江苏龙网

  1. 首页 > 人文 > >

电子商务|不再靠你买显卡充值信仰，英伟达已经变了

电子商务|不再靠你买显卡充值信仰，英伟达已经变了

文章图片

电子商务|不再靠你买显卡充值信仰，英伟达已经变了

文章图片




千亿规模的服务器芯片市场 ， 是英伟达的第二增长曲线 。
「皮衣教主」黄仁勋可能睡觉都能笑醒 。 就在新冠疫情给电子消费、零售、制造等行业带来「深度衰退」时 ， 以数据中心为代表的云计算行业却迎来逆势增长 。 近日 ， DIGITIMES 报道 ， 在新冠疫情大流行期间 ， 数据中心对高性能计算 HPC、AI 应用需求旺盛 ， 英伟达、AMD 服务器芯片销量正在增加 。
实际上 ， 以服务器芯片为代表的英伟达数据中心业务 ， 已经连续多个季度获得快速增长 。 从 2019 年财年的 25% ， 增长到 2020 年财年（截至 2020 年 1 月 26 日）的 27.4% ， 再到 2021 财年第一季度（截至 4 月 26 日）的 37% 。 数据中心业务对英伟达整体营收的贡献越来越重要 ， 和英伟达「传统」优势领域游戏板块业务旗鼓相当 。
而就在一个多月以前的 2020 年 GTC 线上发布会上 ， 英伟达切合时宜地顺应了云市场需求激增这一市场趋势 。 发布会没有出现传闻中的 Ampere GeForce RTX 3080 游戏显卡 ， 数据中心产品却成为了「绝对主角」 ， 赚足了闪光灯 。 英伟达推出了第八代 GPU 架构 Ampere 安培 ， 新一代 A100 计算卡 ， 不但在工艺制程上跨越至 7nm ， 更在多个关键性能参数指标上呈数倍、乃至数十倍增长 。
这是英伟达时隔三年 ， 再度向市场扔出的重磅「核弹」 ， 英伟达的目标很明确 ， 就是 AI 训练兼推理芯片、高性能计算 HPC 领域 。 当然 ， 英伟达占领的也不仅仅是服务器芯片为代表的硬件市场 ， 其最大的「杀手锏」在于软硬一体的生态布局 。

「最大的对手是自己」 英伟达 CEO 黄仁勋评价 A100 GPU ， 「这是英伟达有史以来最好的数据中心 GPU 芯片 ， 几乎是当今半导体的理论极限 ， 它是英伟达数十年以来数据中心经验的结晶 。 」
的确 ， A100 GPU 引起了包括亚马逊 AWS、谷歌云、微软 Azure、阿里云、百度云、腾讯云等云巨头 ， 以及戴尔、浪潮、HPE、新华三、思科等系统制造商极大的采购热情 。 并且 ， 在 A100 GPU 发布之前 ， 就已经投产 ， 开始逐步向云厂商们交付 。
用黄仁勋的话来描述就是「前所未有」 。
八年以前 ， 黄仁勋绝对想不到 ， 英伟达能够 C 端、B 端通吃 ， 踩准了 AI 时代的每个关键节点 ， 为深度学习提供强大算力 ， 推动图片、语音、自动驾驶、机器人、乃至数据中心的飞速发展 。 如今 ， 相比于 21 年前刚上市时 ， 英伟达市值已翻了千余倍 。
2012 年 ， ImageNet 大赛上 ， 参赛者因使用英伟达 GPU+CUDA ， 将深度卷积神经网络 AlexNet 准确率提高 10% 以上 ， 获得冠军 ， 也让英伟达名声大噪 。 此后 ， 英伟达 GPU 和 CUDA 软件一直主导深度学习市场 ， 几乎所有深度学习开发者离不开英伟达 GPU+CUDA 组合 。
包括 2016 年 ， 直接引爆 AI 第三次浪潮的关键事件 ， AlphaGo 大战李世石 ， 以及亚马逊 AWS、微软 ， 国内的互联网厂商 BAT、美团等 AI 最新进展均有英伟达 GPU 的底层支持 。 多个第三方研究报告显示 ， 在云端 AI 芯片市场 ， 尤其是云端训练方面 ， 英伟达占据绝对主导地位 。
云端、企业级数据中心芯片市场 ， 排名前四位的公有云厂商亚马逊 AWS、微软 Azure、谷歌云、阿里云的上万余个实例类型中 ， 只有很小一部分不基于英伟达 GPU 加速 。

不过 ， 这不意味着 ， 英伟达完全没有潜在威胁 。 英伟达竞争对手大致分为三种：英特尔、AMD 为代表的「老对手」；亚马逊 AWS、谷歌、阿里巴巴、华为为代表的云巨头 ， 以及寒武纪、燧原科技为代表的创业型 AI 芯片公司在内的新对手 。
实际上 ， 与其说是新老之争 ， 不如说是 CPU、GPU、ASIC、FPGA 之间的纷争 。 尽管 ， 英特尔 Xeon CPU 已经安装于全球 99% 的数据中心中 ， 但深度学习、AR/VR、IoT、海量数据处理 ， 推动着数据中心从 CPU 转向 GPU ， 并成为常态化 。
比如 ， 广告位展示、流媒体、电商平台推荐引擎系统、智能语音现在均已采用 GPU 驱动 。 再如 ， 相同时间周期内芯片性能提高的难易程度不同 。 2017 年 ， 英伟达推出基于新架构 Volta 的 Tesla V100 芯片 ， 是上一代基于 Pascal 架构的 Tesla P100 训练速度的 12 倍 。 英伟达在三年之内将 AI 性能提高了 60多倍 ， 而相同时间内 ， CPU 只能提高一倍 。
难怪 ， 黄仁勋自 2017 年以来 ， 多次公开宣布摩尔定律已失效 。
在云巨头方面 ， 无论是 AWS Inferentia、谷歌 TPU、阿里巴巴含光 800 均属于 ASIC 芯片 ， 侧重 AI 推理 。 云巨头自研云端 AI 芯片背后的逻辑有两点 ， 一方面 ， 降低购置芯片的成本 ， 更好服务于自身业务 ， 另一方面 ， 逐步减少对英伟达、英特尔芯片的依赖 ， 提高自己对云生态系统的掌控能力 。
一般来说 ， ASIC 只针对单一场景 ， 速度很快 ， GPU 的性能以面积和功耗为代价 ， 理论上 ASIC 性能优于 GPU 。 但 ASIC 研发较慢 ， 有时候赶不上深度学习的发展速度 。 在价格方面甚至更昂贵 ， 谷歌官网显示 ， 使用 TPU 价格为 8 美元/时 ， 英伟达芯片则为 2.48 美元/小时 。
「AI 训练芯片的研发难度更高 ， 目前还是 GPU 占据了很大的优势 。 主要是英伟达围绕自己的 GPU 已经构建了丰富的软件生态 。 其他 ASIC 或 FPGA 在硬件指标上可能占据优势 ， 但在生态上比英伟达还落后很多 ， 这也是为什么英伟达一家独大的原因 。」芯谋研究徐可告诉极客公园 。

芯片行业的「苹果公司」 黄仁勋曾说过 ， 英伟达是一家 AI 公司 ， 更强调英伟达是一家软件公司 ， 和苹果类似 ， 通过售卖硬件盈利的软件公司 。
2006 年 ， 英伟达面向开发者推出 CUDA 通用并行计算平台 ， 通过 CUDA 平台 ， 开发者可以使用 C 或 C++语言编程 ， 来加速计算应用程序 ， 极大地简化了软件开发过程 。 英伟达投入大量资金构筑 CUDA 生态 ， 通过开设课程、培训 ， 吸引开发者 ， 渗透至各个关键行业用户 ， 这是竞争对手 AMD 所不具备的能力 。
近三四年 ， 英伟达开发者数量增长迅猛 ， 仅 2019 年一年 ， CUDA 平台的下载量就超过了 500 万次 。 不仅如此 ， 在 CUDA 平台之上 ， 英伟达还提供 CUDA-X 软件加速库集合 ， 其中 ， CUDA-X AI 囊括了加速深度学习的 cuDNN、加速机器学习算法的 cuML、优化训练模型以进行推理的 TensorRT 等 15 个库 ， 此外 ， 英伟达还推出 RAPIDS 开源软件平台 ， 加速企业数据分析、机器学习 。
去年年底 ， 黄仁勋在接受 GamesBeat 采访时谈到 ， 英伟达基于 GPU 芯片构建出了非常复杂的软件堆栈 ， 而软件堆栈是竞争对手不具备的「赛道」 。
可见 ， CUDA 平台在内的软件能力 ， 已经成为英伟达的「护城河」 。 比如 ， 2017 年 ， 英伟达推出面向 AI 训练和高性能计算的 Tesla V100 芯片后 ， 长达两年多的时间里 ， 没有新的后续产品推出 。 软件成为提高 AI 性能的关键 ， ResNet-50 神经网络在软件的帮助下 ， AI 训练能力提高了 100% 。
在 GPU 硬件方面 ， 英伟达也在巩固、增强固有优势 。 2019 年 ， 英伟达收购 Mellanox ， 弥补了英伟达在数据中心低延迟互连及网络方面的欠缺 ， 显著增强 NVLink（GPU 与 GPU 互联）和 NVSwitch（整合多个 NVLink）互联的速度与可扩展性 。
2016 年 ， 英伟达面向 AI 创业公司 ， 推出初创加速计划 ， 帮助 AI 创业公司加速孵化、商业落地 。 巨头竞争的本质是生态上的竞争 。
「生态和软件非常关键 。 AI 芯片只是底层的工具 ， AI 开发者对 AI 芯片相关生态和软件的选择 ， 决定了芯片的前途 。 」徐可说 。
在经历游戏显卡业务想象力登顶 ， 比特币挖矿机行业「过山车」式的起伏后 ， 英伟达正凭借数据中心业务进阶 B 端 。 现在看来 ， 英伟达押宝数据中心前景与钱景巨大 ， 数据中心业务与英伟达强大的软件、生态能力产生的化学反应 ， 正驱动英伟达在芯片市场讲出一个新的增长故事 。

本文作者：茜茜
责任编辑：靖宇
【电子商务|不再靠你买显卡充值信仰，英伟达已经变了】图片来源：极客公园、视觉中国


    推荐阅读


    上一篇：王思聪|酷似赵丽颖？李现追她，王思聪一心出资扶她上位，但她的黑历史……

    下一篇：浦东新区|淘宝直播想要弯道超车，怎么办？