雷鋒網按，本文分析了目前AI芯片市場的情況，以及NVIDIA在這一市場的領先地位。不過，隨著芯片巨頭在AI芯片領域有了新的進展，NVIDIA將會面臨更多的挑戰(zhàn)，2019年AI芯片市場會如何？
作者將會分三部分進行介紹，本文是第一部分。
NVIDIA的領先優(yōu)勢
過去的五年，NVIDIA在數(shù)據(jù)中心領域成為了規(guī)模數(shù)十億美元的巨頭，并且沒有一次面對持續(xù)且非常強勁的對手，這是一個令人驚訝的事實。NVIDIA快速增長的動力來自人工智能（AI）和高性能計算（HPC）對GPU芯片的需求。NVIDIA首席執(zhí)行官Jensen Huang喜歡談論深度學習的“寒武紀爆炸”，指的是神經網絡算法的快速迭代。
目前，我們處于AI芯片爆發(fā)的門口，全球許多大型和小型公司都加入其中。三年前，芯片創(chuàng)業(yè)公司幾乎不可能獲得風險投資，現(xiàn)在，有數(shù)十家資金充足的挑戰(zhàn)者在研發(fā)AI芯片。
去年，NVIDIA和 IBM為世界上最快的超級計算機提供芯片（據(jù)稱其中95％的性能歸功于NVIDIA的Volta GPU）。雖然這是一項令人難以置信的成就，但許多人開始懷疑NVIDIA的輝煌能否持續(xù)。
在最新報告季度，NVIDIA數(shù)據(jù)中心收入同比增長58％至7.92億美元，占公司總收入的近25％。過去的四個季度總營收達到28.6億美元。如果能夠保持這種增長趨勢，2019年數(shù)據(jù)中心營收或達到約45億美元。
毫無疑問，NVIDIA以其強大的可擴展架構為動力打造出受歡迎的產品。NVIDIA現(xiàn)在擁有一個強大且持續(xù)更新的軟件，高校、初創(chuàng)公司和合作伙伴使其成為由其新創(chuàng)建的生態(tài)的主導者。有些人會認為這個生態(tài)系統(tǒng)是堅固的護城河，但暴風云正在出現(xiàn)。潛在的威脅來自英特爾，谷歌，AMD以及數(shù)十家美國和中國的初創(chuàng)公司。
目前為止，在我看來，大部分競爭者都“火力不足”。因為我非常有信心除了谷歌，其它挑戰(zhàn)者都沒有搶奪了NVIDIA的市場份額。讓我們來看看目前的競爭格局，2019年將會變得非常有趣。
重磅的競爭者
根據(jù)紐約時報的統(tǒng)計，有超過40家創(chuàng)業(yè)公司進入AI芯片領域，但實際情況是，只有少數(shù)公司能在這個市場上取得真正的成功（比如收入超過10億美元）。對于深度神經網絡（DNN）的訓練，鑒于其產品的實力，市場占有率和生態(tài)系統(tǒng)，NVIDIA難以被擊敗。然而，目前市場規(guī)模還小的推理芯片市場最終將超過訓練市場。
與訓練不同，推理不是單一的市場。推理包含了云端和終端，每一種應用對深度學習算法、性能、功耗和延遲都有特定的要求。另外，在推理市場還沒有絕對的領導者，即便NVIDIA聲稱在汽車市場擁有領導地位。
出于這些原因，推斷市場是大多數(shù)新進入者主要或最初關注的方向。讓我們來看看重磅的競爭者。
谷歌
谷歌是最早推出專用芯片（ASIC）的公司之一，然而谷歌可能是NVIDIA最大的客戶之一。谷歌的“Tensor Processing Units”（TPU）芯片已經更新至第三代，可以加速云端的深度學習訓練，最近還可以加速推理處理。據(jù)悉，用于訓練和處理DNN的Google TPU的性能相當穩(wěn)定，單芯片每秒性能可達45 TOPS。相比之下，NVIDIA的Volta性能最高可達125 TOPS。第一批TPU只供內部使用，現(xiàn)在谷歌將它們作為服務提供給Google Compute Cloud的客戶。
雖然TPU會對谷歌的人工智能的發(fā)展產生影響，但除了內部的，對外的服務（這是一個相當大的市場）是故意限制的。TPU只能用于培訓和運行Google TensorFlow框架，無法使用它來訓練或運行使用Apache MxNet或PyTorch構建的AI，PyTorch框架的重要推動者是Facebook 和微軟。TPU也不能用于非AI HPC應用，這一領域GPU占據(jù)絕對主導地位。
此外，TPU也不向企業(yè)或政府的數(shù)據(jù)中心出售。但谷歌對此表示滿意，因為它將TPU和TensorFlow視為其全面的AI領導力戰(zhàn)略。針對硬件的軟件優(yōu)化，可以構建強大而耐用的平臺。
TPU更直接的影響可能是驗證ASIC可以作為GPU的替代品，至少對潛在投資者而言如此。深度學習芯片初創(chuàng)公司的首席執(zhí)行官表示，一旦谷歌宣布其TPU，風險資本就開始尋找投資目標，他隨后獲得了數(shù)億美元投資。
谷歌一直擅長從NVIDIA的GPU技術大會（通常在三月份）的可預測信息中竊取一些引人注意的信息，如果今年谷歌發(fā)布性能強大的7nm TPU，對比我不會感到驚訝。
亞馬遜也在去年秋天宣布，正在為推理處理研發(fā)ASIC。但是，該芯片仍在開發(fā)中。
英特爾
英特爾是非常重磅的玩家，雖然該公司打算使用Nervana芯片在2019年參與人工智能訓練和推理的競爭，但它意識到推理將是更大的市場，并且擁有非常強大的實力。
除了Xeon CPU（最近更新后，推理性能得到顯著提升），該公司還分別收購了MobileEye和Movidius，用于汽車和嵌入式推理。我已經看過這兩種設備的演示，它們的確令人印象深刻。英特爾還推出了OpenVino軟件工具包，它允許開發(fā)人員在任何地方進行訓練，然后在英特爾處理器上進行優(yōu)化和運行。
CES 2019上，英特爾透露正在與Facebook密切合作準備推出Nervana神經網絡處理器（NNP-I），因為許多人猜測Facebook正在開發(fā)自己AI加速器。與此同時，英特爾副總裁兼AI產品總經理Naveen Rao在 Twitter上分享，NNP-I是采用英特爾10nm的SoC，并采用IceLake x86內核。
對于訓練，英特爾最初的計劃在收購Nervana一年的2017年宣布“Lake Crest”Nervana NNP。之后推遲到2018年，然后，公司決定重新開始。這可能是因為英特爾意識到第一款Nervana設備不足以大幅超越NVIDIA。
高通和蘋果
為了完整性，我將高通和蘋果也包括在內，因為它們都提供了令人印象深刻的手機人工智能功能（高通也布局IoT和自動駕駛汽車）。蘋果專注于iPhone A系列CPU和用于手機AI的iOS操作系統(tǒng)支持。隨著移動平臺成為語音和圖像AI推理的主要平臺，這兩個玩家擁有大量可用于建立領導力的IP（盡管華為我們也非常努力地推動人工智能。）
AMD
過去三年，AMD一直在努力讓AI的軟件正常運轉。當我2015年在那里工作時，如果沒有啟動Windows，你甚至無法在Linux服務器上運行GPU。從那時起，AMD進行了很多工作，ROCm軟件和編譯器簡化了CUDA的遷移，并且在其芯片上加速數(shù)學庫MlOpen（不要與OpenML混淆）。然而，目前AMD的GPU仍然至少落后NVIDIA V100產品一代，而V100推出已經接近兩年了。
AMD是否有能力在7nm上與NVIDIA TensorCores競爭，還有待觀察。AMD可能會決定更多地關注推理市場，可能推出自動駕駛汽車平臺，類似NVIDIA Xavier SoC，時間會證明。
賽靈思
Xilinx 的FPGA在2018年表現(xiàn)出色，除了宣布其7nm的下一代架構外，還與微軟、百度 、亞馬遜、阿里巴巴、戴姆勒-奔馳等合作伙伴達成合作。在AI推理中，F(xiàn)PGA具有優(yōu)于ASIC的優(yōu)勢，因為FPGA可以針對特定的應用進行即時重新配置。當基礎技術快速變化時，這很重要，就像AI一樣。
例如，微軟展示了其FPGA（來自賽靈思和英特爾）如何在深度神經網絡中對特定層，可以使用1bit，3bit或其它精度的數(shù)據(jù)。這可以大大加快處理速度，并減少延遲，同時降低功率。此外，即將推出的Xilinx 7nm芯片稱為Versal，具有AI和DSP引擎，可加速特定應用程序處理以及自適應邏輯陣列。Versal將在今年的某個時候開出貨，我認為這可能是推理處理的改變者。
