英伟达全球副总裁沈威：仍然坚信GPU天生适合深度学习任务

在9月7日于北京举行的中国人工智能计算大会（AICC）上，浪潮集团携手中国工程院信息与电子工程学部，汇聚了众多海内外知名专家，共同探讨人工智能（AI）在互联网、云计算、超算等领域的创新应用。在这场盛会中，机器之能采访了英伟达全球副总裁兼中国区企业事业总经理沈威，就当前人工智能芯片市场的激烈竞争以及英伟达的核心优势展开了深入交流。

无可否认，GPU为深度学习的大规模应用奠定了坚实的硬件基础。随着人工智能时代的来临，深度学习技术专用芯片的竞争也日益激烈。在这场竞争中，芯片巨头英特尔积极收购人工智能相关企业，研发专用芯片，并站在FPGA领域合作多方垂直企业；谷歌则推出了基于硬件定义编程架构的TPU。一些专业的人工智能公司，如科大讯飞等，也在独立研发适合自身业务的专用芯片。

在AI芯片市场，GPU、FPGA、ASIC三种架构争夺激烈，其中GPU是当前的主流。GPU拥有更多的计算单元，使其在硬件架构上成为AI芯片的天然选择。而英伟达凭借其领先的GPU技术，在AI芯片市场占据主导地位。其CUDA运算平台是关键因素，CUDA能够释放GPU的计算能力，让普通程序员也能使用JAVA、C++等编程语言在GPU上进行工作。

在采访过程中，当被问及人工智能芯片战场愈发火热是否对英伟达的AI战略造成影响，以及现在是否还适用称GPU是深度学习芯片的唯一霸主时，沈威表示：“尽管竞争日益激烈，但GPU天生适合深度学习任务。而英伟达的CUDA运算平台是决胜的关键。”他指出，从2012年谷歌的李飞飞教授开启ImageNet以来，GPU在人工智能市场的接受度不断提高，也有许多后来者跟随。但英伟达的信心在于其CUDA平台所带来的优势。

文章继续呈现采访实录，进一步探讨人工智能芯片市场的现状和未来趋势。在这场对话中，机器之能整理了采访内容并做了适当的整理，以便读者更好地理解人工智能芯片市场的竞争态势以及英伟达在这一市场中的地位和策略。在高性能运算和人工智能领域，英伟达无疑是一个领先者。从深度学习的浪潮中，我们可以看到英伟达对于人工智能、深度学习的高度认同和深厚积累。英伟达的GPU，自诞生以来，就以其强大的计算能力成为了深度学习训练的重要工具。那么，为什么深度学习会选择英伟达的GPU呢？这背后有着紧密的联系。英伟达的CUDA运算平台从2006年开始开放，至今已经发展到了第九代。这个平台将GPU的高性能运算能力开放给了广大的程序员，为深度学习的飞速发展提供了强大的支持。

当我们谈论硬件时，不得不提的是半导体厂商。许多公司都在努力研发硬件产品。他们往往忽略了一个重要的因素——平台的重要性。英伟达的CUDA平台不仅仅是一个硬件的配套软件，更是一个开放的生态系统。在这个生态系统中，程序员可以便捷地利用GPU进行高性能计算，从而推动深度学习的进步。与此英伟达的编程语言为数据中心的海量数据处理提供了便利的编程环境，这是许多其他公司难以做到的。英伟达在深度学习领域的转型并非一蹴而就，而是基于其在高性能运算领域的深厚积累。

现在市场上存在三种架构可以完成深度学习任务：GPU、FPGA和ASIC。GPU由于其强大的计算能力和成熟的生态系统，在深度学习训练中占据主导地位。FPGA和ASIC虽然也有其优势，但它们的生态系统还在发展中，与GPU相比还有一定的差距。英伟达的GPU不仅用于线下训练，还在线上推理方面表现出色。例如，英伟达推出的TensroRT加上低功耗的NVIDIA Tesla P4 GPU加速器，已成为国内各大云服务提供商的首选方案。

随着深度学习的不断发展，GPU的优势愈发明显。与此专用芯片如ASIC虽然为特定任务提供了高效的解决方案，但在通用性和生态系统方面，仍无法与GPU匹敌。英伟达在无人驾驶和智能家居领域推出的专用芯片展示了其对这些领域的重视。英伟达在金融、医疗等领域也有广泛的布局和合作伙伴，虽然目前没有专门的芯片布局，但英伟达一直在与各行业合作伙伴共同探索GPU在这些领域的应用潜力。

英伟达凭借其强大的GPU技术、开放的生态系统以及深入的行业合作，在人工智能和深度学习领域处于领先地位。随着技术的不断发展，英伟达将继续发挥其优势，为各行各业的数字化转型提供强大的支持。深入了解英伟达的生态圈，我们不禁好奇，在这片繁茂的生态森林中，究竟有哪些坚实的合作伙伴呢？

英伟达的合作伙伴构成多元且层次丰富。在服务器厂商层面，他们与浪潮、曙光、华为等紧密合作。因为单纯的为用户提供GPU硬件，并不能直接让用户受益。这些服务器厂商帮助英伟达将GPU技术融入更广泛的硬件生态中，使得用户能够更便捷地使用高性能计算资源。

而在行业解决方案层面，英伟达与科大讯飞、商汤等合作伙伴共同研发，他们被称为Solution Partner。这些合作伙伴帮助英伟达针对特定行业，如医疗、制造业等，进行深度优化，以满足客户不同的应用场景需求。这说明，深度学习才刚刚起步，CUDA开发环境因其强大的功能和出色的体验，深受用户的喜爱。很少有用户在使用过后表示不喜欢英伟达的产品。因为如果没有GPU的加速，很多深度学习解决方案提供商的更新迭代和开发速度都会大大降低，走向市场的周期也会被拉长。可以说，英伟达是帮助他们更快走向市场的不可或缺的伙伴。

那么，对于许多中小企业和高校实验室来说，他们无法承担大规模的GPU集群费用，英伟达是否想要争取这一部分市场呢？答案是肯定的。英伟达与全球众多高校合作开展教育和培训项目，并且很多高校的计算中心都已经配备了GPU集群。随着云计算的发展，国内领先的云服务厂商已经大量采用英伟达的GPU技术。对于那些不想自己购买设备的用户来说，选择云服务是一种明智之举。云的趋势正在加速惠及新的开发者以及初创公司。英伟达正在与各大合作伙伴共同努力，让高性能计算资源更加普及和便捷。