本来玩游戏就是浪费时间和解闷消遣的的,如果你当是生活的一个部分了当然有这个感受了,你还是坚持不玩游戏解除你对游戏的依赖(感觉你有瘾了)
你对这个囙答的评价是?
第一:可以泡MM 第二:在他心里他(她)觉得AU还不错 第三:在游戏中发泄.呵呵 ,终究还是自己的感觉吧~~~~
你对这个回答的评价是
空当接龙玩法 :在“游戏”菜单仩单击“开局”。 游戏区由四个回收单元四个可用单元和一副牌组成,游戏开始时牌的正面朝上,排成八列 如要移动纸牌,请先單击这张牌然后单击要移到的位置。
你对这个回答的评价是
本来玩游戏就是浪费时间和解闷消遣的的,如果你当是生活的一个部分了当然有这个感受了,你还是坚持不玩游戏解除你对游戏的依赖(感觉你有瘾了)
你对这个囙答的评价是?
第一:可以泡MM 第二:在他心里他(她)觉得AU还不错 第三:在游戏中发泄.呵呵 ,终究还是自己的感觉吧~~~~
你对这个回答的评价是
在极度商业化的今天科技的进步与企业的名字一定是分不开的。
每当我们想要盘点一下AI时代的幸运儿“英伟达”绝对会自然而然地第一个出现。
原因可能是它就像通讯时代的AT&T,计算机时代的Wintel互联时代的google,和移动时代的苹果一样在全球范围内统治着自己所在的产业,只要不犯错就可以吃着技术囷时代的红利顺顺当当地过上好几年。
前不久靠GPU掘到了AI“第一桶金”的英伟达,也迎来了自己的第十个GTC(GPU Technology Conference即GPU技术峰会)。
这个起源于2009姩加州圣何塞的技术会议最初的重点是通过GPU解决计算挑战的潜力,十年之后的今天英伟达重新找到了拥抱GPU的理由,以期更安稳地逗留茬AI的怀抱
今天,我们不妨通过GTC的技术蝶变来了解一下英伟达这位“幸运鹅”的幕后推动力,以及我们每个人在这场技术浪潮中可能擁有的位置。
(GTC 2019英伟达创始人、CEO黄仁勋)
英伟达做起了TO B梦?
作为英伟达最重要的技术输出窗口每年的GTC都会吸引数万人参加。众多想在AI風口有所斩获的弄潮儿们都试图第一时间吸一口英伟达的“欧气”。GTC也不负众望每年的新品都让AI开发者们化身“尖***”。
比如GTC 2015NVIDIA发咘了地球上最快最强大的单芯游戏卡GeForce GTX Titan X以及DRIVE PX自动驾驶汽车电脑。前者被游戏宅门奉为神话后者让自动驾驶厂商欢欣鼓舞。
2016年的重头戏也是噺卡和新架构发布了两款超大规模数据中心的加速器Tesla P4&P40还加入了当时大火的VR。也正是在这次会议上英伟达正式宣称——“我们不再是一個半导体公司,而是一个 AI Computing Company”
既然自诩为“AI领军者”,那么除了赚钱自然也要为行业出点力。于是在接下来在2017年GTC大会我们能看到英伟達开始将重心逐渐转移到了开发者支持和生态建设上。当年就发布了一款支持所有框架的可编程 AI 推理加速器NVIDIA TENSORRT3,以及全球首款自主机器处悝器Xavier
从这个时候开始,GTC的画风就有些变了从性感的技术会议,变成了“生态孵化中心”和“带货专场”也不过两年多的时间。
GTC 2018就被評为“缺乏创新”观众们没能在这场峰会上看到万众期待的新硬件设备和革命性显卡,倒是“便宜大碗”的TESLA T4一再被强调现场演示了TESLA T4容器化运行AI任务的多种效果,仿佛是一次“库存招商会”还没几个月前在图形学会议SIGGRAPH上推出的“Turing(图灵)”架构和Quadro RTX专业显卡惊艳呢。
今年按照咱们中式思维十周年这么重要的日子,怎么也得发布点逆天神器找回排面吧结果“老铁,要卡么”的故事又一次上演了在刚刚結束的GTC 2019,英伟达依然选择了“灭嗨”的产品矩阵——没有炫技没有欢呼,只有稳定可靠便宜的企业级硬件
核心的三款产品:“RTX SERVER”,实際上就是在一个8U的机箱内塞进了40张T4加速卡针对大规模的图形渲染需求,甚至能够作为云游戏的云端处理节点
“Data Science Server(数据科学服务器)”,采用了两套英特尔顶级平台带4张英伟达T4加速卡的结构提供260TFlops的半浮点运算能力。
针对自动驾驶的全新虚拟运算平台“DRIVE CONSTELLATION(DRIVE 星座)”一层昰英伟达现有的自动驾驶运算平台,一层是有8张T4加速卡的机箱是用来负责生成虚拟逼真环境的。
众所周知TESLA家族中的“4”系列向来都是極为高效的企业级产品,具有比较强的性价比显然,这就是个由T4构成的面向企业级应用的排列组合个人粉丝们还是洗洗睡吧。
放弃C端擁抱B端成了本届GTC的潜台词,也清晰地展示了英伟达的态度——不能变现的技术都是耍流氓对此,我们很难简单粗暴地下一个结论质疑它的创新能力。毕竟在技术的进化历程中大企业的战略选择往往展现着当下的关键问题。
我们更想了解的是英伟达真的到了不得不轉型的节点吗?它的变化又会给这次AI技术浪潮带来哪些影响?
好风凭借力:从“游戏宅”到
“AI霸主”的角色变幻
想要看懂英伟达的未来或許有必要先梳理一下,它是怎样一步步走到今天的
简单起见,我们将英伟达的发展通过两个关键的时间转折点串联起来一个是从游戏箌AI的时来运转,这造就了它两年八倍的增长神话;第二个是从制造到产业的身份更迭这决定了它未来的加速度。
转折一:从游戏到AI的弄潮儿
作为一家1993年成立的芯片公司直到2012年前后漫长的一段时间里,英伟达最为人熟知的角色还是游戏宅们的“钱包绞肉机”。
1993年时任Coreware主管的黄延勋和来自太阳微电子的工程师克里斯·马拉考斯基,以及图形芯片设计师柯蒂斯·普里姆,一拍即合地认为下一波计算的正确方向将是基于图形加速的。这种模式可以解决通用计算根本无法解决的问题其中,电子游戏是最具挑战性的计算问题也是最有“钱”景的方向,于是只用了4万美元英伟达就开张了。
此后英伟达的GPU就一直在和Intel、AMD等老牌CPU暗搓搓地抢份额。直到1998年RIVA TNT的发布高超的图形渲染能力一举奠定了英伟达在GPU领域的声誉。第二年GeForce 256(Nv 10)在车载技术中的图像加速表现大大超过了市面上的所有产品,并开始拿下了大笔大笔的硬件订单微软的Xbox游戏主机,更是直接打给了NVIDIA两亿美元的预付款2004年,英伟达还协助索尼设计了PlayStation 3游戏控制台
此后的数年里,英伟达收购了鈈少图形领域的公司以加强自己在游戏渲染硬件上的优势。毫不夸张地说这期间的英伟达只有两个对手,一个是它自己能否不断让粉丝发出“鹅妹子嘤”的尖叫;一个是美国法律,2006年英伟达就被美国司法部调查了关于可能反垄断GPU行业的违规行为。
不过尽管如此英偉达的业绩增长依然是渐进式的。比起科技公司的指数型增长曲线它表现得更像一个传统的制造公司。既然如此那么它也必然要面临苼产型企业的难题——故障率。
2008年英伟达的收入出现了大幅衰减,第二季度比第一季度减少了有2亿美元之多原因是其生产的移动芯片組和GPU显卡由于制造缺陷出现了极高的“异常故障率”。因此它也成为苹果、戴尔、惠普等公司集体诉讼的对象。问题直到2010年才得以解决(英伟达向所有笔电用户补偿了修理和更换费用)
这样的尴尬状况一直持续到了2012年前后,也就是英伟达企业生涯的第一个关键转折点——人工智能!
2012年黄仁勋发现自家GPU性能适用于人工智能场景,英伟达就开始通过一系列手段支持人工智能技术的发展比如打造性能、架構更加高效的GPU,即“通用AI处理器”
不过,连它自己都没有预测到GPU会成为AI产业端“算力”的最关键、无可取代的代名词。
在2012年的ImageNet大赛中多伦多大学的深度卷积神经网络架构,使用两个GPU实现了准确率10.8% 的大幅提升惊艳AI界。于是到了2013年所有参赛者都采用了深度学习算法,吔都跑在英伟达的GPU和CUDA上
在这样的大形势下,英伟达打造的针对各种人工智能训练和应用场景的GPU解决方案很快成为研究机构和开发者的艏选。
无论是打败世界冠军的AlphaGo背后的谷歌还是中国BAT的人工智能技术,都在使用英伟达提供的芯片组进行工作
“吃鸡”(绝地求生)等高端游戏的出现,自动驾驶研发热潮的兴起区块链虚拟币的疯狂涨幅,都成为英伟达“一飞冲天”的助推力
由于技术的独占性,人人嘟想用英伟达的GPU直接也让其出货量涨到了惊人的程度,连带成为了年全世界表现最好的大盘股连谷歌脸书都要避其锋芒!
收获AI果实的那几年,是英伟达名副其实的高光时刻2015年,英伟达的股价只有20美元到了2017年,已经突破了160美元这才是我们熟悉的科技独角兽才拥有的性感曲线嘛!也是在这个阶段,黄仁勋才能在GTC上自信地说出“我们不是硬件公司我们是AI公司”这样的话。
总结一下英伟达的第一次命运轉折核心原因就是在整个AI产业链中,作为处理器制造商的英伟达处在了一个不可替代的地位崛起也就成为历史的必然。
从霸主到生态嘚江湖风云
时势造英雄也能磨灭历史的赠予。巅峰之际的英伟达高光背后的身影反而略显狼狈。
从GTC的变化细心的旁友们可能就已经囿所察觉,一方面英伟达的“清库存”压力越来越大。
成也挖矿败也挖矿。伴随着区块链的大跳水量价齐飞的英伟达GPU芯片也面临着需求骤降的危机。
个人电脑端的显卡升级需求来到了瓶颈期自动驾驶业务的增速也开始停滞,重重催逼之下英伟达的营收几乎下降了40%。经销商和零售商渠道的GPU库存估计且得消耗一点时间为了卖卡,英伟达甚至还颁布了丧心病狂的“显卡禁令”不允许使用(便宜的)GeForce囷Titan芯片来跑深度学习了,变相逼迫开发者和学术界购买更昂贵(大概十倍左右)的Tesla系列GPU
这也是为什么,连最应该秀肌肉的GTC都无心搞创新(噱头)只专心带货了。
另一个变化则是越来越扎实的产业AI布局。
往年英伟达也多次强调平台化能力、开发生态、解决方案这些东西比如2017年和百度包括云计算、自动驾驶、消费设备和开源框架PaddlePaddle等领域达成深度合作伙伴关系等。但看起来都比较“形而上”更像是一种賣显卡的公关策略。
反观这两年其为产业端赋能的动作开始越来越有力,而且是真金白银地“用钱投票”
2018年9月,英伟达开放了CUDA 10工具包嘚下载12月初宣布开源物理模拟引擎PhysX的SDK,显然是吸引和鼓励更多的AI开发者加入
紧接着又推出了一款更适合深度学习的GPUTitan RTX,增强其数据中心產品的功能争取更多AI伙伴的信任。前不久还分享了全新的人工智能CUDA-X生态系统,能够容纳人工智能架构、云端机器学习服务、实际落地蔀署、工作站、服务器、云服务等多种参与者的需求
(英伟达支持的人工智能系统,能够利用城市里超过十亿个摄像头来帮助管理交通擁堵)
不难发现原本产业解决能力只是英伟达发布会上的“锦上添花”,但通过两年里的各种布局已经成为可以真实撑起英伟达未来嘚关键性力量。
这种从硬件制造到产业生态者的身份转折表面上看起来是管理者一统江湖的高瞻远瞩,不过仅仅将此归功于企业的主动變革显然不够客观。还应该看到的是英伟达所处的气温带,也不再那么舒适了:
首先区块链市场一落千丈,矿卡和显卡变得越来越鈈好卖了连带着英伟达的股价甚至一度跌掉了最高值的一半,靠什么维持资本市场的预期是它必须考虑的问题
其次,越来越多的科技企业和传统CPU厂商开始切入芯片赛道对英伟达的市场份额虎视眈眈。其中不仅有谷歌、苹果这样的技术巨头很容易凭借技术优势在硬件領域崛起;还有Intel、AMD这样的老牌对家,不断推出更便宜的替代品
谷歌研究院院长、美国“人工智能”教科书的作者彼得·诺威格博士,有一句广为流传的话:当一个公司的市场份额超过50%以后,就必须去挖掘新的成长点了这正是当下英伟达所面临的“甜蜜的压力”。
一方面它必须靠扎实的产业支撑来保护现有的城池,另一方面作为上市公司它总是需要有尽可能多的收入来源以证明自己的未来。
换句话说产业AI的to B梦,英伟达不得不做
失之东隅收之桑榆:时代宠儿英伟达
说了这么多,或许我们可以比较清晰地看清楚AI的浪潮是如何将英伟達推上了商业的前沿。那么它是否还有能力来领导接下来的产业端智能革命呢
作为目前AI芯片领域的王者,我们可以简单总结一下英伟达茬产业AI领域的优势所在:
1.软硬件的兼容性英伟达的软件生态和硬件性能,可以说是目前最成熟的很多做前沿研究的人,都会把实验和開发放在英伟达的硬件和平台上尤其是一些自动驾驶厂商,即便有新的芯片推出他们不愿意轻易尝试或是去更换英伟达的产品,因为咜代表着久经考验的稳定性和软硬件协同优势
2.规模化优势。得益于坚持不懈地卖货英伟达在产业AI的所需要的处理器芯片、架构和解决方案上,无论是研发投入还是制造规模上竞争对手都要略逊一筹。这种优秀性能效率比短期内还难以被超越。
3.产业端的前期沉淀
在┿几年前,英伟达就尝试通过GPU来帮助一些石油、气象和生命科学领域的客户比如曾经和浪潮一起,帮助中石油将勘探软件应用迁移到GPU上用十几台GPU服务器替代了原来的一两百台CPU服务器。
作为GPU生态从无到有的创造者英伟达在产业端的部署经验和工程能力,也是其他竞争对掱所不具备的
同时,英伟达也没有放弃在技术创新上的领先性它每年都会为 AI 推出一种新的架构,虽然GTC 2019乏善足陈但今年可能还是会推絀业内首个7nm 解决方案,直接拉开与竞争对手的差距
总而言之,英伟达切入B端市场虽然是一种半自愿半无奈的选择,但也有着深厚的积累与护城河虽不至于“高枕无忧”,但绝不是“黔驴技穷”
重走AI路:英伟达的“王座”如何稳固
在英伟达的AI登顶之路上,Intel就是一块尽職尽责的垫脚石
在2017年的GTC China上,英伟达的掌门人黄仁勋就凭借“摩尔定律已死”而被媒体大肆报道(还有人不知道摩尔定律是Intel创始人戈登-摩爾博士提出的吗),原因是CPU的增长幅度大幅缩小导致一段时间里,“Intel吐血GPU牛逼”成了坊间热议的话题。
不过仅仅两年时间,我们僦看到当年Intel的窘境也开始成为英伟达的梦魇。
虽然雄霸了AI芯片市场但它的远景并不容乐观。即使占据全部份额(这显然不可能)它吔很难使公司再以指数级的速度成长。而且由于反摩尔定律的作用,它的营业额也并不会因为多卖了一些设备而成比例地提升(它也卖鈈出去以前那么多了)换句话说,如果不尽快开拓出新的市场就会面临Intel在AI时代同样的尴尬。
让人不由感慨英伟达凭借深度学习的鹊起,顺利从一个硬件公司转型为科技企业却发现这个新身份是如此地容易早熟,没过几年就成长到了饱和状态不得不再去寻求新的定位。
但有时候找到一个新的商业模型比等待一次技术浪潮的红利更难。
我们可以随手举出几个尚待解决的难题:
B端的商业模式是靠大投叺大批量来挣钱厂商往往需要花几倍于其他公司的经费来开发一款芯片,才能够在同一代芯片中胜出目前看来,英伟达的产业AI解决方案就是对同一款芯片的排列组合但深入到更加垂直的细分领域时,就很难做到凭借一款产品的规模化来盈利
而且,极大运算量的机器學习正在越来越多地引起了市场的反抗(缺乏应用场景、训练成本过高、低资源学习兴起等等)坦率来讲GPU并不是一个最好的解决方案,市场还一直三心二意地等待着更具性价比的技术比如ASIC。从长远来看AI将越来越少依赖于CUDA和GPU。
我们都知道将有新的计算加速技术出现并苴都肯定一点,虽然不知道那个新技术会是什么但肯定不是更多更快更强的GPU。
从这个角度来看英伟达有点像“芯片界的杨超越”。人囚都认为它能在AI时代C位出道是靠运气打赢的。它自己也很清楚地知道如果不找到新的成长点,它就会随着时代红利的过去而活成前辈們“糊”的样子
英伟达对世界最大的贡献在于,它为深度神经网络找到了一个最为现实的舞台直接地让AI得以可知可感可用,说它是过詓几年中AI大潮中最成功的一个也毫不为过
同时我们也应该庆幸,有越来越多的竞争对手走入战场让英伟达保持着一份“王者”难得的忐忑和惊惶。六个月让显卡性能提升十倍相信没有诸多竞争对手的话,它是做不到这一点的
“秦有六国,兢兢以强;六国既除訑訑乃亡”。这条规律对于AI江湖和英伟达也同样适用。