分析机构看好这四家半导体企业成为人工智能大赢家

2017-10-19 18:59:47 来源: MoneyDJ

点击

人工智能（AI）掀起新一波科技浪潮，令市场为之疯狂，瑞银（UBS）预言Nvidia、超微（AMD）、英特尔与高通等4 家芯片制造商，未来将主宰整个AI 产业，当中又以Nvidia 最被看好。

瑞银分析师Stephen Chin 指出，AI 发展目前百花争鸣，才在起始阶段，未来还有很大成长空间，将推升半导体产业进入新的篇章。瑞银模型预估，机器学习与人工智能等相关半导体产值（不含记忆体），2021 年将从今年的82 亿美元成长至350 亿美元，换算复合成长率达41%。（Businessinsider）

瑞银分析师最看好Nvidia，原因是Nvidia 技术领先同业至少一年，且与英特尔是目前有唯二具备全方位AI 解决方案的芯片厂，超微、高通、三星甚至Google 技术均不足以含括整个AI 产业。

不过也有分析师持不同看法，晨星分析师Abhinav Davuluri 在9 月底发布的报告上指出，Nvidia 虽然提早进入AI 领域布局，但这不代表Nvidia 能永远称霸，未来仍有可能被后发者追过。

英伟达，人工智能时代的最大赢家

几年前在移动端折戟的英伟达，应该没想到今天会在人工智能市场大红大紫，凭借GPU优势，他们毫无疑问的成为人工智能大赢家。

据财新网报道，从计算机发展历程来看，GPU最初的诞生与不断增长的视频游戏市场有关，而它与CPU区别明显，前者用来解决具有复杂计算步骤的任务，而GPU的设计则更适合对海量数据进行批量化地操作。后者正是人工智能时代的核心、深度学习技术所需要的。

“摩尔定律减缓之后，GPU加速计算扩展了计算能力，使那些迫切需要更多计算的应用能够继续。” 黄仁勋说。摩尔定律认为，集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍。业界认为，摩尔定律将持续到2020年左右。“如今GPU的应用范围越来越广，已经涉及到各种领域。”

黄仁勋形容， AI正在“吃掉”软件，未来软件的方方面面都将被AI渗透。而英伟达很早便以上游供应商的视角意识到了这样的机遇，提前布局。

这样的转变也是市场对英伟达的期待所在。人工智能是华尔街今天最热衷的概念，而更令市场兴奋的是，在各大科技公司纷纷亏损砸钱布局的当下，英伟达已经开始赚钱。今年第一财季英伟达数据中心业务营收4.09亿美元，远好于预期的3.182亿美元，环比增长38%，连续第七季度实现增长。

“世界上所有主要的互联网和云服务提供商都在用英伟达的Tesla GPU加速器，”英伟达CFO Collette Kress在财报电话会议上说。“人工智能正迅速成为科技领域最具影响力的力量，而站在人工智能中心的正是英伟达的GPU。”

汽车也是Nvidia的另一关注点。

去年以来，英伟达已经先后与奔驰，奥迪，博世，特斯拉，丰田等建立合作关系。英伟达还相继发布了Xavier下一代车载电脑，使用DRIVEPX2车载电脑平台的BB8无人驾驶汽车，包含多种感知功能的人工智能协同驾驶系统AICo-Pilot等。

英伟达与一些汽车厂商的最早合作始于车载娱乐系统，现在则是为汽车提供“大脑”，这十年的变化像是一场逆袭。英伟达无疑是现在这个人工智能时代的宠儿，所有最热门的风口上都有它的身影。有说法就形容，芯片行业在PC时代属于英特尔，移动手机时代属于高通，目前正在进入人工智能新时代，而英伟达已经抢占先机。

“今天英伟达是一家做人工智能业务的GPU计算公司，但将来某一天我们希望自己就直接成为一家人工智能计算公司。” 黄仁勋接受Techcrunch采访时说。

AMD：千年老二的逆袭梦

无论是CPU或者GPU，AMD都是第二，一直以来，他们也在谋划逆袭，在人工智能时代，似乎他们想逆袭的梦又破灭了。

AMD最近公布了实现这些目标的新措施。首先是一款新显卡产品——Radeon Vega(基于之前公布的新显卡架构);其次是新版开放源代码软件平台ROCm——使机器学习框架和其他应用能利用多种显卡的软件层。

这两个元素——硬件和软件，同等重要。对于AMD反击英伟达在机器学习领域的优势来说，两者缺一不可。

AMD新一代明星显卡：Vega

长期以来，AMD一直致力于提供性价比最高的产品，无论是处理器还是显卡(或长期以来传言中的二合一产品)。Vega——AMD的新一代显卡，目标不是成为英伟达Pascal系列显卡的高性价比替代品，而是完全击败Pascal。

InfoWorld 表示，AMD披露的早期跑分显示，Radeon Vega Frontier Edition显卡(一款专业级Vega显卡)，在DeepBench中的跑分是英伟达Tesla P100显卡的1.38-1.51倍——与使用的英伟达驱动程序版本有关。

尽管跑分这种事儿不必过于认真，但如此大幅度的性能差距仍然给人留下深刻印象。重要的还有AMD产品的价格。Tesla P100零售价约为1.3万美元(约合人民币8.9万元)，AMD尚未披露Vega Frontier价格。即使Vega Frontier价位与Tesla P100相当，它也还是很有吸引力的，符合AMD的总体商业策略。

AMD应对CUDA的技术：ROCm

对于AMD在机器学习领域获得优势更重要的不是在价格上击败英伟达，而是确保其硬件在常见机器学习应用中得到与英伟达至少同等程度的支持。

大体上，利用显卡进行加速的软件，都使用英伟达的CUDA库文件——只支持英伟达硬件。开放源代码的OpenCL库，在多种类型设备上提供与厂商无关的支持，但性能不如CUDA等专用解决方案。

AMD没有努力改进OpenCL，使之可以与CUDA媲美——这是一个由委员会推动的缓慢过程，而是打造自己的开放源代码显卡计算平台ROCm(Radeon开放计算平台)。AMD的理念是，ROCm为显卡——主要是AMD自家显卡，提供了一个与语言和硬件无关的中间件层，从理论上说适用于任何显卡。如果有需要，ROCm还可以通过OpenCL与显卡通讯，但也提供有直接与底层硬件通讯的渠道。

InfoWorld称，与OpenCL相比，ROCm能大幅提升机器学习应用的性能，这一点是毋庸置疑的。把Caffe框架移植到ROCm，速度比OpenCL版提升了约80%。另外，AMD还宣称，移植代码利用ROCm是一个高度自动化的过程，这是现有框架尝试ROCm的又一个“诱因”。对其他框架的支持——例如TensorFlow和MxNet，也在规划中。

AMD心目中的最终目标并不复杂：创建一个环境，使其显卡在机器学习领域能替代英伟达产品。AMD可以通过以相当的价格提供性能相当甚至更高的硬件，确保现有的机器学习软件生态链能在其显卡上运行来实现其目标。

在某种程度上，移植软件是最简单的部分。移植软件基本上就是聘请足够多的编程人员，为最重要的开放源代码机器学习框架改写需要的代码，然后随着硬件和框架不断发展而更新代码。

对于AMD来说最困难的工作，可能是在大规模提供显卡的应用中取得立足之地。Amazon Web Services、Azure和Google Cloud Platform中的显卡都是英伟达产品。需求尚不支持其他显卡。但是，如果新一代机器学习软件更加独立于显卡，云服务提供商将失去一个不采用Vega或其后续产品的借口。

AMD引导其显卡在机器学习领域需求的任何计划都是大胆的。AMD要成功需要数年时间，因为它面对的是一个英伟达已经称霸多年的世界。

Intel：半导体老大觉醒

和英伟达一样，英特尔也在移动市场的泥潭里面挣扎了很久，但人工智能的出现，让他们又重新充满了活力。

作为一家专注于数据处理的公司，英特尔也深刻地认识到未来AI领域即将到来的伟大变革和其所带来的对数据计算的全新要求。

英特尔的判断是，未来人工智能领域的硬件将朝着更多元化发展，但随着计算机时代的发展变得愈加成熟，很多技术的部署变得非常困难，因为很多技术都是在整个人工智能的框架之下的，但是在整个AI相关的领域当中，只有7%的应用才是符合AI的具体要求以及诉求的。

于是，为了更好地实现人工智能，英特尔也在不断延伸其技术布局，包括收购全球领先的无人驾驶方案提供商Mobileye、深度学习和神经网络芯片与软件领域的领导厂商 Nervana、领先的计算机视觉公司 Movidius和领先的人工智能服务提供商 Saffron。通过把这些投资和英特尔至强、至强融核产品、实感技术和 FPGA 相结合，提供全栈实力处理端到端数据，从硬件、库和语言、框架、工具到应用方案，拥有向市场提供端到端的人工智能解决方案所需的全部资产。

在软件层面，英特尔方面表示：“目前的深度神经网络还有很多技术点有待突破，神经网只是实现人工智能的一个工具，但未必是最后的工具。”

对于AI算法，英特尔目前正致力于如何使系统实现更少的数据及人力依赖；如何让模型更稀疏；如何压缩模型使之更易存储；如何对模型剪裁使其运算量最少；如何使计算精度下降，甚至降至一位。他们认为，深度学习的算法可以分为两部分，一部分是会变的，一部分是相对可靠的。深度学习算法中的基本操作、任务计算、卷积计算等在这些年间一直没有大的变化，所以接下来的深度学习技术不会在一夕之间完全改变。

高通：移动芯片巨头的延伸

凭借移动芯片和技术影响力，高通在智能手机时代大发神威，他们也不想错过人工智能时代。除了在自身的骁龙芯片上加入AI以外，高通还通过其他方式发展人工智能。

前不久，高通宣布收购荷兰一家专注于制造业、医疗保健和金融行业机器学习和深度学习技术和解决方案的阿姆斯特丹大学附属初创公司Scyfer。高通集团全球副总裁、投资部中国区总经理沈劲透露，高通在人工智能领域投资的相关公司和项目包括：美国大脑集团(brain)，它用七年时间，从研究人的大脑开始，到提供软件，应用于机器人，实现移动性、导航性；还有美国人脸识别公司Clarifai；中国智能语音公司云知声等。但其实高通在机器学习领域的探索早在十年前就已经开始。最初高通主要研究的是面向计算机视觉和运动控制应用的机器学习脉冲神经方法。一段时间后，高通的研究范围逐步扩展到深度学习领域，其中包括感知、推理和行动，并涵盖了听、看、监测、观察、学习、自然交互和保护隐私等方面。

当我们谈论人工智能的时候，不外乎5个要素：算法、计算、语音、图像识别和视觉等。国内外能叫的上来的互联网巨头们也正在加紧这其中几个领域在“云”上的应用。与他们不同的是，高通的目光并没有放在云端的AI中，而是希望将机器学习应用在终端上，也就是聚焦在自己的长板上。

未来的人工智能走向何方，很多企业的作用都很关键，但这几个龙头带来的推动，无疑是值得期待的。

责任编辑：星野

人工智能半导体