NVIDIA走向“芯生”巅峰，都经历了什么？

中在人工智能的重要分支之一的深度学习。

深度学习是人工智能 (AI) 中发展迅速的领域之一，可帮助计算机理解大量图像、声音和文本形式的数据。利用多层次的神经网络，现在的计算机能像人类一样观察、学习复杂的情况，并做出相应的反应，有时甚至比人类做得还好。这样便提供了一种截然不同的方式，用于思考数据、技术以及人类所提供的产品和服务。

在今年4月5日的GPU（图形处理器）技术大会上，英伟达首席执行官黄仁勋公布了最新款的专门用于人工智能研究领域的Tesla P100图形处理芯片，他号称这款GPU的开发，英伟达花费了20亿美元的研发费用。

英伟达Tesla T100

另外还有Tesla M40深度学习加速器和专为深度学习打造的，型号为DGX-1超级计算机。

根据官方介绍，这款售价12.9万美元的计算机，相当于集成了250个服务器，拥有7 TB的SSD存储，8块Tesla P100 GPU和两个Xeon处理器，整台设备是去年发布的超级计算机运算能力的12倍。

英伟达 DGX 1

而与深度人工智能密切相关，现在又非常人们的的无人驾驶，更是英伟达股价上扬的一个重要利好。IHS汽车半导体事业部高级分析师Luca De Ambroggi称，"人工智能一直被认为是能够实现无人驾驶汽车商业化的关键推动技术"。

基于人工智能的深度学习和大数据分析，对于需要大量数据积累对比的无人驾驶来说，是天生的"舵手"。

英伟达在今年9月推出了最新的车载自动驾驶计算平台-- DRIVE PX 2，这个平台可以极大地提升用电效率，而且相比该公司在今年早些时候 CES 大展上推出的最早版本，体积也更小了。

DRIVE PX 2

DRIVE PX 2 是第二代 DRIVE PX 平台，英伟达称这个平台正被大量原始设备厂商（OEM）、研究机构和其他合作伙伴广泛使用。得益于 DRIVE PX 平台，客户可以对安装在车辆上的自动驾驶监控系统的图形和传感器数据实时地进行处理。这种能力对自动化技术来说至关重要，因为它能够在不连接到强大的远程服务器的情况下，积极满足用户的需要。

目前百度将在自家无人驾驶汽车上使用这个平台。在此之前，百度更与英伟达宣布达成合作，联手打造一款"从云到车"的完整自动驾驶系统。

种种因素交织在一起，推动了英伟达走到了历史新高，所以说天时地利人和成就了现在的英伟达。

未来会高枕无忧吗？

从现在来看，英伟达的表现是非常不错的，但并没有到可以高枕无忧的时候。在人工智能领域，除了要面对来自Intel和Xilinx这些传统半导体大厂的竞争外，一些新兴的公司也会对英伟达造成威胁。

Intel通过对FPGA厂商Altera等厂商的收购，布局人工智能硬件。

英特尔收购的芯片公司名单（source：亿欧网）

另外还有软件公司的收购，从大数据运算入手，加持人工智能。

Intel收购的软件公司（source：亿欧网）

除了收购技术以外，Intel本身也投入到产品的研发中。日前在在美国举行的Supercomputing 2016大会上，Intel展示其两款新型Xeon处理器，以及支持深度学习的新型FPGA卡；为人工智能未雨绸缪。

英特尔推出一款新的Arria 10 PCIe卡，用于深度学习。

本身强大的制造技术积累和购买补充，相信Intel会是英伟达的最大竞争者。

而传统FPGA大厂Xilinx的布局也不容忽视。在今年九月Xilinx宣布收购Auviz Systems，震惊人工智能界。

AuvizSystems专注于数据中心和嵌入式系统的加速应用，在卷积神经网络方向有着一定的技术积累。其技术专长是FPGA实现、机器学习、视觉算法等，为行业提供基于FPGA的中间件IP，以减少应用程序的功耗。这与Xilinx本身在FPGA的积累结合起来，能给英伟达带来多大的挑战，让我们拭目以待。

在本月初，英国人工智能初创公司Graphcore筹得了来自三星和博世风投的总计3000万美元融资，目标是赶超英特尔和英伟达。Graphcore是一家开发所谓的IPU(智能处理器)硬件系统的初创公司。目前普遍用于机器学习应用的硬件处理器是GPU(图像处理器)。Graphcore自称在人工智能学习的反应速度以及低能耗方面，它开发的产品要比目前市场上所有的图像处理解决方案好100倍。

Graphcore计划于明年向市场投放产品，主要应用于无人驾驶汽车和云计算，以及任何可能用到机器学习技术的领域。

在一个巨头和新贵环视的市场里，英伟达最终表现会如何，那就需要时间见证了。