由于NVIDIA步入人工智能的领域早，公司已经从中有所收益。从最近的财报可以看出，数据中心收入中的人工智能部分，比去年同期上涨了186%。NVIDIA最新季度收入近20亿美元，人工智能就占据了超21%的比例，两年前仅占到6%。公司的股价也在过去的五年里增加了近1000%。

这些增长的背后都得益于NVIDIA的图形处理器（GPU），GPU可以说是AI系统的首选。Alphabet旗下公司谷歌，由于谷歌大脑的存在，使其处于AI领域的前列，后来收购了Deep Mind专注于深度学习神经网络系统，并且它也是NVIDIA GPU的用户。不过从谷歌近期发展来看，NVIDIA在人工智能领域的垄断地位可能会被打破，谷歌就是这个“破壁人”。

与NVIDIA的战役

谷歌在上周的2017年I/O开发者大会上，推出了最新版的张量处理器单元（TPU），该处理器单元是为其AI系统内部开发的芯片。不过最新版本的TPU已经得到了大提升，能进行训练和推理处理，以往的版本只能进行推理处理。这是啥意思？这又与NVIDIA的GPU有啥关系？

背景

除非是负责这块的工程师，不然你是不会知道AI运行要经过两个必要的阶段。第一个是AI系统的培训，其中包括算法的构建和软件模型的搭建，这些被称为神经网络，接着对其进行培训，用来执行特定任务，比如图像处理或者语言处理。

一旦这些系统接受了培训，它们就会完成所设计的任务，来筛选大量的数据，并使用它们的独特的识别模式的能力，来快速精准地处理数据任务。这些任务的执行被成为推理，这是一件关于系统根据其训练来处理数据的事情。

目前来看，GPU是培训AI系统的最佳选择。因为这些芯片具有并行处理大量数学运算的能力，这也使得它们非常适合渲染图形。并且成为了培训AI的理想选择，能进行大量的快速的数据处理器，让GPU打败天下无敌手。

更多

谷歌最近宣布开发了一种系统，将64颗TPU连接至同一台机器学习超级计算机。这台超级计算机被称作“TPU舱”，将带来无与伦比的运算能力。谷歌AI和机器学习首席科学家，斯坦福大学AI实验室主任李飞飞表示，新的超级计算机将“提供每秒180万亿次浮点运算的计算能力，适合当代机器学习所需的数据处理。”

Google Brain团队的高级研究员Jeff Dean在博客中写道：“在使用这些TPU舱期间，我们已经发现他们在实验时已经有了很大的改进。曾经我们的一个新的大型翻译模型，需要花费一整天来培训32个GPU——现在只需一个下午，且只用八分之一的TPU就完成了相同的精度。”

当谷歌在2016年5月的I/O开发者大会上推出首款TPU时，首席执行官Sundar Pichai就表示：“TPU比商业FPGA和GPU每瓦性能高出一个数量级。”新芯片更节能，专门设计用于Google的TensorFlow，用于培训AI系统。这种优化的硬件和软件组合已在谷歌内部使用一年多。虽说GPU仍是培训时所用的首选芯片，但谷歌TPU在推理系统上存在一定优势，而且谷歌正在开展TPU在培训上的研发。

未来

NVIDIA并没有在这场战役上脱颖而出。最近也引进了TPU，以及GPU构架其他方面的升级。一段时间来看，它还是成为行业内的标准，也不可能一夜之间就能改变。不过投资者应该意识到，AI还处于起步阶段，技术日新月异。NVIDIA目前仍是人工智能系统最大玩家，但谷歌已经抛出这个“神器”，让其注意到该领域并不是只有他一个人在玩。