一场由AI引发的GPU血案,AMD还有机会吗?

简介:

毫无疑问,英伟达GPU是人工智能的标准硬件。同为显卡双雄,AMD在人工智能上却如此默默无为。对于深度学习计算,AMD的GPU真就这么不中用吗?

老黄在GTC大会公布新一代GPU的同时,英伟达股票瞬间暴涨20%,达到每股125美元,市值突破885亿美元。

你一定很好奇:英伟达的竞争优势到底在哪里?为何如此受华尔街的热捧?同为显卡厂商的AMD为什么一直默不作声?

下面,我们就仔细来探讨一下GPU市场上的几个问题:

英伟达当前在GPU领域的市场份额是多少?主要竞争者是哪些公司?

在AI情境中有没有哪些其他类型的芯片可以用来替代GPU?

有没有哪些制造AI芯片的初创公司可能会威胁到英伟达的地位?

GPU是什么?

有没有人记得自己小时候曾用打零工得来的积蓄购买图片中的这种东西,然后买回家一整个周末都在客厅地板上安装?

一场由AI引发的GPU血案,AMD还有机会吗?

图片来源:Squackle.com

不记得?好吧,给你们当中不知道的人解释一下,上面的这个盒子包含一个视频卡或者显卡,你可以用它来玩从别处(盗版者BBS)拷来的电子游戏(盗版软件)。你要提升台式电脑的运行速度才能玩合适的游戏,除了处理器的速度,最重要的就是显卡了。那些使用英伟达芯片的显卡称为“图形处理器”(GPU),最早的GPU出现在1999年,有各种不同的品牌。显卡上的GPU被称为“Discrete GPU”,意思就是GPU的安装位置与电脑的主系统或主板相分离。Discrete GPU使用的是自己的随机存储器(RAM)而不是系统的RAM,因此它的性能更好。

有希望取代GPU的AI硬件

英伟达具有先发优势。能替代GPU的方案并不多,例如可替代GPU的现场可编程门阵列(FPGA)等等,但并不理想。下面是英特尔公司的一群工程师在2017年2月归纳总结出的一篇文章,文章的标题是《FPGA在加速下一代深度神经网络上能否打败GPU?》。这篇文章推断:FPGA可能会成为加速下一代深度神经网络的理想平台。英特尔也许已经考虑了很长一段时间了,因为在2015年他们曾豪掷167亿美元收购FPGA制造商Altera(英特尔有史以来作出的最大收购)。然后,微软(Microsoft)在下一年采取了以下举动:

微软披露其已在各个Azure服务器上安装了Altera的FPGA,致力于打造“世界首台AI超级计算机”。

上文引自Michael Feldman所写的一篇文章,这篇文章的题目取得相当恰当:《微软将全部身家押在FPGA上打造AI云》。文章表达了微软和英特尔将未来押在FPGA上的意念,两家公司都认为FPGA将成为主要的AI硬件而不是GPU。英特尔还进行了其他一些与AI相关的投资,例如收购Nervana等,我们在最近的一篇文章《制造AI芯片的5家初创公司》中报道过Nervana这家公司。

在看到大型科技公司押宝FPGA作为AI硬件的未来后,谷歌决定推出自己的AI硬件:Tensor处理器(Tensor Processing Unit:TPU),这个处理器针对谷歌自家的AI软件(Tensorflow)进行了优化,Tensorflow可能会成为当前最先进的AI技术。这还不是全部。还有许多其他类型的芯片,每种芯片都有各自的机器学习应用。Moor Insights & Strategy的一名专家对此进行跟踪调查后为我们呈现出了下图:

一场由AI引发的GPU血案,AMD还有机会吗?

上图引自Moor Insights & Strategy数月前在《福布斯》杂志上刊登的一篇文章--《机器学习局势:AMD、英特尔、英伟达、高通和赛灵思一战高下》,很好地论述了为什么不会出现一家独霸的局面。AI拥有无限的潜在应用,最终的赢家也不止一个。事实是,英伟达似乎并且可能吃掉所有的Positive Earnings Surprises,因为他们看起来似乎主宰着Discrete GPU市场。

谁在卖Discrete GPU?

多年以来,市场上有很多竞争者,但随着时间的推移,Discrete GPU的厂商只剩下两家——AMD和英伟达。下图显示了Discrete GPU在各时间段的市场份额细分,由3DCenter.org 编辑而成:

一场由AI引发的GPU血案,AMD还有机会吗?

需要特别指出的是,上图的数字反映的不是GPU的总市场份额,而仅仅是Discrete GPU的市场份额。尽管Discrete GPU刚开始被应用在游戏领域,但是随着时间的推移,它在虚拟现实(VR)和AI等新兴技术中也开始大显身手,尤其是在AI领域。现在我们知道Discrete GPU市场上只有两家制造厂商,我们想试着了解一下竞争者AMD到底有多强大。我们不比较产品,但是我们会查看他们公开的对AI硬件开发的投入。

AMD GPU vs 英伟达 GPU

作为投资者,我们想要了解这两家公司对GPU开发(尤其是AI)和市场营销的投入是否均等。他们是否都在进行必要的新产品的研发工作?是否具备了进一步向研发工作投入资金所需的盈利能力呢?我们归纳出一幅图来回答上述几个问题:

一场由AI引发的GPU血案,AMD还有机会吗?

我们发现最后一部分很奇怪。AMD似乎无意展示产品在AI上边的用途。当我们访问AMD的网站时,我们必须钻研一番才能找到他们对AI进行投资的证据。最终,我们还是发现了下面这张演示图,该图阐述了AMD的显卡是如何应用在“机器学习”(原英文错写为 “MachineLeaning”)领域中的。

一场由AI引发的GPU血案,AMD还有机会吗?

读者会很快便能向我们指出其中的错误,如果你想要被认真对待,就不能在重要的地方显示出明显的打字错误。然而没有人发现这个错误,这也就意味着营销团队并没有尽责,并且没多少人看过这个网页。我们不能排除这种可能,现在也许真的有叫做“机器偏向”(“Machine LEANING”)的东西,只是无知的我们并不知道它的存在。真正的问题是AMD只在一个副标题中简单提及了公司开发应用于AI硬件的GPU的未来计划。

我们得出的关键结论似乎是,AMD在销售基于GPU的AI硬件上算不上是一个竞争者,虽然我们预期会出现很多与AI不相关的技术发展,如VR技术或普通的游戏技术,但是在投资者眼中,AI具有无与伦比的增长潜力。这就是为什么我们寻找“人工智能界的思科”的原因,相当于创造财富过程中的“铁镐和铁锨”,我们想要在这场竞赛中有所作为。

许多人可能会通过对比AMD和英伟达的产品质量来比较这两家公司。电脑游戏玩家在选择技术上会表现得非常热情,他们会忠于某一厂商。作为投资者,我们并不关心这些竞争对手。当然,我们可以进行市场调研,确定“哪种CPU最好”。但是,上述问题都可以归结为以下问题:哪家公司能够从内部向投资者承诺致力于开发AI硬件,在外部积极推销这种承诺,并且在盈利时披露相关的结果?

英伟达的联合创始人兼CEO最近告诉Tech Crunch:“有一天,我们可能会转变成一家AI计算公司”。当然,有很多人会在其公司网站上贴满“AI”和“深度学习”的字眼,但是却不“向你展示公司的营收”。在过去的6个月内,英伟达先后两次向我们展示了营收情况,其结果使整条华尔街都为之震撼。是不是存在些许泡沫?如果用挥发性来衡量“泡沫程度”的话,那么其中的泡沫程度会相对较轻。如果询问当前哪家公司看起来对AI的投入最为明显并且还会披露他们的成果,那么答案一定是英伟达。

【编者按:本文转载自AI100;作者:NANALYZE】


原文发布时间: 2017-05-17 17:23
本文作者: NANALYZE
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关实践学习
基于阿里云DeepGPU实例,用AI画唯美国风少女
本实验基于阿里云DeepGPU实例,使用aiacctorch加速stable-diffusion-webui,用AI画唯美国风少女,可提升性能至高至原性能的2.6倍。
相关文章
|
25天前
|
机器学习/深度学习 人工智能 并行计算
GPU如何成为AI的加速器
GPU如何成为AI的加速器
30 0
|
1月前
|
人工智能 缓存 机器人
【2024】英伟达吞噬世界!新架构超级GPU问世,AI算力一步提升30倍
英伟达在加州圣荷西的GTC大会上发布了全新的Blackwell GPU,这款拥有2080亿个晶体管的芯片将AI性能推向新高度,是公司对通用计算时代的超越。Blackwell采用多芯片封装设计,通过两颗GPU集成,解决了内存局部性和缓存问题,提供20 petaflops的FP4算力,是上一代产品的5倍。此外,新平台降低了构建和运行大规模AI模型的成本和能耗,使得大型语言模型推理速度提升30倍。黄仁勋表示,Blackwell标志着AI算力在近八年内增长了一千倍,引领了技术边界拓宽的新趋势。
|
3月前
|
人工智能 弹性计算 Ubuntu
【Hello AI】安装并使用Deepnccl-多GPU互联的AI通信加速库
Deepnccl是为阿里云神龙异构产品开发的用于多GPU互联的AI通信加速库,能够无感地加速基于NCCL通信算子调用的分布式训练或多卡推理等任务。本文主要介绍在Ubuntu或CentOS操作系统的GPU实例上安装和使用Deepnccl的操作方法。
|
3月前
|
人工智能 弹性计算 数据安全/隐私保护
带你读《弹性计算技术指导及场景应用》——1. 用AI唤醒老照片里的记忆(GPU版)
带你读《弹性计算技术指导及场景应用》——1. 用AI唤醒老照片里的记忆(GPU版)
|
3月前
|
弹性计算 人工智能 物联网
带你读《弹性计算技术指导及场景应用》——2. 三张搞定AI形象照,开启GPU即刻体验
带你读《弹性计算技术指导及场景应用》——2. 三张搞定AI形象照,开启GPU即刻体验
|
3月前
|
人工智能 弹性计算 安全
【Hello AI】GPU容器共享技术cGPU
GPU容器共享技术cGPU是阿里云基于内核虚拟GPU隔离的容器共享技术。即多个容器共享一张GPU卡,从而实现业务的安全隔离,提高GPU硬件资源的利用率并降低使用成本。
【Hello AI】GPU容器共享技术cGPU
|
3月前
|
人工智能 算法 网络协议
【Hello AI】AI通信加速库Deepnccl-实现更高效的多GPU互联通信
Deepnccl是为阿里云神龙异构产品开发的一种用于多GPU互联的AI通信加速库,在AI分布式训练或多卡推理任务中用于提升通信效率。本文主要介绍Deepnccl的架构、优化原理和性能说明。
|
3月前
|
人工智能 机器人 Serverless
魔搭大模型一键部署到阿里云函数计算,GPU 闲置计费功能可大幅降低开销
魔搭大模型一键部署到阿里云函数计算,GPU 闲置计费功能可大幅降低开销
580 2
|
4月前
|
机器学习/深度学习 存储 弹性计算
阿里云GPU云服务器有哪些版本
阿里云GPU云服务器有哪些版本
|
4月前
|
机器学习/深度学习 人工智能 弹性计算
阿里云GPU云服务器有哪些方案
阿里云GPU云服务器有哪些方案