让图形芯片像人类一样思考

　Nvidia处理器推动深度学习领域取得突破

　　“他们的并行处理架构在处理日益增多的工作量时具有先天优势”

　　在追逐外星人或与敌军战斗时，电脑游戏玩家渴望体验逼真的画面，长期以来Nvidia微处理器都是他们的最佳选择。在阿里巴巴、Facebook、谷歌和微软等公司，这些功能强大的半导体有了全新的应用领域。Nvidia的图形芯片可支持语音识别系统、开发基因疗法的软件和利用卫星照片绘制详细地图的程序。

　　在谷歌位于伦敦的DeepMind实验室，研究人员利用数千个Nvidia K40图形处理器（每个价值3000美元），训练电脑学习围棋这种古老的棋盘类游戏。2015年，DeepMind的机器人以5:0的战绩完胜欧洲围棋冠军，被誉为人工智能领域的里程碑。

　　人工智能与传统软件相比最大的优势在于，它可以在没有人类程序员的帮助下学习和提高能力：一款专门从随机图像中找出汽车的人工智能程序，分辨的照片越多，识别精度就越高。图形处理单元(GPU)非常适合完成这类图像识别任务，因为GPU可以同时进行数千次简单运算。相比之下，英特尔制造的标准中央处理器虽能够以极快的速度进行更复杂的计算，但是在运行多个并行任务时存在局限。

Nvidia的tegra 4芯片

　　图形芯片应用于人工智能的概念在2012年取得了极大进展，当时多伦多大学的研究团队使用Nvidia的GPU开发的图像分类系统荣获奖项。这个突破得益于该芯片制造商对CUDA编程语言的支持，让开发人员把GPU用于图形计算以外的目的。Nvidia公司表示，现在把GPU用于人工智能和数据分析的企业和组织大约有3500家，远远高于几年前的100家。

　　从谷歌搜索到自动驾驶汽车，人工智能在各个领域发挥着作用，这是“我们对Nvidia的数据中心业务持乐观态度的一个原因”，小型投资银行B.Riley分析师克雷格·埃利斯(Craig Ellis)说，“他们的并行处理架构在处理日益增多的工作量时具有先天优势，其中包括人工智能领域。”

　　对Nvidia来说，数据中心还是相对较新的领域，该公司每年50亿美元的营收大多来自PC图形业务。虽然电脑游戏玩家不断花大价钱购买功能更强大的组件，带动了Nvidia业绩小幅增长，但这家公司依然需要应对PC产品销售额连续四年低迷的状况。“我们的GPU业务现在从软件开发转向超大规模数据中心生产，这非常令人兴奋。”Nvidia首席执行官Jen-Hsun Huang说。他认为，企业如果找到在业务中应用人工智能的办法，就会购买大量GPU。不过，考虑到全世界超过99%的服务器都使用英特尔Xeon处理器作为核心配置，要想挖英特尔的墙角可能会很难。

　　Nvidia也将面临Movidius和Nervana等初创企业的竞争，这些企业都在开发人工智能优化芯片。Nvidia首席科学家比尔·达利(Bill Dally)说，有些大公司现在希望开展同样的业务，但是它们并未构成威胁。“Nvidia实际上早就看好这类计算业务，他们在市场形成前就投资了这个领域。”Facebook人工智能研究项目总监塞尔坎·皮安蒂诺(Serkan Piantino)说。Facebook使用了数千个Nvidia GPU，为人工智能提供助力。仍在密切关注新进展的皮安蒂诺说，“未来一年，将有很多前景光明的产品出现。”