江苏龙网

  1. 首页 > 人文 > >

5年疯涨2268%，市值2500亿美元的英伟达要和英特尔平起平坐？

5年疯涨2268%，市值2500亿美元的英伟达要和英特尔平起平坐？
文章图片
5年疯涨2268%，市值2500亿美元的英伟达要和英特尔平起平坐？
文章图片

与今年年初相比 ， 英伟达的股价已经增长了70.3% ， 反映了资本市场对英伟达的认可和追捧 。 5年以来 ， 英伟达股价飙升2268%（截至7月17日收盘） 。 甚至在美国时间7月8日收盘后 ， 英伟达以2513.1亿美元市值首超英特尔 ， 一度成为美国市值最高芯片制造商、全球市值第三的半导体公司 。 英伟达为何被资本市场寄以厚望 ， 它做对了什么？
推动GPU从专用领域走向通用领域
如何更好地解决计算问题 ， 是计算机软硬件开发者的永恒主题 。 从3D加速卡开发商 ， 到GPU的发明者 ， 再到“AI芯片第一股” ， 英伟达惊人的成长速度 ， 正是来自于对算力痛点的精准突击 。
20世纪90年代 ， 随着PlayStation等游戏主机的发布 ， 以及计算机性能的提升和彩色显示器的出现 ， 3D游戏开始萌芽 。 而英伟达也正是在这一时期成立 ， 主要面向图形显示市场 。 但在这一时期 ， 3D图像处理主要以3D加速卡的形式进行 ， T&L（光影转换）运算仍需占据CPU的算力 ， 也限制了游戏画质的发展 。
英伟达的GeForce256 ， 将“GPU”这一概念推向市场 。 GeForce将T&L能力集成到图形处理芯片 ， 将CPU从图形处理的任务中解放出来 ， 在提升3D画质的同时 ， 也提升了计算机的整体效能 。 在三年的时间里 ， 英伟达的GPU出货量突破100万颗 ， 成为美国成长最快的半导体公司 。
虽然在GPU的技术研发和专利积累取得了先发优势 ， 但是英伟达首席科学家DavidKirk认为 ， GPU的能力不应该局限于图像渲染 ， 如何将GPU的浮点运算和并行计算资源释放给更多领域的从业人员使用 ， 成为英伟达的研发重点 。
之后 ， 英伟达开始对“通用GPU”的研究 ， 让本身为图形图像处理而生的GPU能够运行图形渲染之外的通用计算任务 。 但是 ， 通用GPU编程门槛极高且难以调试 。 2006年 ， 英伟达推出并行计算程序开发环境“CUDA” ， 开发者可以用C、C++、FORTRAN等常用的编程语言在CUDA编写程序 。 借由CUDA的软硬件生态 ， 不用领域的开发者可以根据本领域的需求 ， 编写GPU加速应用 ， 从而更有效率地利用英伟达GPU处理计算任务 。
随着深度学习的浪潮兴起 ， 擅长串行运算的CPU ， 无法高效执行矩阵乘法和卷积计算任务 。 2012年 ， 基于英伟达GPU加速的卷积神经网络AlexNet参加了ImageNet大规模视觉识别挑战赛 ， 以低于第二名10.8%的错误率拔得头筹 ， 引起了科研领域对于GPU的关注 。 自此 ， GPU被越来越多地运用于机器学习和深度学习领域 ， 并迅速崛起为AI计算的主流芯片 。
【5年疯涨2268%，市值2500亿美元的英伟达要和英特尔平起平坐？】在AI计算平台方面 ， 英伟达面向从云端到边缘端的需求 ， 构建了面向训练的DGX平台、超大规模云计算和HPC服务器的HGX平台、面向边缘计算的EGX平台和适用于自主系统的AGX平台 。 2018年 ， 英伟达推出专为深度学习设计的TensorCore ， 进一步提升了针对常用深度学习模型的浮点运算速度 。 今年以来 ， 浪潮AI服务器、谷歌云相继采用TensorCore 。 采用“CUDACore+TensorCore”的英伟达GPU ， 已经在AI算力市场占据一席之地 。
数据中心将成为最大收入来源
长期以来 ， 游戏业务是英伟达最大的收入来源 ， 但目前来看 ， 这一局面有可能被改变 。 英伟达2021财年第一季度财报显示 ， 其数据中心收入达到11.4亿美元 ， 较去年同期增长80% 。 而本季度游戏业务收入为13.4亿美元 ， 同比增长27% 。 数据中心业务已经成为英伟达增速最快的业务 ， 而且收入占比与游戏业务的差距持续缩小 。
英伟达在股价和市值上的突飞猛进 ， 与其采用多点开花战略 ， 持续降低对游戏市场的依赖程度息息相关 。
“英伟达主要深耕于GPU芯片 ， 早期主要应用在游戏领域 ， 是其收入的主要来源 。 随着AI和数据中心的兴起 ， 市场对GPU的需求的暴增 ， 给英伟达带来巨大机遇 。 从2016年起 ， 数据中心领域成为英伟达增长的重要动力 。 随着今年收购了Mellanox ， 英伟达在云端和数据中心领域进一步壮大 ， 业务收入将超过游戏成为收入来源的第一位 。 AI和数据中心是未来十年热点 ， 会有巨大的市场空间 ， 英伟达的高股价也是人们对于英伟达在AI领域前景的反应 。 ”赛迪顾问高级分析师吕芃浩向《中国电子报》采访人员表示 。
计算机视觉是当前AI前景最为广阔、商用条件最为成熟的领域 。 清华大学数据显示 ， 在AI技术层面上 ， 计算机视觉的应用在整个人工智能应用领域中占比达34.9％ ， 已成为各行业发展的重要支撑 。 无论是安防监控、人脸识别 ， 还是自动驾驶根据摄像头判断环境和路况 ， 其本质都是代替人眼去识别、追踪目标物体 ， 而图形图像处理正是GPU加速器的优势所在 。
而“挖矿” ， 也就是通过运行特定算法赚取比特币 。 由于需要重复性的大量运算 ， GPU成为“矿场”“矿主们”最常用的算力工具 ， 一度导致英伟达、AMD的主力GPU出现缺货 。
“目前AI计算的大部分应用场景都是对图形图像进行计算 ， 矿机业务也属于并行计算 ， 这都是适合GPU去发挥的领域 。 ”芯谋研究总监王笑龙向《中国电子报》采访人员表示 。
虽然“矿机”曾为两大GPU厂商贡献利润 ， 但“挖矿”并不能与区块链技术划等号 。 业界人士称 ， “挖矿”属于“币圈” ， 而区块链技术研究属于“链圈” ， “币圈”并不关注区块链技术的发展 。 在这波红利来得快去得也快 ， 也拖累了英伟达在2018年第三、四季度的营收和股价表现 。
2019年第一季度 ， 努力走出加密货币“宿醉效应”的英伟达 ， 加大了在数据中心领域的投入 。 当年3月 ， 英伟达宣布与以色列芯片制造商Mellanox达成收购协议 ， 这笔收购在今年4月27日宣告完成 。 Mellanox能提供端到端高速以太网和InfiniBand互联解决方案 。 英伟达创始人兼CEO黄仁勋表示 ， 通过融合Mellanox的技术 ， NVIDIA将拥有从AI计算到网络的端到端技术 ， 以及从处理器到软件的全堆栈产品 ， 拥有足够的规模去推进下一代的数据中心技术 。
今年以来 ， 新冠肺炎疫情减少了全球消费者外出活动的时间 ， “宅经济”异军突起 ， 远程服务、串流等应用持续带动数据中心需求 。 英伟达趁热打铁 ， 推出了采用安培架构的7nmGPU“NVIDIAA100” ， AI训练、推理的峰值算力较上一代Volta架构GPU有了20倍的提升 。
“目前 ， 数据中心的数量和规模将会持续增加 ， 英伟达GPU在当前已经占据了数据中心市场 ， 并建立了完整的生态 。 从云到端都采用英伟达的CUDA计算平台 ， 可以极大地减少算法跨平台的难度 ， 实现平滑过渡 ， 提高开发效率 。 ”吕芃浩向采访人员表示 。
自动驾驶 ， 被英伟达视为AI时代最大的算力挑战 。 据Gartner、北京半导体行业协会统计 ， 2019年英伟达在车用半导体市场营收达到6.26亿美元 ， 跻身全球前20大汽车半导体企业 。 目前 ， 英伟达建立起从10TOPS/5W ， 200TOPS/45W到2000TOPS/800W的产品线 ， 分别对应前视模块、L2+ADAS以及Robotaxi的各级应用 。 今年6月 ， 梅赛德斯-奔驰宣布与英伟达共同开发下一代汽车平台 ， 支持L2、L3自动驾驶功能和最高达到L4的自动泊车功能 ， 打造可拓展、可升级的软件定义汽车 。
制程、架构、软件算法协同发展
从Pascal架构到Ampere架构 ， 英伟达GPU的AI算力有了20倍的提升 。 业界有观点称 ， 英伟达在AI芯片步履飞快 ， 是因为采用台积电代工的模式 ， 在制程上相对IDM的英特尔有着更快的推进速度 。 那么 ， 随着摩尔定律逼近极限 ， Ampere架构也已经走到7nm ， 英伟达的GPU能够满足持续增长的算力需求么 。
对此 ， 黄仁勋曾在接受媒体采访时表示 ， 制程不是最为重要的 。 英伟达仅通过软件优化 ， 就能在两年时间内将AI性能提升4倍 。 由于架构设计得更好 ， 12nm的图灵芯片效能超过了7nm的GPU 。 20倍的算力提升 ， 靠的是架构、算法、软件和应用的共同合力 。
王笑龙也向采访人员表示 ， 制程是芯片工艺的基础 ， 云端AI计算量大 ， 尤其对工艺要求很高 。 但在关注制程的同时 ， 也要关注架构和软件算法 。 架构是硬件设计的基础 ， 是英伟达等欧美公司的强项 。 算法软件 ， 是在制程、架构基础上的优化 。 三者共同构成芯片的计算性能 。
从英伟达的产品更新来看 ， 在制程、架构、软件算法上 ， 英伟达的发力是相对平衡的 。 从K40到A100 ， 架构与制程基本保持了同步更新 ， 从28nm的Kepler一直到7nm的Ampere 。 与此同时 ， CUDA也从1.0版本发展到了11.0版本 。 同时 ， 在封装技术上 ， 英伟达在推出Pascal架构时 ， 将处理器与数据封装到一起以实现更高的计算效率 ， 采用HBM2的CoWoS（晶圆基底芯片）技术提供更高的显存带宽性能 。 据悉 ， 今年英伟达将成为台积电CoWoS封装的主要客户之一 ， 借由晶圆级封装进一步强化芯片能力 。
集邦咨询分析师姚嘉洋向采访人员表示 ， 英伟达之所以能在人工智能领域拥有一席之地 ， 有部分原因是因为在GPU架构中导入了TensorCore的功能 ， 目前也已经演进到了第三代 ， 再辅以先进制程与封装技术的支持 ， 才能发挥强大的AI算力 ， 要继续满足如今市场的AI算力需求 ， 应该没有太大的问题 。
当然 ， 市值的高歌猛进 ， 不代表营收的实质性提升 。 英伟达虽然在市值上与英特尔出现“你争我赶”的势头 ， 但营收还与英特尔相去甚远 。 而且 ， 随着数据中心需求的进一步释放 ， 通用GPU的市场竞争只会越来越激烈 。 今年以来 ， AMD发布了面向数据中心等高性能计算业务的GPU架构CDNA 。 英特尔CFO首席财务官GeorgeDavis也透露 ， 英特尔预计在2020年推出一款面向独立显卡的Xe架构GPU 。 毕竟AI还处于发展变化之中 ， 算法和算力需求会持续更迭 。 未来 ， 能最先看到需求并进行调整的厂商 ， 才能立于不败之地 ， 受到市场和资本的认可和青睐 。


    推荐阅读


    上一篇：兜游江南美食|厨师长分享椒盐脆皮猪手家庭做法，干香爽口，酥脆有嚼劲

    下一篇：妍妍妈妈的屋|茄子还能这样做，不炒不炖不蒸，做法简单，家里的小孩抢着吃