NVIDIA的新杀手锏，除了无人驾驶/VR还有啥？

黄仁勋手下工作过的人对媒体表示，迄今为止，黄仁勋在运营英伟达时仍像对待一家创业公司一样，决策果断，执行迅速。

对于一家半导体制造商来说，芯片从设计到生产的过程可能要花费数年时间以及巨额资金，企业通常会规划一个路线图，并基于此打造组织结构。

而在英伟达，整个过程则要快得多。当一名高管试图描述新芯片设计进展时，黄仁勋很有可能叫来工程师现场提出技术问题，然后迅速毙掉这个项目，或者改变研发方向。

同时，黄仁勋在对待其产品的理念上也极为灵活。

上面提到，2014年5月英伟达决定撤离智能手机芯片市场，但是撤离之后，英伟达并没有放弃Tegra芯片的研发，而是把目光集中到了移动游戏和汽车领域，自家也推出了Shield游戏掌机，硬生生为Tegra开创出一片新的天地。

尽管Shield并未动摇微软Xbox以及索尼PlayStation在游戏领域的地位，但是却为Tegra芯片带来了任天堂这一重量级客户。去年10月底，任天堂公布的最新游戏机Nintendo Switch采用的就是英伟达定制的Tegra处理器。

Stifel Nicolaus & Co分析师Kevin Cassidy称，Tegra基本上是英伟达的一个内部试验项目，如今则被任天堂采用。英伟达总会卷起袖子创造一个新市场，并拱手将其让给客户，这是又一个例子。

为什么是英伟达？

无论是无人驾驶还是其他尖端技术所依赖的深度学习，都离不开数据处理核心。提到数据处理，人们的第一反应总会是计算机的大脑--CPU，以及全球最大的CPU厂商英特尔。

在处理复杂任务时，英特尔CPU能够展现出优异的速度表现，但是在平行处理多任务的能力上却存在很大限制。GPU的快速发展，不论在处理速度还是多任务处理能力上，都有着更大的优势，而这正是英伟达过去二十多年来孜孜耕耘的领域。

华尔街见闻此前曾援引浙商证券分析师杨云的介绍提到，相比于CPU，GPU的一大优势是高速度。杨云称：

国内最好的人工智能硬件研究项目"寒武纪"小组的最新研究结果表明，GPU能够提供平均 58.82 倍于CPU的速度。GPU的另一大优势，是它对能源的需求远远低于CPU。

杨云认为，正是因为GPU的高速度以及可以平行处理大量琐碎信息的特性，GPU在"深度学习"领域就能发挥巨大的作用。

深度学习所依赖的是神经系统网络--与人类大脑神经高度相似的网络--而这种网络出现的目的，就是要在高速的状态下分析海量的数据。例如，如果你想要教会这种网络如何识别出猫的模样，你就要给它提供无数多的猫的图片。而GPU擅长的正是海量数据的快速处理。

杨云称，与传统的通用处理器（GPP）相比，GPU的核心计算能力要多出几个数量级，也更容易进行并行计算。尤其是英伟达的CUDA，作为最主流的GPGPU编写平台，各个主要的深度学习工具均用其来进行GPU 加速。

英特尔当然不甘示弱。去年8月，英特尔宣布将于2017年推出专门为人工智能深度学习而设计的最新一代产品--Intel Xeon Phi处理器，代号Knights Mill，称其运算能力比对手的产品快两倍以上，矛头直指英伟达。

英特尔数据中心集团副总裁Jason Waxman在8月的一篇博客中也曾表示，虽然现在很多人都在谈论GPU对于机器学习的价值所在，但事实上，去年为深度学习而研发的处理器中，使用到GPU的比例还不到3%。

此外，英特尔还斥资4亿美元收购了深度学习技术公司Nervana Systems，目标在于取得其将于2017年问世的深度学习加速器芯片，以此挑战英伟达在人工智能市场的主导地位。

对于英特尔当时的步步紧逼，英伟达则予以强力反击，称英特尔在宣传其最新Xeon Phi处理器加速深度学习性能时使用了过时数据，其在深度学习性能测试上还使用了英伟达很多年前的旧产品Kepler GPU系列，这属于有意误导消费者，没有给GPU性能一个公正的评价。

口水战固然吸引眼球，但市场并不傻，企业盈利能力依然是关注的核心。

英特尔二季度净利润受到重组减记14亿美元的拖累而遭遇"腰斩"，至13亿美元。其盈利的两大增长点--数据中心和物联网营业收入当季均不及预期，数据中心的净营业收入为40.3亿美元，市场预期为41.6亿美元。

英伟达体量较小，第二季度净利润为2.53亿美元，但同比增速却高达惊人的873%。其数据中心业务营收也达到1.51亿美元，同比增长了一倍多，其中很大一部分是深度学习系统贡献的。

对于这两家企业来说，由于体量大不相同，英特尔市值为英伟达的三倍，其可比性有限。但是，对于华尔街来说，超出预期的业绩显然胜过一切。

更多最新行业资讯，欢迎点击《今日大事要闻》！