​2020年,英伟达AI芯片面临大挑战

GPU厂商英伟达主导了互联网数据中心和云计算中使用的人工智能芯片市场。但是展望来年,英伟达的股票面临更大的压力,因为2020年,他们肯定会面临来自处理器巨头英特尔等公司的人工智能芯片的竞争。

分析师说,在人工智能芯片市场正在发生变化,类似英特尔这些公司正在开拓新的方式与英伟达抗衡,齐总您和在12月中旬以20亿美元的价格吞并了另一家人工智能初创公司Habana Labs。另外,还有一波新兴公司,例如Graphcore,Mythic,Wave Computing和SambaNova Systems等也对这个市场虎视眈眈。

同时,Amazon.com在11月的re:Invent会议上推出了自主研发的AI芯片。Amazon Web Services计划将这个被称为“ Inferentia”的芯片用于其自己的云计算服务。另外,Alphabet的Google,Microsoft和Facebook也都是专用AI芯片的入局者。

分析师说,数据中心和云计算服务中使用的人工智能软件类型的转变将为更多竞争打开大门。

Tractica分析师阿迪亚·考尔(Aditya Kaul)表示:“展望2020年,可能会有更多的AI芯片公司开始出货,出货量也会增加,英伟达将面临前所未有的挑战”。

人工智能芯片市场蓬勃发展,英伟达领导力受到挑战

英伟达(Nvidia)扎根于计算机游戏,不断改进高端图形处理器,这使其有机会瞄准AI市场。但分析人士说,不断向新型AI软件过渡可能会产生对专用加速器的需求。同时英特尔和一些初创公司正在加快AI芯片的生产,这可能会削弱Nvidia的领导地位。

但其实用于云和企业数据中心的AI芯片市场很大。据Tractica预计,AI芯片市场将从2018年的16.6亿美元增长到2022年的67亿美元,增长幅度高达三倍。

行业最常使用“机器学习” 的AI。机器学习系统使用大量的数据来训练算法来识别模式并做出预测。而英伟达在这个市场拥有领导地位。

Nvidia在训练AI芯片方面占据主导地位。但AMD似乎也开始在市场上获得关注,分析师说。Nvidia的云计算客户处理大量数据以训练AI算法并创建计算模型。

推理创造了对新AI芯片的需求

AI软件的许多新兴业务应用程序都涉及所谓的“推理”的使用。通过推理,AI算法可以处理更少的数据,但可以更快地生成响应。

数据中心主要使用AI芯片进行训练。但是行业观察家希望看到推理AI芯片将更广泛地部署在汽车,机器人和工业物联网应用中。

MLPerf的主席之一大卫·坎特(David Kanter)说:“训练和推理之间有着密切的联系。”,“训练是筛选数据以收集见解并建立模型的过程。推理是在操作上使用该模型。推理可能是翻译文本,推荐网页或产品,在大街上寻找行人,以及许多其他事情。”,David Kanter补充说。

坎特补充说:“从广义上讲,推理解决方案的市场要大得多,范围从智能手机或语音助手等最微小的设备到大型数据中心和自动驾驶汽车。从总体上讲,开发推理处理器的公司要比训练处理器多得多。能很轻松地超过一百。这也是一个很大的市场。数据中心的主要解决方案是标准服务器处理器,但是在未来的一两年中,我们将看到来自许多不同公司的大量加速器进入市场。”

分析人士说,随着云计算有望发展为“ 边缘计算 ”,推理人工智能芯片将发挥更大的作用。

边缘计算将数据处理,存储和网络部署在靠近传感器以及其他数据来源的位置。目标是实时在本地处理和分析数据,而不是将其发送到Internet云中的遥远数据中心。

Tractica表示,包括英特尔在内,共有有70多家公司进入了AI芯片市场。

英伟达:数据中心从推理中提振?

瑞银(UBS)分析师蒂莫西·阿库里(Timothy Arcuri)在最近给客户的一份报告中说:“最终,我们认为英伟达将很难主导推理芯片市场,尤其是在数据中心之外。”

Nvidia在11月报告第三季度收益时表示,推理应用正在为其AI芯片创造需求。英伟达所指出的应用就是“对话式语音AI”,这是语音识别自然语言处理的术语,是推理AI芯片的早期驱动力。

客户服务聊天机器人则是其一种应用程序。

雷蒙德·詹姆斯(Raymond James)分析师克里斯·卡索(Chris Caso)在给客户的最新报告中表示:“(英伟达)第三季度数据中心的增长是由AI训练和AI推理相结合推动的。“尽管数据中心收入由于系统销售下降而同比下降,但是训练和推理均创下了创纪录的销售记录。推理的增长尤其重要,因为多头一直在等待推理获得牵引力两年。”

随着推理应用程序对人工智能芯片的更多需求,英伟达股票处于强势地位。650 Group分析师Alan Weckel说,尽管如此,预计Nvidia会有很多竞争。就目前而言,公司大多将Nvidia的所谓GPU(图形处理单元)用于AI训练应用程序。

但是,“有大量的AI ASIC公司在那里针对数据中心服务器和其他市场,”韦克尔说。

正在开发的新型AI芯片

首先对AI市场发力的是ASIC,ASIC的优点之一:与通用AI芯片相比,它们所需的功耗更少。

亚马逊的Inferentia是新AI ASIC进入市场的一个例子。同时,英特尔现在与Facebook合作开发AI推理芯片。

有望获得市场份额的另一种人工智能芯片是现场可编程门阵列或FPGA。分析师表示,赛灵思(XLNX)和英特尔正在开发专用的AI加速器。初创公司Flex Logix和Achronix Semiconductor也正在开发可编程AI芯片。

尽管竞争加剧,但Tractica的Kaul希望Nvidia能够在一段时间内蓬勃发展。

他说:“由于英伟达强大而灵活的软件平台以及对AI开发人员的粘性,英伟达仍然处于优势地位,并且有可能在一段时间内占据主导地位。”

半导体行业观察
半导体行业观察

最有深度的半导体新媒体,实时、专业、原创、深度,30万半导体精英关注!专注观察全球半导体最新资讯、技术前沿、发展趋势。

产业英伟达AI芯片
相关数据
Amazon机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

http://www.intel.cn/
相关技术
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

聊天机器人技术

聊天机器人是经由对话或文字进行交谈的计算机程序。能够模拟人类对话,通过图灵测试。 聊天机器人可用于实用的目的,如客户服务或资讯获取。有些聊天机器人会搭载自然语言处理系统,但大多简单的系统只会撷取输入的关键字,再从数据库中找寻最合适的应答句。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

Graphcore机构

Graphcore 成立于 2016 年,该公司正在开发一种新型处理器——IPU(intelligent processing unit /智能处理器),可以用来帮助加速机器智能产品和服务的开发。除此之外,该公司还开发了一套可以帮助用户无缝使用 TensorFlow 和 MXNet 等机器学习框架的接口,并为此提供了一个包含工具、驱动和应用库的开源软件框架 Poplar。 其总部位于英国布里斯托,两位联合创始人 CEO Nigel Toon、CTO Simons Knowles 此前还共同创立过市值 4.35 亿美金的 3G 蜂窝芯片公司 Icera,后卖给英伟达。所以在 Graphcore 的创立过程中,Toon 尤其强调其独立性,为避免多轮融资股份被过度稀释,还特意找来了知名投行高盛作为顾问。 与一般的新锐公司不同,Graphcore 自创立之初就底气十足。他们自称,在人工智能学习的反应速度以及低能耗方面,其开发的产品要比目前市场上所有的图像处理解决方案好 10 到 100 倍。CEO NigelToon 曾在采访中提到,希望 Graphcore 能够上市,做到英国最领先的芯片制造商。

相关技术
Xilinx机构

赛灵思作为FPGA、可编程SoC的发明者,一直坐稳全球最大的FPGA芯片供应商头把交椅。赛灵思的产品线覆盖45/28/20/16nm四个系列的FPGA以及Zynq SoC,旗下拥有着超过4400项技术专利、60多项行业第一的技术产品,服务着全球超过60000的客户。赛灵思耗时4年,超过1500名工程师的研发参与,超过10亿美元的研发投资,推出高度集成的多核异构自适应计算加速平台——ACAP!10月赛灵思发布了统一软件平台Vitis,成功“打破软硬件壁垒”。

https://china.xilinx.com/
相关技术
Wave Computing机构

Wave Computing 是一家位于美国硅谷、致力于推动人工智能深度学习从边缘计算到数据中心的计算加速方案的公司。 Wave Computing, Inc正在用它基于数据流驱动架构(Dataflow Architecture)、系统和解决方案对AI深度学习现有的计算架构产生革命性的影响。与传统架构相比,它为AI计算提供了数量级的性能改进。公司的愿景是“为客户提供强大的深度学习计算能力、提升深度学习的速度和效率,无论客户数据是来源于数据中心还是边缘”。Wave将旗下的数据流驱动架构(Dataflow Architecture)和MIPS嵌入式RISC多线程CPU核及IP进行整合,致力于为下一代AI技术的发展提供源动力。Wave Computing被授予Frost&Sullivan 2018年“机器学习行业技术创新领袖”(Machine Learning Industry Technology Innovation Leader),并被CIO应用杂志评选为“Top 25人工智能提供商”(Top 25 Artificial Intelligence Providers)之一。加上MIPS,Wave目前拥有全球数百客户以及超过425项授权和待决专利。

https://wavecomp.ai/
现场可编程门阵列技术

FPGA(Field Programmable Gate Array)是在PAL、GAL等可编程器件的基础上进一步发展的产物。它是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的,既解决了定制电路的不足,又克服了原有可编程器件门电路数有限的缺点。

推荐文章
暂无评论
暂无评论~