由于NVIDIA步入人工智能的領域早，公司已經從中有所收益。從最近的財報可以看出，數據中心收入中的人工智能部分，比去年同期上漲了186%。NVIDIA最新季度收入近20億美元，人工智能就占據了超21%的比例，兩年前僅占到6%。公司的股價也在過去的五年里增加了近1000%。

這些增長的背后都得益于NVIDIA的圖形處理器（GPU），GPU可以說是AI系統的首選。Alphabet旗下公司谷歌，由于谷歌大腦的存在，使其處于AI領域的前列，后來收購了Deep Mind專注于深度學習神經網絡系統，并且它也是NVIDIA GPU的用戶。不過從谷歌近期發展來看，NVIDIA在人工智能領域的壟斷地位可能會被打破，谷歌就是這個“破壁人”。

與NVIDIA的戰役

谷歌在上周的2017年I/O開發者大會上，推出了最新版的張量處理器單元（TPU），該處理器單元是為其AI系統內部開發的芯片。不過最新版本的TPU已經得到了大提升，能進行訓練和推理處理，以往的版本只能進行推理處理。這是啥意思？這又與NVIDIA的GPU有啥關系？

背景

除非是負責這塊的工程師，不然你是不會知道AI運行要經過兩個必要的階段。第一個是AI系統的培訓，其中包括算法的構建和軟件模型的搭建，這些被稱為神經網絡，接著對其進行培訓，用來執行特定任務，比如圖像處理或者語言處理。

一旦這些系統接受了培訓，它們就會完成所設計的任務，來篩選大量的數據，并使用它們的獨特的識別模式的能力，來快速精準地處理數據任務。這些任務的執行被成為推理，這是一件關于系統根據其訓練來處理數據的事情。

目前來看，GPU是培訓AI系統的最佳選擇。因為這些芯片具有并行處理大量數學運算的能力，這也使得它們非常適合渲染圖形。并且成為了培訓AI的理想選擇，能進行大量的快速的數據處理器，讓GPU打敗天下無敵手。

更多

谷歌最近宣布開發了一種系統，將64顆TPU連接至同一臺機器學習超級計算機。這臺超級計算機被稱作“TPU艙”，將帶來無與倫比的運算能力。谷歌AI和機器學習首席科學家，斯坦福大學AI實驗室主任李飛飛表示，新的超級計算機將“提供每秒180萬億次浮點運算的計算能力，適合當代機器學習所需的數據處理。”

Google Brain團隊的高級研究員Jeff Dean在博客中寫道：“在使用這些TPU艙期間，我們已經發現他們在實驗時已經有了很大的改進。曾經我們的一個新的大型翻譯模型，需要花費一整天來培訓32個GPU——現在只需一個下午，且只用八分之一的TPU就完成了相同的精度。”

當谷歌在2016年5月的I/O開發者大會上推出首款TPU時，首席執行官Sundar Pichai就表示：“TPU比商業FPGA和GPU每瓦性能高出一個數量級。”新芯片更節能，專門設計用于Google的TensorFlow，用于培訓AI系統。這種優化的硬件和軟件組合已在谷歌內部使用一年多。雖說GPU仍是培訓時所用的首選芯片，但谷歌TPU在推理系統上存在一定優勢，而且谷歌正在開展TPU在培訓上的研發。

未來

NVIDIA并沒有在這場戰役上脫穎而出。最近也引進了TPU，以及GPU構架其他方面的升級。一段時間來看，它還是成為行業內的標準，也不可能一夜之間就能改變。不過投資者應該意識到，AI還處于起步階段，技術日新月異。NVIDIA目前仍是人工智能系統最大玩家，但谷歌已經拋出這個“神器”，讓其注意到該領域并不是只有他一個人在玩。