英伟达VS谷歌 人工智能芯片的王者之战 结局会如何

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

为了在人工智能市场抢占更大的份额，英伟达和 Alphabet 这两家公司结成了意想不到的对手。到目前为止，Alphabet 一直在谷歌云平台使用英伟达的 GPU 加速其各种 AI 应用，但现在看来，这家巨头很是有意自己单独切入这块有着巨额利润的空间。

就让我们仔细看看英伟达和谷歌在人工智能上的渊源，以及可能产生的影响。

谷歌揭幕 TPU 第二代，在谷歌云平台构建机器学习超级计算机

Alphabet 在去年谷歌 I/O 大会上推出了自己的 AI 芯片——张量处理器 TPU。TPU 被广泛用于各种应用，包括优化搜索和语音识别的结果，在 Alphabet 的数据中心里也有使用。

与此同时，谷歌也在云计算平台使用英伟达的 Tesla GPU，帮助用户训练模型。例如，2016 年 11 月，英伟达就对外公布了，谷歌选择使用英伟达的 Tesla P100 GPU 和 K80 加速器为谷歌计算引擎(Google Compute Engine)和谷歌云机器学习用户提供 AI 服务。

但是，在今年 5 月 I/O 大会上，谷歌推出第二代 TPU，并且通过云服务供用户使用，此举震惊了科技界。在今年 4 月发布的一篇官方博文中，谷歌表示 TPU 比当前的 CPU/GPU 速度快 15~30 倍。

第一代 TPU 只加速推理，但现在第二代 TPU 新增了训练的功能。不仅如此，谷歌的用户还能通过专门的网络，在云端利用 TPU 构建机器学习的超级计算机。

事实上，谷歌宣布自己已经成功将某些 AI 模型的训练时间缩短到几个小时，以前这样的模型用市售 GPU 需要一天时间来训练。

到今年年底，当谷歌 TPU 推出时，这可能意味着谷歌和英伟达在 AI 芯片上关系的终结。

英伟达：用开源来反击

英伟达的回应是，谷歌在比较 TPU 相对于 GPU 的速度时，没有与最新的 Pascal 架构比较，而是选择了较早的 Kepler GPU。

此外，英伟达也没有闲着，宣称即将上市的 Volta GPU 加速深度学习的性能会更好。

实际上，英伟达不仅仅定位于硬件供应商，这家公司正在开发一个名叫英伟达 GPU 云(NVIDIA GPU Cloud，NGC)的服务，将配套提供 GPU(比如英伟达基于 Volta 的 Tesla V100)和英伟达深度学习库。

英伟达采取了与谷歌不同的方式，专注将 AI 计算力作为平台即服务(platform-as-a-service)来提供。

谷歌不会对外出售 TPU，而是用 TPU 驱动自己的Google Compute 平台。因此，英伟达目前还无需担忧失去谷歌这一客户。另一方面，Volta GPU 平台已经开始具有商业吸引力，亚马逊已确定在今年晚些时候 V100 芯片上市后立即购入。

英伟达的另一个优势在于，谷歌还没有决定要开源 AI 框架，因此 TPU 的用户被锁定在谷歌的平台上。而英伟达支持各种不同的云平台，包括亚马逊、微软、谷歌、IBM，给了用户在云服务供应商(CSP)方面更多的选择。

此外，英伟达 CEO 黄仁勋还出了一个狠招，他在公司官方博文中写道，要开源英伟达的深度学习加速器。“不需要再来人投资打造会推理的 TPU，我们这里免费提供——由世界上最好的芯片设计师设计。”

相对于局限在谷歌云服务中的 TPU，英伟达的开源让其产品成了 CSP 巨头，比如亚马逊和微软的选择。同时，谷歌云平台还不如亚马逊和微软的云平台那么成功，而这也将限制谷歌云平台的发展。