9 月 7 日，由中國工程院信息與電子工程學(xué)部主辦、海潮團(tuán)體承辦的 AICC 中國人工智能盤算年夜會在北京舉辦，國內(nèi)外數(shù)十位著名專家分享了 AI 在互聯(lián)網(wǎng)、云盤算、超算等浩瀚行業(yè)的立異實例。在現(xiàn)場，機(jī)械之能采訪到英偉達(dá)全球副總裁暨中國區(qū)企業(yè)事業(yè)總司理沈威，與其就以后人工智能芯片市場和英偉達(dá)的底氣睜開了商量，沈威表現(xiàn)：「除 GPU 生成合適深度進(jìn)修這一義務(wù)之外，英偉達(dá)的 CUDA 盤算平臺是決勝的癥結(jié)。」

弗成否定，GPU 為深度進(jìn)修的年夜范圍運用奠基了硬件基本。但是，跟著人工智能時期的到來，深度進(jìn)修技巧公用芯片之爭也愈發(fā)熾熱。芯片巨子英特爾年夜量收買人工智能相干公司，研發(fā)人工智能公用芯片，站臺 FPGA，并已與許多垂直范疇的企業(yè)停止協(xié)作；谷歌研制了基于硬件界說編程架構(gòu)的 TPU；曾是英偉達(dá)主要客戶的微軟也開端為本身的數(shù)據(jù)中間研發(fā)基于 FPGA 的可反復(fù)編程 AI 芯片。另外，一些專業(yè)的人工智能公司，如科年夜訊飛等，也在研發(fā)合適本身營業(yè)的公用芯片。

GPU、FPGA、ASIC 是 AI 芯片市場打得熾熱的三種架構(gòu)，個中 GPU 是以后的主流。與 CPU 比擬，GPU 在硬件架構(gòu)上具有更多的盤算單位，使其成為 AI 芯片的自然選擇；FPGA 即現(xiàn)場可編程門陣列，是一種軟件界說的架構(gòu)，開辟者可以經(jīng)由過程編程界說片上單位的功效；ASIC 代指為專門目標(biāo)而設(shè)計的集成電路，將功效燒制到芯片上，合適較為穩(wěn)固的處理計劃，且產(chǎn)物進(jìn)級難度較年夜，但功耗較低。今朝，F(xiàn)PGA 和 ASIC 還處于實驗階段，有才能應(yīng)用 FPGA 的人工智能廠家其實不多，絕年夜部門的 AI 芯片市場仍然被英偉達(dá)占據(jù)，生態(tài)的構(gòu)建其實不輕易，F(xiàn)PGA 與 ASIC 的 AI 之路也任重而道遠(yuǎn)。

在其他廠家積極開辟新疆場時，英偉達(dá)依然深信「 GPU 生成合適深度進(jìn)修義務(wù)」。9 月 7 日，英偉達(dá)全球副總裁、中國區(qū)企業(yè)事業(yè)總司理沈威在 AICC 上與機(jī)械之能就這一話題停止了評論辯論。沈威以為，英偉達(dá) CUDA 運算平臺是癥結(jié)，CUDA 讓 GPU 的盤算才能得以釋放，讓通俗的法式員也能用 JAVA、C++ 等編程說話在 GPU 上任務(wù)。

以下為采訪實錄，機(jī)械之能做了不轉(zhuǎn)變原意的整頓：

人工智能芯片疆場愈發(fā)熾熱，豈論芯片廠商照樣AI范疇的垂直公司都在試圖搶占市場。這是能否英偉達(dá)的AI計謀形成影響？如今再提GPU是深度進(jìn)修芯片的獨一霸主能否不再適合？

從 2012 年谷歌的李飛飛傳授開啟 ImageNet 以來，我們很高興看到 GPU 在人工智能市場的接收度很高，同時我們也看到許多追隨者。不外我認(rèn)為這是一件功德，起首，這意味著這些公司中的任何一家，對人工智能、深度進(jìn)修這件工作都異常認(rèn)同。不外我們在高機(jī)能運算、人工智能范疇曾經(jīng)投入了許多年，具有先發(fā)優(yōu)勢。從汗青的成長來看，深度進(jìn)修為何要用英偉達(dá)的 GPU？由于深度進(jìn)修與高機(jī)能盤算關(guān)系異常親密，深度進(jìn)修義務(wù)中觸及到年夜量的運算，這是英偉達(dá)異常善于的工作。

適才我們說的是硬件方面，硬件許多半導(dǎo)體廠商都在做。但他們都疏忽了一點，就是平臺。我們的 CUDA 運算平臺從 2006 年開端開放，到如今曾經(jīng)是第 9 代，CUDA 將 GPU 的高機(jī)能運算才能開放給普通的法式員。固然半導(dǎo)體工藝是與時俱進(jìn)的，但假如沒有好的編程情況，技巧人員們照樣很難迎接此次深度進(jìn)修的海潮。這就直接答復(fù)了你的成績。豈論哪家公司，能夠他們在市場上也曾經(jīng)有很長時光了，但我小我以為，它的編程說話還不克不及針對數(shù)據(jù)中間的海量數(shù)據(jù)停止更方便地編程。年夜家能夠看到，在深度進(jìn)修時期，英偉達(dá)停止了一次面向人工智能的轉(zhuǎn)型，但其實我們早已鋪墊好相干才能。

如今GPU、FPGA、ASIC這三種架構(gòu)都能完成深度進(jìn)修義務(wù)，你對這三種架構(gòu)的好壞勢作何評價？

深度進(jìn)修重要分為線下練習(xí)和線上推理，今朝在線下練習(xí)用戶無一破例地都在應(yīng)用 GPU 加快他們的練習(xí)進(jìn)程。不只僅是由于 GPU 的運算速度快，更主要是英偉達(dá)樹立了一個完美的生態(tài)體系，我們供給了很多 SDK 來加快一切深度進(jìn)修框架，并和這些框架深度集成，如 cuDNN、NCCL、cuBLAS 等。在線上推理偏向，英偉達(dá)今朝的計劃是 TensroRT 加低功耗的 NVIDIA Tesla P4 GPU 加快器。如今國際各年夜云辦事供給商都在應(yīng)用 Tesla P4 做線上推理，包含科年夜訊飛。

現(xiàn)實上，深度進(jìn)修遠(yuǎn)沒有成熟，天天都在變更演進(jìn)、迭代，GPU 今朝照樣最好選擇。ASIC 是一種公用芯片，它是為了某種特定需求而專門定制的芯片，今朝還不克不及與 GPU 如許具有很成熟生態(tài)的通用芯片同日而語。FPGA 的生態(tài)體系才方才開端，途徑還很漫長。

英偉達(dá)在無人駕駛和智能家居方面推出了本身的公用芯片，能否意味著英偉達(dá)重視這兩個運用范疇？更遼闊的例如金融、醫(yī)療方面為什么沒有公用芯片的結(jié)構(gòu)？

GPU 生成處理深度進(jìn)修成績，人工智能自己和人腦有許多相似的處所，須要眼睛看，頭腦想。英偉達(dá)愿望在 GPU 最善于、最深耕的視覺運算上發(fā)力，是以英偉達(dá)在主動駕駛和嵌入式端結(jié)構(gòu)了兩種產(chǎn)物。其他范疇我們也異常地看好，金融、醫(yī)療、制作是國際外迸發(fā)增加的幾個 GPU 運用點，在這些范疇我們有許多的協(xié)作同伴。英偉達(dá)處在全部 IT 生態(tài)圈中，我們必需要跟分歧行業(yè)的公司停止協(xié)作。

今朝英偉達(dá)的生態(tài)圈中，有哪些比擬堅實的協(xié)作同伴？

我們有分歧條理的協(xié)作同伴。一種是跟辦事器廠商的協(xié)作，由于在硬件層面單單為用戶供給 GPU，用戶是沒有方法應(yīng)用的，海潮，曙光，華為等都是我們的協(xié)作同伴；還有就是行業(yè)處理計劃層面，在一個零件做好以后，能夠會須要針對分歧行業(yè)，例如醫(yī)療、制作業(yè)等等停止優(yōu)化，以合適客戶分歧的運用場景，在這個層面科年夜訊飛、商湯都是我們的協(xié)作同伴，我們叫 Solution Partner。

這些協(xié)作同伴做得都很好，由于深度進(jìn)修才方才開端，很少有人在用過 CUDA 開辟情況以后說不愛好英偉達(dá)。由于你弗成能本身從零開端寫一些函數(shù)庫、優(yōu)化庫，我卻是很獵奇，不消英偉達(dá)的人他們要怎樣做。深度進(jìn)修處理計劃供給商們在算法和數(shù)據(jù)方面都有本身的盡力，然則假如沒有我們 GPU 的加快，他們的更新迭代和開辟速度就會年夜年夜下降，走向市場的周期也會被拉長，所以我們也是贊助他們更快走向市場的必弗成少的要素。

如今有許多中小企業(yè)或高校試驗室不克不及累贅年夜范圍的GPU集群，英偉達(dá)能否想要爭奪這一部門市場？

其實我們也有存眷到這一方面。我們和全球許多年夜公司一樣，會和許多高校協(xié)作教導(dǎo)、培訓(xùn)相干的項目，如今異常多高校在他們的盤算中間外面有 GPU 集群，而且我們也有協(xié)作開設(shè)相干課程。另外一方面，我信任年夜家也留意到了云盤算的成長，如今國際幾家搶先的云辦事廠商都曾經(jīng)用到了英偉達(dá)異常多 GPU，所以他們也供給異常多基于 GPU 的計劃。關(guān)于不想本身買裝備的廠家來講，我認(rèn)為云辦事是一種選擇。云是一種趨向，可以或許更快捷地惠及新的開辟者、新的始創(chuàng)公司。