遊戲宅男的AI逆襲
本文系華創資本(微信ID:ChinaGrowthCapital)授權i黑馬發布
盡管PC遊戲還有不小的市場空間,但運用顯卡上的技術,Nvidia在人工智能領域展現出了巨大的優勢。
時至今日,Nvidia聯合創始人Chris Malachowsky還經常會在加州聖何塞一家Denny's餐館里吃香腸煎蛋卷、喝焦糖咖啡。有趣的是,23年前的1993年4月,就是在這個臟亂不堪的餐館里,三個年輕的電氣工程師Chris Malachowsky,Curtis Priem和Jen-Hsun Huang(黃仁勛)創辦了一家公司,他們致力於制造專門的芯片,能夠為視頻生成更快、更逼真的圖表及圖形。
聖何塞的東部是周邊城鎮中治安最差的區域,在Denny餐廳的前面甚至布滿了子彈的彈孔,這是一些人和巡警車對射留下的。但是沒有人能夠想到,三個人這次的咖啡之約為一家偉大公司的未來種下了基礎,它將在21世紀初以與英特爾在20世紀90年代相同的方式來對“計算”做出定義。
A16Z:“我們會把所有的錢都投入Nvidia”
“1993年是沒有市場的一年,但是我們從中看到了一股浪潮。”Malachowsky說,“加州每年有一個著名的沖浪比賽,在五個月的時間里,當組織者看到某種類型的波浪現象時,他們會告知所有的沖浪者迅速在加州集合,因為兩天內會有一個大的波浪出現。那就是我們所說的市場。我們可以開始著手準備了。”
Nvidia三位聯合創始人所看到的是所謂的圖形處理器單元或GPU的新興市場,這些芯片通常作為插入PC主板的顯卡出售,它們可以提供速度超快的3D圖形。Nvidia有很多款著名的顯卡,如“Titan X”或“GeForce GTX 1080”等等,這些顯卡的售價高達1,200美元,它們在當時為Nvidia貢獻了近一半收入來源。
Nvidia CEO Jen-Hsun Huang(黃仁勛)
盡管PC遊戲有著巨大的市場空間,但運用顯卡上的技術,Nvidia在人工智能領域展現出了巨大的優勢。以深度學習為例,Nvidia可以使計算機獨立發揮自己的能力,程序員再也不必手動編寫所有的代碼,並且計算機在圖像和語音識別等領域表現出了無與倫比的準確性。
像谷歌、微軟、Facebook和亞馬遜這樣的技術巨頭正在為它們的數據中心購買更多的Nvidia的芯片。同樣地,美國一些大的醫院也正在使用Nvidia的芯片來查找醫學圖像中異常的部分,如CT掃描。特斯拉最近宣布將在其所有的汽車中安裝Nvidia的 GPU,以實現無人駕駛。這些事實都確切表明了Nvidia在市場上的地位不容小覷。
“在Nvidia的歷史上,我們從來沒有處在如此重要的地位。這可以歸功於我們做了一件非常成功的事情,即所謂的GPU計算。”黃仁勛在加利福尼亞州的聖克拉拉的Nvidia總部說道,當時他穿著他具有標誌性的全黑色系服裝:黑色皮鞋、黑色牛仔褲、黑色polo衫和黑色皮夾克。
全世界目前總共大約有超過3000家AI創業公司,其中絕大多數是在Nvidia的平臺上發展起來的, 它們使用Nvidia的GPU將AI應用於股票交易、在線購物以及無人機導航。
矽谷著名VC機構A16Z合夥人Marc Andreessen說:“我們一直在投資將深度學習應用到各個領域的創業公司,這些創業公司幾乎都在利用Nvidia的平臺。這就像很多公司上世紀90年代依賴Windows那樣,或是在2000年代末依賴iPhone那樣。”
A16Z合夥人Marc Andreessen
Andreessen說:“A16Z有一個內部路演:如果我們是對沖基金,看看我們自己將投資哪些上市公司,結論是我們會把所有的錢都投入Nvidia。”
Nvidia在GPU領域具有絕對的主導地位,它占有超過70%的市場份額,並且在新興市場上的擴張已經使其自己的股票飆升。Nvidia的股票在過去12個月中增長了近200%,在過去五年中增長了500%,這個表現為黃仁勛帶來了近24億美元的財富。
將深度學習的關鍵難題一舉擊破
其實在多年前,黃仁勛就認為Nvidia的芯片具備更大的潛力,而不僅僅只是應用在電子遊戲上,但他當時並沒有將公司戰略方向轉到“深度學習”上去。自20世紀60年代以來,深度學習一直被應用於學術領域,而在80年代和90年代取得了重大進展。 但有兩個因素妨礙深度學習取得更大的突破:如何獲取數據、怎樣提高計算所需數據量的能力。
互聯網解決了第一個問題:幾乎所有的數據只需要每個人動動手指頭即可獲得,但計算能力的達成仍然遙不可及。
從2006年開始,Nvidia發布了一個名為CUDA的編程工具包,這個工具包允許編碼器可以自由地對屏幕上每個像素進行編程。在CUDA發布之前, GPU的編程對於編碼人員來說是一個令人難以置信的痛苦的過程,他們必須編寫大量低端的代碼來完成對像素進行陰影、反射、照明以及透明度的渲染。
而Nvidia花費了多年時間開發出來的CUDA,它具備了一種高級編程語言,就像Java或C ++那樣。使用CUDA這種工具,研究人員可以更快捷以及成本更低地開發他們的深度學習模型。
2012年,一位多倫多大學的學生對深度學習的鼻祖Alex Krizhevsky提出了一些有參考性的建議:深度學習團隊應當由來自世界各地的人員構成,這樣才能深刻地了解他們的軟件如何準確地識別圖像中的對象和場景。在Krizhevsky的臥室里,他構建了一個深度學習的神經網絡,由兩個Nvidia GeForce遊戲卡提供動力。這個模型實現了以前從未有過的準確性,計算錯誤率只有15%,這與上一年的25%左右的數字相比有了巨大的飛躍。
隨著這些可喜的結果出現,深度學習開始如野火一般蔓延。除了谷歌以外,前瞻性的深度學習研究項目開始在微軟,Facebook和亞馬遜等公司深度開展。Nvidia決定使用CUDA大力投資於底層軟件生態系統,這是深度學習轉變的關鍵性推動因素。
Nvidia目前已經對“深度學習”的硬件進行了越來越完備的優化。它采用了最新的服務器芯片Tesla P100,並將其中的8個放入DGX-1,一個3英尺長,5英寸薄的矩形容器,Nvidia稱其為“世界上第一個放在盒子里的AI超級計算機。”這臺價值130,000美元的機器具備170 teraflops的性能,這可以與250臺傳統服務器相匹敵。今年8月,黃仁勛親自將第一臺機器交給了Elon Musk以及他的舊金山AI非營利組織OpenAI。
黃仁勛將全球首臺 AI 超級電腦系統NVIDIA DGX-1送交到OpenAI
乒乓球運動員黃先生如何擊敗追趕者
黃仁勛身上具備的競爭精神自他童年時期就已經顯現出來。1963年他出生於臺灣,10歲的時候他來到美國肯塔基州東部農村一個貧困的寄宿學校,最終在這里度過了他極為艱苦的青少年時期。黃仁勛將主要精力放在了乒乓球上,1978年,他在美國乒乓球公開錦標賽中取得了青少年雙打第三名的成績,當時年僅15歲。
黃仁勛和馬斯克
黃仁勛在高中時期,對電腦產生了濃厚的興趣,最後他來到俄勒岡州立大學學習計算機科學和芯片設計,在那里,他遇到了他未來的妻子。畢業後,他們搬到了矽谷,在那里黃仁勛開始他的第一份工作,為英特爾的競爭對手AMD設計芯片。之後他繼續進行深造,1992年在斯坦福大學獲得電氣工程碩士學位。後來他遇到了Malachowsky和Priem,他們倆當時都在Sun公司工作。
那年30歲的黃仁勛開始創立一家芯片公司,他看到了一個巨大的機會,首先在基本的計算機程序中的圖形處理器上取得一些進展,然後在PC上提供可供人們利用的一些東西。
最終,Nvidia設計的第一個芯片NV1於1995年發布,這款芯片在開發過程中花費了1000萬美元,不幸的是,NV1沒有贏得太多客戶的青睞。Nvidia當時僅僅成立兩年,由於這件事幾乎破產,被迫裁員一半。但Nvidia的第三款芯片——在1997年發布的RIVA 128,被證明是突破性的成功,它比其他任何的圖形處理器的速度都要更快。由於這款產品的出現,Nvidia得以繼續生存下去。
Nvidia的成功產生了重大影響,也“培養”了幾大重量級競爭對手,例如Nvidia最重要的客戶谷歌。
在2016年5月的年度開發者大會上,谷歌宣布已經構建了一個名為Tensor處理器單元的定制芯片,該芯片是為TensorFlow及其深度學習框架量身定制的。谷歌表示,它已經為其數據中心配備了這些芯片,以改進谷歌地圖的功能以及其他的一些設備。
類似地,另一個Nvidia的大客戶微軟正在為其數據中心制造自己的產品:被稱為“現場可編程門陣列(或FPGA)”的定制芯片,它可以自己進行再編程,並已被證明對AI應用非常有幫助。
除此之外,Nvidia最大的競爭對手自然是英特爾。在智能手機上失利之後,英特爾想盡一切辦法不願錯過深度學習這片藍海。由於缺乏自身先進的人工智能研究,英特爾已經開始一股收購狂潮,最近英特爾購買了兩家AI芯片創業公司:Nervana和Movidius。
Nvidia目前的芯片還不能完全取代Intel處理器,他們只能產生一種加速作用。但英特爾顯然更願意它的客戶使用他們自己開發的硬件。2017年,英特爾計劃推出針對深度學習優化的服務器芯片,即新的Xeon Phi處理器。通過在Nervana團隊中獲得的技術,英特爾聲稱,它可以在2020年之前加速深度學習網絡100次。
Nvidia的優勢在於已經有了一個良好的開端,但它不能完全松懈下來。多年來,Nvidia一直處於市場的最前沿,而現在各大競爭對手正蜂擁而至。
黃仁勛說:“ AI計算是計算領域的未來,只要我們繼續讓Nvidia平臺成為AI計算的最佳平臺,我們就能夠在競爭中贏得大量的業務,而GPU幫助我們超越其他所有的公司。”