【中國安防展覽網 品牌專欄】 英偉達又漲了。從2017年1月底以來，英偉達的股價又從108美元一路飆升至240多美元，翻了一倍有多。而英偉達股價一飛沖天的背后，正是人工智能技術不斷興盛崛起、發展壯大的縮影。
英偉達成功的原因有很多，及時布局CUDA、積極推進人工智能、不斷完善打造軟硬件生態等，這些一個個具體業務的背后，核心是對世界科技進展的戰略性前瞻與決策；只有及時預判到了下一個技術熱點，才能在所有人反應過來之前積極搶占先機，乃至終行業。
這一切的背后，英偉達CEO黃仁勛自然是一個重要決策者；而除了他之外，另一個角色也扮演著至關重要的位置——英偉達科學家兼NVIDIA Research副總裁，Bill Dally博士。
(英偉達科學家兼NVIDIA Research副總裁，Bill Dally博士)
在EmTech China大會結束后，記者與Bill Dally博士進行了一場一對一的深度專訪，不僅詳細解讀了英偉達在云與端方面的戰略布局，還聊到了目前火熱的AI芯片話題——Dally博士認為，目前云端AI芯片巨頭地位難以撼動，終端側的AI芯片是各類初創公司的機會所在。此外，他還提到了英偉達的幾個重點關注AI項目、以及中美兩國科技力量的相似與差異性等。
除了擔任英偉達科學家、負責把控公司整體技術戰略發展外，Dally博士同時還是美國國家工程院院士、美國藝術與科學學院院士、IEEE和ACM的會員；在2009年就任英偉達之前，他還曾擔任過MIT、斯坦福大學的教授。
在這眾多光環縈繞之下，是一個睿智、幽默、思維極其敏捷、并且語速飛快的科學家——語速飛快是什么概念呢？當天速記的小姐姐拜托我千萬要讓Dally博士慢點說，因為實在記不住……
云端芯片格局難以撼動，終端智能AI芯片成機會所在
近半年以來，人工智能的發展重心逐漸從云端向終端轉移，相伴而生的是人工智能芯片產業的全面崛起。記者已歷經數月對人工智能芯片全產業鏈上下近百間核心企業進行報道，范圍不僅涵蓋英偉達、谷歌、英特爾等科技巨頭，還有眾多如寒武紀、地平線、深鑒科技、Graphcore等國內外AI芯片初創。
按照應用場景，AI芯片可以簡單地分為用于云端服務器機房等地的云AI芯片，以及用于端智能設備、IoT設備的端AI芯片。
Dally博士認為，現在云端AI芯片發展遇到的大挑戰在于，在提供高性能計算的同時，讓芯片保持處理新興AI模型和算法的靈活性，這些任務需要一個通用的可編程平臺和專門的指令來完成。
而在端側AI芯片發展的過程中，這種計算的靈活性并不那么重要，但終端側所帶來的效率、功耗等制約因素是更大的挑戰。
在云方面，英偉達以Volta系列為首的GPU產品專為云服務機房打造，并且推出了cuDNN，TensorRT等軟件服務完善AI生態；目前英偉達的GPU支持如TensorFlow、Caffe等所有主流的深度學習框架。
在端方面，英偉達則推出了16nm的AI芯片XAVIER、自動駕駛平臺DRIVE PX，并且開源了DLA深度學習加速器項目，廠商可以免費下載這個專為IoT設備設計的AI架構，自己打造低功耗的AI芯片。
Dally博士說，人工智能的一個重要應用就是落地到各種終端設備上，比如汽車、電器、機器人、甚至是燈泡上，讓它們變得智能起來。端智能的大勢所趨自然毋庸置疑，但云智能也不會被取代，未來AI的發展趨勢將會是云+端共生的系統。
而當談論到如深鑒科技、Graphcore等這些國內外新興AI芯片初創企業是否會與英偉達形成競爭關系時，Dally博士坦然表示，“是的，他們是競爭對手，但是競爭是健康的，英偉達正在努力保持其地位。”
不過他同時也提到，目前用于云端數據中心的芯片市場已經較為成熟，各類巨頭紛紛有著扎實的積累，較難撼動格局。AI芯片初創公司(及AI初創公司)更適宜將重心放在終端應用上，尤其是未來的IoT設備，不僅種類繁多而且數量巨大，是初創企業的機會所在——當然，在這些領域里，如何收集到足夠的可用數據成了初創企業所面臨的大挑戰之一。因為大公司往往憑借著自身平臺積累下大量數據，這些是初創公司所不具備的優勢。
人工智能對于很多公司、很多行業都具備顛覆性的力量，大公司如果反應不夠及時、又或是做錯了某些決定，則很可能在這一波技術浪潮中落后、甚至失敗。
三大重點關注AI項目：自動駕駛、新一代芯片、神經網絡簡化
作為科學家，Dally博士與英偉達公司中的眾多項目都有不同程度的參與。當記者詢問到近關注的是哪幾個項目時，Dally博士給出了幾個答案：
1)自動駕駛平臺
2)新一代深度學習加速器
3)神經網絡的壓縮與簡化
關于自動駕駛，Dally博士用了一個巧妙的比喻——“自動駕駛其實就像一場游戲，但與AlphaGO這種一輸一贏的游戲不同，在這個游戲里你要保證所有車都不能輸，但與此同時你也要和別人競爭，誰快到達終點。”
與此同時，機器還要像德撲游戲一樣學會“察言觀色”，準確地給對面的玩家(司機)分類，這個人究竟是激進的還是保守的？是刻薄的還是友好的？如果我超車的話他是會退讓還是不讓？等等。
至于新一代深度學習加速器項目，則包括了Dally博士及團隊為人工智能算法處理所設計的一個新型架構，這一項目目前進展非常好，但是涉及新一代產品的發布，不方便透露更多。
神經網絡的壓縮與簡化則是一個學術界與工程界都在研究討論的重要問題。目前的深度神經網絡普遍較大，無論是在云端還是在終端，都會影響網絡速度，增大功耗。
在演講與采訪中Dally博士都提到了這一領域的兩大研究方向：一個是降低計算精度(比如從32比特到8比特)，另一個則是剪枝(Purne)先構造好整個算法網絡，然后再嘗試消除多余的節點，壓縮網絡大小。
此外，Dally博士還提到，英偉達的機器人團隊前陣子開始了一個機器人協作工作室，在一個廚房大小的空間里，讓機器人和人類協作，目標是后成功地做出一頓飯來。
不過，目前機器要達到人類希望的標準還有很長的路要走。很多對人類來說很簡單的動作——比如打開抽屜——對于機器來說有困難，因為他們往往缺乏常識判斷，當面前有個水瓶時，它們不會像人類一樣下意識地繞開這個瓶子。
除了自動駕駛、機器人、深度學習這類業務外，對于一些吸引人注意的新興項目，Dally博士也會帶領著一小隊英偉達科學家組成“特工小組”來研究這個問題，比如前陣子他們就組了一個專攻量子計算的科學家小分隊，一群科學家花了六個月時間讀論文、解方程、拜訪業內人士，力求全面了解這一領域。
研究得出的后結論是量子計算離我們還有比較長的路要走，至少接下來10年內不會大規模應用，現在機器的量子比特太不穩定且噪聲太大。記者也在不久前的(量子計算機有多可怕 一秒破譯*所有密碼！)一文中介紹了目前世界范圍內量子計算的發展腳步。
中美兩國的AI芯片初創企業非常相似
正如上文提到，目前國內外的AI芯片領域正在逐漸升溫，眾多AI芯片初創企業開始陸續涌現——這些國內外不同企業的創始人們有很多都是Dally博士或是其好友的學生，與他都保持著良好的聯系，這次來中國Dally博士也去了不少企業與學校演講參觀。
對于中美AI及AI芯片初創企業，Dally博士認為他們有著非常高的相似之處，一間硅谷創業公司與一間北京創業公司很可能在用著相似的方法在解決同一個問題。而這一情況在中美各個科技巨頭上也是如此。
Dally博士說，他次來中國是2000年的時候，那時中美間的科技力量差異還是較大。但是隨著這十幾年的發展，在人工智能這些前沿科技上，中美之間的技術差異已經非常之小。
學術領域與工業領域研究的三大區別
此外，Dally博士除了身為英偉達科學家外，還身任美國國家工程院院士、美國藝術與科學學院院士、斯坦佛大學的教授等學術職位。在記者問到學術研究與工業領域研究大的區別有哪幾點時，Dally博士給出了三個答案：研究領域、研究深度、以及資源。
在行業中，研究人員通常要將研究的領域限制在對公司有利的領域，而較少探究對公司“無用”的科技，比如宇宙起源。不過對于Dally博士來說，他感興趣的研究領域正好與英偉達密切相關，這其實也是一開始Dally博士選中英偉達，而沒有接受來自谷歌等其他科技巨頭的offer的重要原因之一。
其次，在學術研究領域，很多學者研究一個東西的終目的是發表論文，可論文即使發表了，這項技術也不一定能應用在實際，因為很多問題其實都沒有得到解決。而在行業中，研究人員需要跟進和解決這些問題，使技術成熟到足以落地應用。
第三則是資源配置，在美國，至少30多年來，學術研究經費一直在不斷下降；而科技公司們擁有更好的資源——人才、計算機、儀器等。
不過，AI人才招募是一個如今產業界都在頭疼事情，英偉達也不例外。對于產業界來說，吸引這些AI人才的絕不僅僅的薪資待遇，有時更重要的是為他們提供一個良好的研究環境，并且保證軟硬件研究資源的齊全，讓他們能順利地研究并解決問題。
結語：人工智能競爭進入*，2018拼市場
在人工智能領域，英偉達絕不僅僅是一個提供芯片的硬件玩家。在過去的十年間，以GPU為代表的硬件為深度學習提供了海量的計算能力，隨后英偉達又通過cuDNN、TensorRT等一些列AI軟件完善生態，進而推動了這一波人工智能熱潮的全面興起——無論是英偉達的股價還是市場聲量都體現了這一點。
對于中國而言，人工智能更是縮短中西科技差異的罕有機會。除了國家積極推出響應政策外，各類市場、資本、初創、巨頭也紛紛應聲而起，占據各類AI應用賽道——這其中，AI芯片又扮演了一個人工智能“從軟到硬”落地的重要環節。
隨著2018年的開始，人工智能的競爭進入*階段，各大公司已經從一開始的拼技術、拼履歷、拼大牛，陸續進入到拼行業、拼落地的實干階段了。初創公司們的批人工智能芯片也將在今年面世，人工智能將進入市場驗證階段，搶占市場成了2018年AI企業們的關鍵目標。
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
