Google很強，但在AI硬件市場，它真不是Nvidia的對手

本文作者：劉偉

2017-05-27 08:34

導(dǎo)語：Nvidia的真正競爭更可能來自芯片公司。

雷鋒網(wǎng)按：即使強如谷歌，短時間內(nèi)也無法從Nvidia口中奪過AI硬件市場這款肥肉。

圖形芯片制造商Nvidia的股價在過去一年時間里翻了三番，其GPU如今已經(jīng)成了AI領(lǐng)域最受歡迎的深度學(xué)習(xí)主流平臺。Nvidia的GPU原本是為生成電腦游戲和仿真圖形而設(shè)計的，如今卻被用來處理擁有數(shù)百萬條數(shù)據(jù)的，大型深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練中的密集計算部分。

上周Google在其年度開發(fā)者大會上，推出了第二代Tensor處理單元——Cloud TPU。據(jù)雷鋒網(wǎng)了解，這是一款用于加速Google使用的深度學(xué)習(xí)數(shù)學(xué)模型的定制化芯片。Google于兩年前將第一代TPU引入了它的服務(wù)器基站，并于去年正式對外發(fā)布。第一代TPU只能處理深度學(xué)習(xí)的推理部分，運行已經(jīng)訓(xùn)練有素的模型。Google表示，Cloud TPU比Nvidia的商用GPU更適合用于深度學(xué)習(xí)訓(xùn)練。

據(jù)雷鋒網(wǎng)了解，Google希望未來能夠通過Google Cloud向其他公司提供其AI硬件。此外，Google還計劃為開展公開AI研究的研究人員提供1000個Cloud TPU。不過，這些Cloud TPU的真正用意，似乎是為了增強Google cloud的具競爭力。在云服務(wù)市場，亞馬遜和微軟兩大巨頭已經(jīng)將Google遠遠甩在了身后，Google不得不全力尋求差異化競爭。

Cloud TPU對Nvidia的影響的是雙重的。一方面，Nvidia目前在AI硬件這片新興市場仍占據(jù)著主導(dǎo)地位，Cloud TPU則給了開發(fā)者更多的選擇。另一方面，Google 上周發(fā)布Cloud TPU時透露，其公司內(nèi)部仍然很依賴Nvidia的GPU，而且其云服務(wù)也將支持Nvidia的下一代GPU Volta。

綜合考慮，我認為Google未來在AI硬件市場將遭遇嚴峻挑戰(zhàn)，主要原因有二：

Cloud TPU的局限性

首先，Cloud TPU將用戶鎖定在了TensorFlow框架以及Google Cloud云服務(wù)中。

伯恩斯坦研究公司高級分析師史蒂西·拉斯貢（Stacy Rasgon）說道：

“如果你使用的是TensorFlow框架，那么Cloud TPU很棒。但如果你不想使用TensorFlow框架呢？Nvidia的優(yōu)勢在于你不會被它的服務(wù)鎖住，這一點很重要?！?/p>

Nvidia的GPU在Google、亞馬遜、微軟和IBM等主流云服務(wù)廠商的云端都是可用的。開發(fā)者們可以根據(jù)自己的喜好自由選擇，并隨時更換云服務(wù)廠商。此外，Nvidia還對其硬件進行了優(yōu)化，能夠運行Caffe、Torch和PaddlePaddle等多種深度學(xué)習(xí)框架。AI市場目前還很年輕，誰也不知道哪種框架會最終勝出。因此，將自己束縛在Google的TensorFlow框架中，對任何一家公司來說都是冒險。

AI創(chuàng)業(yè)公司Clarifai的創(chuàng)始人兼CEO Matt Zeiler表示：

“很明顯，Cloud TPU是Google吸引你使用Google Cloud，并將你鎖定其中的一種策略?！?/p>

雖然學(xué)術(shù)圈可以免費使用Cloud TPU，但只能使用TensorFlow框架這一限制，使其魅力大打折扣。加州大學(xué)伯克利分校副教授Alexei Efros在一封電子郵件中說道：

“對我們而言，使用Cloud TPU的最大阻力就在于它只能運行TensorFlow。因為我的實驗室中用到了很多不同的軟件包，PyTorch似乎最受歡迎。Nvidia Titan X目前仍是我們的主力平臺，至于未來，我們拭目以待吧”。

即便對于那些已經(jīng)全面采用TensorFlow的創(chuàng)業(yè)公司，阻力依然存在，那就是如何獲得Cloud TPU。AI創(chuàng)業(yè)公司Bonsai的聯(lián)合創(chuàng)始人兼CEO Mark Hammond表示：

“我們的項目建立在TensorFlow框架之上，因此Cloud TPU肯定是我們正在探索的。任何使AI基礎(chǔ)架構(gòu)更好、更快、更便宜的事物，都是Bonsai和Bonsai的客戶樂見其成的。”

Google不出售芯片

Google的另一大軟肋在于，它不會像Nvidia那樣直接向客戶出售芯片。Zeiler表示，很多深度學(xué)習(xí)創(chuàng)業(yè)公司都喜歡用自己的硬件訓(xùn)練，因為在云端存儲大量訓(xùn)練數(shù)據(jù)的成本可能非常高昂。比如Clarifai就選擇購買Nvidia 的GeForce游戲顯卡，在自己位于新澤西州的數(shù)據(jù)中心訓(xùn)練神經(jīng)網(wǎng)絡(luò)。Zeiler說道：

“我們之所以使用自己的硬件和GPU訓(xùn)練，就是因為它成本更低，尤其是考慮到我們擁有龐大的實驗量和數(shù)據(jù)集。”

Nvidia的真正競爭更可能來自芯片公司。目前，數(shù)十個AI芯片創(chuàng)業(yè)公司正冉冉升起，英特爾甚至為了收購頂級芯片創(chuàng)業(yè)公司Nervana，耗資超過4億美元。

Zeiler表示，隨著時間推移，TPU可能會影響到GPU市場，但影響力不僅僅來源于Google，畢竟其他芯片制造商不會干坐著。

AI芯片創(chuàng)業(yè)公司Cerebras Systems的聯(lián)合創(chuàng)始人兼CEO Andrew Feldman認為，Nvidia最大的問題在于，GPU是為生成圖形而非處理AI算法所設(shè)計的。Feldman說道：

“我不認為GPU很適合機器學(xué)習(xí)，它只是比英特爾的CPU更好而已。不過GPU在過去25年間針對不同問題進行了優(yōu)化?！?/p>

Nvidia也意識到了這一點。因此它在最新的圖形芯片架構(gòu)中加入了專門的Tensor Cores計算核心。Tensor Cores針對利于深度學(xué)習(xí)操作的數(shù)學(xué)運算進行了優(yōu)化。有了Tensor Cores之后，Nvidia的GPU越來越像專業(yè)的AI處理器了，而不僅僅是用于生成圖形的工具。Nvidia加速計算副總裁Ian Buck說道：