ISSAC等話題跟英偉達智能機器副總裁Deepu Talla進行了專訪，后續(xù)將會有詳細報道，敬請期待~

四、GPU、CPU、ASIC之爭

1）GPU不會取代CPU

首先是CPU，雖然在昨天上午的主題演講中，老黃拿CPU開了不少涮，但是他認為歸根到底，GPU永遠不會取代CPU。CPU擅長處理所有問題，是通用處理器，而GPU則更適合處理專用問題，有時甚至能有著數十上百倍的性能優(yōu)勢。

因此，CPU＋GPU的架構才是合理的。

2）比ASIC更靈活，市場更大、生態(tài)系統(tǒng)更豐富

正如前文所說，隨著谷歌TPU、蘋果A11等產品的推出，各公司打造自己定制化的AI芯片似乎已經越來越成為趨勢所在。這種定制化AI芯片屬于ASIC（專用集成電路，Application Specific Integrated Circuit），是根據特定的需求而專門設計并制造出的板卡。

由于是針對某種AI功能打造的，ASIC較之GPU，在某些單點性能上會有著明顯的優(yōu)勢。比如谷歌的TPU，在TensorFlow框架下的計算性能比GPU更有優(yōu)勢，而一些IoT的定制AI板卡也會比GPU功耗更小。

老黃認為，GPU的通用性使得它不僅支持TensorFlow框架，還支持Caffe2、mxnet、PaddlePaddle等市面上所有深度學習開源框架，而且能做視頻編解碼、圖像處理、語音等一系列AI應用，更加靈活。而更靈活則意味著市場機會更多、市場更大，研發(fā)預算更多，生態(tài)系統(tǒng)更豐富。

三年前，英偉達選擇將GPU打造成一個專注于Tensor架構的執(zhí)行處理器（如果覺得這個概念太生澀，那就大概理解成AI網絡架構處理器吧），隨后又衍生出TensorRT、TensorCore等輔助軟件平臺/加速器，使得GPU現在成為世界上最好的通用Tensor處理器。

其實，關于GPU和ASIC板卡的爭論早已有之，尤其是谷歌的TPU，從項目宣布的那一刻起就有無數人拿TPU去跟GPU比較，比性能、比功耗、比延時等等，本次采訪中也有不少人就此問題向老黃提問。

但也許，這個問題不應該這么比較。

現在市面上需要AI計算能力的公司成千上萬，類似谷歌這樣的科技巨頭們，有技術、有資源、同時也有強烈的需求（公司的大體量決定了，只要每塊板卡功耗降低一點，總體功耗就能降低許多）打造一塊更加適合自己業(yè)務的AI板卡。

他們可以選擇和芯片公司合作打造專用AI芯片，但是英偉達似乎更希望做一個通用的AI計算平臺，瞄準更大的市場，這也是為什么老黃一再強調，往上看英偉達的GPU支持所有深度學習開源框架，往下看它支持所有AI應用。

從這兩天傳言特斯拉要“拋棄英偉達”聯合AMD開發(fā)專用自動駕駛芯片的新聞中也可見，英偉達似乎并沒有為哪家巨頭獨立打造專屬AI芯片的意思。

至于谷歌或是特斯拉是否會靠售賣這些芯片盈利呢？短期內應該不會。兩者產業(yè)鏈構成完全不同，賣芯片并不是谷歌或是特斯拉擅長的領域。

而對于更為廣闊的市場而言，其他中小型公司并不具備這樣的技術與資源，他們需要購買AI計算能力，而一塊通用的、支持所有AI網絡架構、支持所有、并且計算性能非常強大的GPU自然成了首選。當使用GPU的AI公司數量達到一定水平后，生態(tài)的力量也就顯露了出來。

這也是為什么，在人工智能時代，英偉達的股價能夠一路飆升，成為AI屆的“當紅辣子雞”。

如果真要說對英偉達可能造成的影響，那大概就是谷歌會減少對GPU的購買吧。

當然從長期來看，英偉達也可能面臨著AI計算能力云端化，AI芯片專業(yè)化并且平價化的趨勢。對于前者而言，現在英偉達正努力推進云數據中心業(yè)務，而對于后者而言，英偉達也開源了DLA框架，暫時讓廠家免費使用，打造自己的低功耗AI芯片。至于未來是否會靠DLA框架來收取專利費，成為新型商業(yè)變現模式，那就是另一個故事了。

2017-09-28  來源：界面智東西

文章關鍵詞： 韋爾半導體  香港華清電子(集團)有限公司  黃仁勛  AI芯片