200 多家明星企业，20 位著名投资机构顶级投资人共同参与！「新智造成长榜」致力于发掘 AI 领域有 “三年十倍” 成长潜力的创新公司，下一波 AI 独角兽，会有你么？点击阅读原文了解详情！
雷锋网按：即使强如谷歌，短时间内也无法从 Nvidia 口中夺过 AI 硬件市场这款肥肉。
图形芯片制造商 Nvidia 的股价在过去一年时间里翻了三番，其 GPU 如今已经成了 AI 领域最受欢迎的深度学习主流平台。Nvidia 的 GPU 原本是为生成电脑游戏和仿真图形而设计的，如今却被用来处理拥有数百万条数据的，大型深度学习网络训练中的密集计算部分。
上周 Google 在其年度开发者大会上，推出了第二代 Tensor 处理单元——Cloud TPU。据雷锋网了解，这是一款用于加速 Google 使用的深度学习数学模型的定制化芯片。Google 于两年前将第一代 TPU 引入了它的服务器基站，并于去年正式对外发布。第一代 TPU 只能处理深度学习的推理部分，运行已经训练有素的模型。Google 表示，Cloud TPU 比 Nvidia 的商用 GPU 更适合用于深度学习训练。
据雷锋网了解，Google 希望未来能够通过 Google Cloud 向其他公司提供其 AI 硬件。此外，Google 还计划为开展公开 AI 研究的研究人员提供 1000 个 Cloud TPU。不过，这些 Cloud TPU 的真正用意，似乎是为了增强 Google cloud 的具竞争力。在云服务市场，亚马逊和微软两大巨头已经将 Google 远远甩在了身后，Google 不得不全力寻求差异化竞争。
Cloud TPU 对 Nvidia 的影响的是双重的。一方面，Nvidia 目前在 AI 硬件这片新兴市场仍占据着主导地位，Cloud TPU 则给了开发者更多的选择。另一方面，Google 上周发布 Cloud TPU 时透露，其公司内部仍然很依赖 Nvidia 的 GPU，而且其云服务也将支持 Nvidia 的下一代 GPU Volta。
综合考虑，我认为 Google 未来在 AI 硬件市场将遭遇严峻挑战，主要原因有二：
Cloud TPU 的局限性
首先，Cloud TPU 将用户锁定在了 TensorFlow 框架以及 Google Cloud 云服务中。
伯恩斯坦研究公司高级分析师史蒂西 · 拉斯贡（Stacy Rasgon）说道：
“如果你使用的是 TensorFlow 框架，那么 Cloud TPU 很棒。但如果你不想使用 TensorFlow 框架呢？Nvidia 的优势在于你不会被它的服务锁住，这一点很重要。”
Nvidia 的 GPU 在 Google、亚马逊、微软和 IBM 等主流云服务厂商的云端都是可用的。开发者们可以根据自己的喜好自由选择，并随时更换云服务厂商。此外，Nvidia 还对其硬件进行了优化，能够运行 Caffe、Torch 和 PaddlePaddle 等多种深度学习框架。AI 市场目前还很年轻，谁也不知道哪种框架会最终胜出。因此，将自己束缚在 Google 的 TensorFlow 框架中，对任何一家公司来说都是冒险。
AI 创业公司 Clarifai 的创始人兼 CEO Matt Zeiler 表示：
“很明显，Cloud TPU 是 Google 吸引你使用 Google Cloud，并将你锁定其中的一种策略。”
虽然学术圈可以免费使用 Cloud TPU，但只能使用 TensorFlow 框架这一限制，使其魅力大打折扣。加州大学伯克利分校副教授 Alexei Efros 在一封电子邮件中说道：
“对我们而言，使用 Cloud TPU 的最大阻力就在于它只能运行 TensorFlow。因为我的实验室中用到了很多不同的软件包，PyTorch 似乎最受欢迎。Nvidia Titan X 目前仍是我们的主力平台，至于未来，我们拭目以待吧”。
即便对于那些已经全面采用 TensorFlow 的创业公司，阻力依然存在，那就是如何获得 Cloud TPU。AI 创业公司 Bonsai 的联合创始人兼 CEO Mark Hammond 表示：
“我们的项目建立在 TensorFlow 框架之上，因此 Cloud TPU 肯定是我们正在探索的。任何使 AI 基础架构更好、更快、更便宜的事物，都是 Bonsai 和 Bonsai 的客户乐见其成的。”
Google 不出售芯片
Google 的另一大软肋在于，它不会像 Nvidia 那样直接向客户出售芯片。Zeiler 表示，很多深度学习创业公司都喜欢用自己的硬件训练，因为在云端存储大量训练数据的成本可能非常高昂。比如 Clarifai 就选择购买 Nvidia 的 GeForce 游戏显卡，在自己位于新泽西州的数据中心训练神经网络。Zeiler 说道：
“我们之所以使用自己的硬件和 GPU 训练，就是因为它成本更低，尤其是考虑到我们拥有庞大的实验量和数据集。”
Nvidia 的真正竞争更可能来自芯片公司。目前，数十个 AI 芯片创业公司正冉冉升起，英特尔甚至为了收购顶级芯片创业公司 Nervana，耗资超过 4 亿美元。
Zeiler 表示，随着时间推移，TPU 可能会影响到 GPU 市场，但影响力不仅仅来源于 Google，毕竟其他芯片制造商不会干坐着。
AI 芯片创业公司 Cerebras Systems 的联合创始人兼 CEO Andrew Feldman 认为，Nvidia 最大的问题在于，GPU 是为生成图形而非处理 AI 算法所设计的。Feldman 说道：
“我不认为 GPU 很适合机器学习，它只是比英特尔的 CPU 更好而已。不过 GPU 在过去 25 年间针对不同问题进行了优化。”
Nvidia 也意识到了这一点。因此它在最新的图形芯片架构中加入了专门的 Tensor Cores 计算核心。Tensor Cores 针对利于深度学习操作的数学运算进行了优化。有了 Tensor Cores 之后，Nvidia 的 GPU 越来越像专业的 AI 处理器了，而不仅仅是用于生成图形的工具。Nvidia 加速计算副总裁 Ian Buck 说道：
“你将看到我们在 GPU 中增加更多的 AI 功能以及专业化功能。”
对于 AI 领域日益激烈的竞争，Nvidia 表示，现在市场增长太快了，每家企业都有存在的价值。Buck 说道：
“我认为这是一个爆炸式增长的市场，每个人都有发展的空间。”
via forbes
