GPU这场仗，英伟达和AMD还要好好再较量一下！

英伟达和AMD的战斗还在继续，分析师继续讨论每家公司的显卡优势； 以前的编程人员将会了解到速度不是被关心的重点； 在文章中，我会点评英伟达在GPU领域的主导地位；

如果你关注显卡供应商英伟达和它的竞争对手AMD，你会注意到，人们一直在讨论的哪家公司的最新GPU打败了对方，或者，最近文章中使用的隐喻：谁向谁投下了一枚炸弹？在本文中，我将快速点评一下GPU市场，当然我相信这些关于性能的讨论是次要的。

需要速度吗？

关于英伟达和AMD的模型，其它人已经做了大量的对比。英伟达最近的声明中已经广泛覆盖。在本文中，我将不再讨论各自的GPU。相反，我会解释为什么英伟达在GPU市场赢得了全局，并且它为什么会继续下去？

首先，AMD之前犯下了明显的战略错误。AMD一直试图在在CPU和GPU的所有方面对抗英特尔和英伟达。同时，英伟达已经明白对于通用图形处理器的承诺已经超出早期游戏需求并且已经开始行动，正如我详细说明的。例如：我认为英伟达通过亚马逊网络服务进行交易的影响是很难评估的。当亚马逊网络服务开始提供GPU实例时，大数据处理市场即将爆发。

随着机器学习的应用，如自动驾驶，自动语音识别（亚马逊的alexa或者微软的bot项目）和图像识别（包括染不仅限于创意Snapchat过滤器）的发展，GPU的应用范围在不断扩大。为了云端的多层虚拟现实世界，游戏将会和大数据处理进行整合。通过巩固其在数据处理市场的领导地位并且成为软件的默认选择，英伟达已经将AMD拍在了沙滩上。在文章后面部分我会详细说明为什么我认为AMD想迎头赶上有些困难。

首先，GPU市场的领先不仅仅是只速度或者性能领先。GPU是一个很棘手的技术。英伟达和AMD每隔几个月就会超赶另一个。然而，实际上GPU性能相对于许多其它方面不是那么重要。即使AMD发布了一款GPU，而英伟达的最好的GPU比它便宜20%，它不足以显著挫伤英伟达。

技术领域有一个很好的法则是，新产品必须快或者便宜一个数量级才能快速挫败对手。20%的提升通常是在实验室的理想情况下。相对而言，一个数量级的提升（2到3倍）通常在对所有用户来说在所有环境下都是是可以的。例如，如果特斯拉的竞争对手出了一款新车，同样的价钱性能提升了20%，大部分的特斯拉用户不会放弃他们的Model3预定。只是增加器网络或者其它软性因素，这不足以抵消特斯拉的品牌吸引力。另一方面，如果另外电动汽车能够通过新的惊人的技术一次充电续航2000公里，这就另当别论了。

这就是为什么争论特殊GPU的特殊性能在GPU市场的领导地位在很大程度上是毫无意义的。在一个竞争对手保持发新品的环境中，在性能相同时软件成为决定因素。英伟达的决定因素是它的软件标准。

CUDA的生态系统

英伟达的技术优势在于其生态系统。CUDA是英伟达GPU的专有软件编程层。AMD支持开放的标准软件程序层。AMD支持开放标准OpenCL。开源标准是为了确保设备之间的互操作性。这在市场中的很多竞争者中起到很好的作用，让制造商有统一遵循标准，确保他们的产品可以被每个用户使用，如USB标准对于数据交换。如果市场上只有几个竞争对手，情况可能就不同。英伟达为了推广其标准，投入了巨大的人力和精力去教开发者，提供标准库，如为深层神经网络服务的CUDNN，自动驾驶的驱动工作，以及其专业的调试工具。

开放标准的大量贡献者如果其工业支持者投入大量资源来维持社区的活跃，也同样需要很好的工具，在Hadoop生态系统中具有大量的分布式数据处理就是一个例子。不幸的是，AMD未能做到这一点，因此为了建立出效果，软件框架工作开始首先面向CUDA，因为开发者知道他们能够以来英伟达的库和稳定工具。英伟达在这个空间里成为了惊人有效的最先源动力。

在2016年，我们已经到达一个临界点，大多数数据处理框架只支持直接CUDA，或者添加OpenCL成为候选。例如，Google的深入学习框架TensorFlow，微软的CNTTK套件或者开放资源深入学习框架deeplearning4j只支持CUDA不支持OpenCL。在空间中的新软件的开发者将会看到其它人，并且看到独家支持CUDA。对于拥有GPU的后端来说，如果他们想兼容选择会很容易。专有标准打击开放标准。

总结

通过力推CUDA硬件作为首要源动力，并且单一专注于高性能GPU，英伟达已经巩固了数据处理应用市场的领导地位，这将不会看快消失，不管AMD GPU会变得多么强大。英伟达明智地放弃了英特尔低端集成GPU，因此从竞争变成了合作。而不是试图成为一个领域的最好，AMD争取一个将CPU和GPU集成的解决方案太久。

游戏仍然是GPU制造商主要的营收驱动，它在未