GTC 2019,英偉達和它叫不醒的To B夢

 2019-03-24 04:12:20.0

在極度商業化的今天,科技的進步與企業的名字一定是分不開的。

每當我們想要盤點一下AI時代的幸運兒,“英偉達”絕對會自然而然地第一個出現。

原因可能是,它就像通訊時代的AT&T,計算機時代的Wintel,互聯時代的google,和移動時代的蘋果一樣,在全球範圍內統治著自己所在的產業,只要不犯錯,就可以吃著技術和時代的紅利順順噹噹地過上好幾年。

前不久,靠GPU掘到了AI“第一桶金”的英偉達,也迎來了自己的第十個GTC(GPU Technology Conference,即GPU技術峰會)。

這個起源於2009年加州聖何塞的技術會議,最初的重點是通過GPU解決計算挑戰的潛力,十年之後的今天, 英偉達重新找到了擁抱GPU的理由,以期更安穩地逗留在AI的懷抱。

今天,我們不妨通過GTC的技術蝶變,來了解一下英偉達這位“幸運鵝”的幕後推動力,以及我們每個人在這場技術浪潮中,可能擁有的位置。


作為英偉達最重要的技術輸出窗口,每年的GTC都會吸引數万人參加。眾多想在AI風口有所斬獲的弄潮兒們,都試圖第一時間吸一口英偉達的“歐氣”。
GTC也不負眾望,每年的新品都讓AI開發者們化身“尖叫雞”。


比如GTC 2015,NVIDIA發布了地球上最快最強大的單芯遊戲卡GeForce GTX Titan X以及DRIVE PX自動駕駛汽車電腦。前者被遊戲宅門奉為神話,後者讓自動駕駛廠商歡欣鼓舞。


2016年的重頭戲也是新卡和新架構,發布了兩款超大規模數據中心的加速器Tesla P4&P40還加入了當時大火的VR。
也正是在這次會議上, 英偉達正式宣稱——“我們不再是一個半導體公司,而是一個AI Computing Company。”


既然自詡為“AI領軍者”,那麼除了賺錢,自然也要為行業出點力。於是在接下來在2017年GTC大會,我們能看到英偉達開始將重心逐漸轉移到了開發者支持和生態建設上。
當年,就發布了一款支持所有框架的可編程AI 推理加速器NVIDIA TENSORRT3,以及全球首款自主機器處理器Xavier。


從這個時候開始,GTC的畫風就有些變了。從性感的技術會議,變成了“生態孵化中心”和“帶貨專場”,也不過兩年多的時間。


GTC 2018就被評為“缺乏創新”。觀眾們沒能在這場峰會上看到萬眾期待的新硬件設備和革命性顯卡,倒是“便宜大碗”的TESLA T4一再被強調, 現場演示了TESLA T4容器化運行AI任務的多種效果,彷彿是一次“庫存招商會”。還沒幾個月前在圖形學會議SIGGRAPH上推出的“Turing(圖靈)”架構和Quadro RTX專業顯卡驚艷呢。


今年按照咱們中式思維,十週年這麼重要的日子, 怎麼也得發佈點逆天神器找回排面吧?結果“老鐵,要卡麼”的故事又一次上演了。
在剛剛結束的GTC 2019,英偉達依然選擇了“滅嗨”的產品矩陣—— 沒有炫技,沒有歡呼,只有穩定可靠便宜的企業級硬件。


核心的三款產品: “RTX SERVER”,實際上就是在一個8U的機箱內塞進了40張T4加速卡,針對大規模的圖形渲染需求,甚至能夠作為雲遊戲的雲端處理節點。


“Data Science Server(數據科學服務器)”,採用了兩套英特爾頂級平台帶4張英偉達T4加速卡的結構,提供260TFlops的半浮點運算能力。


針對自動駕駛的全新虛擬運算平台 “DRIVE CONSTELLATION(DRIVE 星座)”
一層是英偉達現有的自動駕駛運算平台,
一層是有8張T4加速卡的機箱,是用來負責生成虛擬逼真環境的。


眾所周知,TESLA家族中的“4”系列向來都是極為高效的企業級產品,具有比較強的性價比。顯然,這就是個由T4構成的面向企業級應用的排列組合,個人粉絲們還是洗洗睡吧。


放棄C端擁抱B端,成了本屆GTC的潛台詞,也清晰地展示了英偉達的態度——
不能變現的技術都是耍流氓。
對此,我們很難簡單粗暴地下一個結論,質疑它的創新能力。畢竟在技術的進化歷程中,大企業的戰略選擇往往展現著當下的關鍵問題。


我們更想了解的是,英偉達真的到了不得不轉型的節點嗎?它的變化又會給這次AI技術浪潮帶來哪些影響?


好風憑藉力:從“遊戲宅”到“AI霸主”的角色變幻


想要看懂英偉達的未來,或許有必要先梳理一下,它是怎樣一步步走到今天的。


簡單起見,我們將英偉達的發展通過兩個關鍵的時間轉折點串聯起來。
一個是從遊戲到AI的時來運轉,這造就了它兩年八倍的增長神話;
第二個是從製造到產業的身份更迭,這決定了它未來的加速度。


轉折一:從遊戲到AI的弄潮兒

作為一家1993年成立的芯片公司, 直到2012年前後漫長的一段時間裡,英偉達最為人熟知的角色,還是遊戲宅們的“錢包絞肉機”。


1993年,時任Coreware主管的黃延勳和來自太陽微電子的工程師克里斯·馬拉考斯基,以及圖形芯片設計師柯蒂斯·普里姆,一拍即合地認為,下一波計算的正確方向將是基於圖形加速的。這種模式可以解決通用計算根本無法解決的問題,其中,電子遊戲是最具挑戰性的計算問題,也是最有“錢”景的方向,於是只用了4萬美元,英偉達就開張了。


此後,英偉達的GPU就一直在和Intel、AMD等老牌CPU暗搓搓地搶份額。 直到1998年RIVA TNT的發布,高超的圖形渲染能力一舉奠定了英偉達在GPU領域的聲譽。第二年,GeForce 256(Nv 10)在車載技術中的圖像加速表現大大超過了市面上的所有產品,並開始拿下了大筆大筆的硬件訂單。微軟的Xbox遊戲主機,更是直接打給了NVIDIA兩億美元的預付款。2004年,英偉達還協助索尼設計了PlayStation 3遊戲控制台。


此後的數年裡,英偉達收購了不少圖形領域的公司,以加強自己在遊戲渲染硬件上的優勢。 毫不誇張地說,這期間的英偉達只有兩個對手,
一個是它自己,能否不斷讓粉絲發出“鵝妹子嚶”的尖叫

一個是美國法律,2006年,英偉達就被美國司法部調查了關於可能反壟斷GPU行業的違規行為。


不過儘管如此,英偉達的業績增長依然是漸進式的。比起科技公司的指數型增長曲線,它表現得更像一個傳統的製造公司。既然如此,那麼它也必然要面臨生產型企業的難題——故障率。


2008年,英偉達的收入出現了大幅衰減,第二季度比第一季度減少了有2億美元之多。原因是其生產的移動芯片組和GPU顯卡由於製造缺陷出現了極高的“異常故障率”。因此,它也成為蘋果、戴爾、惠普等公司集體訴訟的對象。問題直到2010年才得以解決(英偉達向所有筆電用戶補償了修理和更換費用)。


這樣的尷尬狀況一直持續到了2012年前後,也就是英偉達企業生涯的第一個關鍵轉折點——人工智能!


2012年,黃仁勳發現自家GPU性能適用於人工智能場景,英偉達就開始通過一系列手段支持人工智能技術的發展,比如打造性能、架構更加高效的GPU,即“通用AI處理器”。


不過,連它自己都沒有預測到,GPU會成為AI產業端“算力”的最關鍵、無可取代的代名詞。


在2012年的ImageNet大賽中,多倫多大學的深度卷積神經網絡架構,使用兩個GPU實現了準確率10.8% 的大幅提升,驚艷AI界。於是到了2013年,所有參賽者都採用了深度學習算法,也都跑在英偉達的GPU和CUDA上。


在這樣的大形勢下,英偉達打造的針對各種人工智能訓練和應用場景的GPU解決方案,很快成為研究機構和開發者的首選。


無論是打敗世界冠軍的AlphaGo背後的谷歌,還是中國BAT的人工智能技術,都在使用英偉達提供的芯片組進行工作。


“吃雞”(絕地求生)等高端遊戲的出現,自動駕駛研發熱潮的興起,區塊鏈虛擬幣的瘋狂漲幅,都成為英偉達“一飛沖天”的助推力。


由於技術的獨占性,人人都想用英偉達的GPU,直接也讓其出貨量漲到了驚人的程度,連帶成為了2013-2017年全世界表現最好的大盤股,連谷歌臉書都要避其鋒芒!


收穫AI果實的那幾年,是英偉達名副其實的高光時刻。 2015年,英偉達的股價只有20美元,到了2017年,已經突破了160美元。
這才是我們熟悉的科技獨角獸才擁有的性感曲線嘛!也是在這個階段,黃仁勳才能在GTC上自信地說出“我們不是硬件公司,我們是AI公司”這樣的話。


總結一下英偉達的第一次命運轉折,核心原因就是在整個AI產業鏈中,作為處理器製造商的英偉達處在了一個不可替代的地位,崛起也就成為歷史的必然。


時勢造英雄:從霸主到生態的江湖風雲


時勢造英雄,也能磨滅歷史的贈予。巔峰之際的英偉達,高光背後的身影反而略顯狼狽。


從GTC的變化,細心的旁友們可能就已經有所察覺,一方面,英偉達的“清庫存”壓力越來越大。


成也挖礦,敗也挖礦。伴隨著區塊鏈的大跳水,量價齊飛的英偉達GPU芯片也面臨著需求驟降的危機。


個人電腦端的顯卡升級需求來到了瓶頸期,自動駕駛業務的增速也開始停滯,重重催逼之下,英偉達的營收幾乎下降了40%。經銷商和零售商渠道的GPU庫存估計且得消耗一點時間。
為了賣卡,英偉達甚至還頒布了喪心病狂的“顯卡禁令”,不允許使用(便宜的)GeForce和Titan芯片來跑深度學習了,變相逼迫開發者和學術界購買更昂貴(大概十倍左右)的Tesla系列GPU。


這也是為什麼,連最應該秀肌肉的GTC都無心搞創新(噱頭),只專心帶貨了。


另一個變化,則是越來越紮實的產業AI佈局。


往年英偉達也多次強調平台化能力、開發生態、解決方案這些東西,比如2017年和百度包括雲計算、自動駕駛、消費設備和開源框架PaddlePaddle等領域達成深度合作夥伴關係等。但看起來都比較“形而上”,更像是一種賣顯卡的公關策略。


反觀這兩年,其為產業端賦能的動作開始越來越有力,而且是真金白銀地“用錢投票”。


2018年9月,英偉達開放了CUDA 10工具包的下載,12月初宣布開源物理模擬引擎PhysX的SDK,顯然是吸引和鼓勵更多的AI開發者加入。


緊接著又推出了一款更適合深度學習的GPU Titan RTX,增強其數據中心產品的功能,爭取更多AI夥伴的信任。
前不久,還分享了全新的人工智能CUDA-X生態系統,能夠容納人工智能架構、雲端機器學習服務、實際落地部署、工作站、服務器、雲服務等多種參與者的需求。



(英偉達支持的人工智能係統,能夠利用城市裡超過十億個攝像頭來幫助管理交通擁堵)


不難發現, 原本產業解決能力只是英偉達發布會上的“錦上添花”,但通過兩年裡的各種佈局,已經成為可以真實撐起英偉達未來的關鍵性力量。


這種從硬件製造到產業生態者的身份轉折,表面上看起來是管理者一統江湖的高瞻遠矚,不過僅僅將此歸功於企業的主動變革,顯然不夠客觀。還應該看到的是,英偉達所處的氣溫帶,也不再那麼舒適了:


首先,區塊鏈市場一落千丈,礦卡和顯卡變得越來越不好賣了,連帶著英偉達的股價甚至一度跌掉了最高值的一半,靠什麼維持資本市場的預期是它必須考慮的問題。


其次,越來越多的科技企業和傳統CPU廠商開始切入芯片賽道,對英偉達的市場份額虎視眈眈。其中不僅有谷歌、蘋果這樣的技術巨頭,很容易憑藉技術優勢在硬件領域崛起;還有Intel、AMD這樣的老牌對家,不斷推出更便宜的替代品。


谷歌研究院院長、美國“人工智能”教科書的作者彼得·諾威格博士, 有一句廣為流傳的話:當一個公司的市場份額超過50%以後,就必須去挖掘新的成長點了。這正是當下英偉達所面臨的“甜蜜的壓力”。


一方面,它必須靠紮實的產業支撐來保護現有的城池,另一方面,作為上市公司它總是需要有盡可能多的收入來源以證明自己的未來。


換句話說,產業AI的to B夢,英偉達不得不做。


失之東隅收之桑榆:時代寵兒英偉達


說了這麼多,或許我們可以比較清晰地看清楚,AI的浪潮是如何將英偉達推上了商業的前沿。那麼它是否還有能力來領導接下來的產業端智能革命呢?


作為目前AI芯片領域的王者,我們可以簡單總結一下英偉達在產業AI領域的優勢所在:


1.軟硬件的兼容性。英偉達的軟件生態和硬件性能,可以說是目前最成熟的。很多做前沿研究的人,都會把實驗和開發放在英偉達的硬件和平台上。尤其是一些自動駕駛廠商,即便有新的芯片推出,他們不願意輕易嘗試或是去更換英偉達的產品,因為它代表著久經考驗的穩定性和軟硬件協同優勢。



2.規模化優勢。得益於堅持不懈地賣貨,英偉達在產業AI的所需要的處理器芯片、架構和解決方案上,無論是研發投入還是製造規模上,競爭對手都要略遜一籌。這種優秀性能效率比,短期內還難以被超越。


3.產業端的前期沉澱。


在十幾年前,英偉達就嘗試通過GPU來幫助一些石油、氣象和生命科學領域的客戶。比如曾經和浪潮一起,幫助中石油將勘探軟件應用遷移到GPU上。用十幾台GPU服務器替代了原來的一兩百台CPU服務器。


作為GPU生態從無到有的創造者,英偉達在產業端的部署經驗和工程能力,也是其他競爭對手所不具備的。


同時,英偉達也沒有放棄在技術創新上的領先性。它每年都會為AI 推出一種新的架構,雖然GTC 2019乏善足陳,但今年可能還是會推出業內首個7nm 解決方案,直接拉開與競爭對手的差距。


總而言之,英偉達切入B端市場,雖然是一種半自願半無奈的選擇,但也有著深厚的積累與護城河。雖不至於“高枕無憂”,但絕不是“黔驢技窮”。


重走AI路:英偉達的“王座”如何穩固


在英偉達的AI登頂之路上,Intel就是一塊盡職盡責的墊腳石。


在2017年的GTC China上,英偉達的掌門人黃仁勳就憑藉“摩爾定律已死”而被媒體大肆報導(還有人不知道摩爾定律是Intel創始人戈登-摩爾博士提出的嗎?),原因是CPU的增長幅度大幅縮小。導致一段時間裡,“Intel吐血,GPU牛逼”成了坊間熱議的話題。


不過,僅僅兩年時間,我們就看到當年Intel的窘境,也開始成為英偉達的夢魘。


雖然雄霸了AI芯片市場,但它的遠景並不容樂觀。即使佔據全部份額(這顯然不可能),它也很難使公司再以指數級的速度成長。而且,由於反摩爾定律的作用,它的營業額也並不會因為多賣了一些設備而成比例地提升(它也賣不出去以前那麼多了)。換句話說,如果不盡快開拓出新的市場,就會面臨Intel在AI時代同樣的尷尬。


讓人不由感慨,英偉達憑藉深度學習的鵲起,順利從一個硬件公司轉型為科技企業,卻發現這個新身份是如此地容易早熟,沒過幾年就成長到了飽和狀態,不得不再去尋求新的定位。


但有時候,找到一個新的商業模型比等待一次技術浪潮的紅利更難。


我們可以隨手舉出幾個尚待解決的難題:


比如B端的商業化。


B端的商業模式是靠大投入大批量來掙錢,廠商往往需要花幾倍於其他公司的經費來開發一款芯片,才能夠在同一代芯片中勝出。目前看來,英偉達的產業AI解決方案就是對同一款芯片的排列組合,但深入到更加垂直的細分領域時,就很難做到憑藉一款產品的規模化來盈利。


而且,極大運算量的機器學習正在越來越多地引起了市場的反抗(缺乏應用場景、訓練成本過高、低資源學習興起等等),坦率來講GPU並不是一個最好的解決方案,市場還一直三心二意地等待著更具性價比的技術,比如ASIC。從長遠來看,AI將越來越少依賴於CUDA和GPU。


我們都知道將有新的計算加速技術出現,並且都肯定一點,雖然不知道那個新技術會是什麼,但肯定不是更多更快更強的GPU。


從這個角度來看,英偉達有點像“芯片界的楊超越”。人人都認為它能在AI時代C位出道,是靠運氣打贏的。它自己也很清楚地知道,如果不找到新的成長點,它就會隨著時代紅利的過去而活成前輩們“糊”的樣子。


英偉達對世界最大的貢獻在於,它為深度神經網絡找到了一個最為現實的舞台,直接地讓AI得以可知可感可用,說它是過去幾年中AI大潮中最成功的一個也毫不為過。


同時我們也應該慶幸,有越來越多的競爭對手走入戰場,讓英偉達保持著一份“王者”難得的忐忑和驚惶。六個月讓顯卡性能提升十倍,相信沒有諸多競爭對手的話,它是做不到這一點的。


“秦有六國,兢兢以強;六國既除,訑訑乃亡”。這條規律對於AI江湖和英偉達,也同樣適用。

文章來源:腦極體