9 月 7 日，由中國工程院信息與電子工程學部主辦、海潮團體承辦的 AICC 中國人工智能盤算年夜會在北京舉辦，國內外數十位著名專家分享了 AI 在互聯網、云盤算、超算等浩瀚行業的立異實例。在現場，機械之能采訪到英偉達全球副總裁暨中國區企業事業總司理沈威，與其就以后人工智能芯片市場和英偉達的底氣睜開了商量，沈威表現：「除 GPU 生成合適深度進修這一義務之外，英偉達的 CUDA 盤算平臺是決勝的癥結。」

弗成否定，GPU 為深度進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，深度進修技巧公用芯片之爭也愈發熾熱。芯片巨子英特爾年夜量收買人工智能相干公司，研發人工智能公用芯片，站臺 FPGA，并已與許多垂直范疇的企業停止協作；谷歌研制了基于硬件界說編程架構的 TPU；曾是英偉達主要客戶的微軟也開端為本身的數據中間研發基于 FPGA 的可反復編程 AI 芯片。另外，一些專業的人工智能公司，如科年夜訊飛等，也在研發合適本身營業的公用芯片。

GPU、FPGA、ASIC 是 AI 芯片市場打得熾熱的三種架構，個中 GPU 是以后的主流。與 CPU 比擬，GPU 在硬件架構上具有更多的盤算單位，使其成為 AI 芯片的自然選擇；FPGA 即現場可編程門陣列，是一種軟件界說的架構，開辟者可以經由過程編程界說片上單位的功效；ASIC 代指為專門目標而設計的集成電路，將功效燒制到芯片上，合適較為穩固的處理計劃，且產物進級難度較年夜，但功耗較低。今朝，FPGA 和 ASIC 還處于實驗階段，有才能應用 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占據，生態的構建其實不輕易，FPGA 與 ASIC 的 AI 之路也任重而道遠。

在其他廠家積極開辟新疆場時，英偉達依然深信「 GPU 生成合適深度進修義務」。9 月 7 日，英偉達全球副總裁、中國區企業事業總司理沈威在 AICC 上與機械之能就這一話題停止了評論辯論。沈威以為，英偉達 CUDA 運算平臺是癥結，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。

以下為采訪實錄，機械之能做了不轉變原意的整頓：

人工智能芯片疆場愈發熾熱，豈論芯片廠商照樣AI范疇的垂直公司都在試圖搶占市場。這是能否英偉達的AI計謀形成影響？如今再提GPU是深度進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、深度進修這件工作都異常認同。不外我們在高機能運算、人工智能范疇曾經投入了許多年，具有先發優勢。從汗青的成長來看，深度進修為何要用英偉達的 GPU？由于深度進修與高機能盤算關系異常親密，深度進修義務中觸及到年夜量的運算，這是英偉達異常善于的工作。

適才我們說的是硬件方面，硬件許多半導體廠商都在做。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，到如今曾經是第 9 代，CUDA 將 GPU 的高機能運算才能開放給普通的法式員。固然半導體工藝是與時俱進的，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修的海潮。這就直接答復了你的成績。豈論哪家公司，能夠他們在市場上也曾經有很長時光了，但我小我以為，它的編程說話還不克不及針對數據中間的海量數據停止更方便地編程。年夜家能夠看到，在深度進修時期，英偉達停止了一次面向人工智能的轉型，但其實我們早已鋪墊好相干才能。

如今GPU、FPGA、ASIC這三種架構都能完成深度進修義務，你對這三種架構的好壞勢作何評價？

深度進修重要分為線下練習和線上推理，今朝在線下練習用戶無一破例地都在應用 GPU 加快他們的練習進程。不只僅是由于 GPU 的運算速度快，更主要是英偉達樹立了一個完美的生態體系，我們供給了很多 SDK 來加快一切深度進修框架，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用 Tesla P4 做線上推理，包含科年夜訊飛。

現實上，深度進修遠沒有成熟，天天都在變更演進、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的通用芯片同日而語。FPGA 的生態體系才方才開端，途徑還很漫長。

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

GPU 生成處理深度進修成績，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。英偉達愿望在 GPU 最善于、最深耕的視覺運算上發力，是以英偉達在主動駕駛和嵌入式端結構了兩種產物。其他范疇我們也異常地看好，金融、醫療、制作是國際外迸發增加的幾個 GPU 運用點，在這些范疇我們有許多的協作同伴。英偉達處在全部 IT 生態圈中，我們必需要跟分歧行業的公司停止協作。

今朝英偉達的生態圈中，有哪些比擬堅實的協作同伴？

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

這些協作同伴做得都很好，由于深度進修才方才開端，很少有人在用過 CUDA 開辟情況以后說不愛好英偉達。由于你弗成能本身從零開端寫一些函數庫、優化庫，我卻是很獵奇，不消英偉達的人他們要怎樣做。深度進修處理計劃供給商們在算法和數據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或高校試驗室不克不及累贅年夜范圍的GPU集群，英偉達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，會和許多高校協作教導、培訓相干的項目，如今異常多高校在他們的盤算中間外面有 GPU 集群，而且我們也有協作開設相干課程。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用到了英偉達異常多 GPU，所以他們也供給異常多基于 GPU 的計劃。關于不想本身買裝備的廠家來講，我認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、新的始創公司。