NV/Google/Intel/AMD人工智能战略分析，啥才是AI正确姿势？

的，市场是很大，目前美国支票存取已经是自动识别了，用手机app拍照就行。

问：Nvidia一半以上的收入还在传统游戏显卡市场吧，云计算和人工智能短期增速如果不尽如人意的话，股价回调就不可避免了。

答：关于NV的股价，我认为这位朋友的分析很有道理。

问：想请教一下，FPGA在用电量是不是一般ASIC的3X，晶片大小是不是为ASIC的2X？

答：FPGA的用电量在ASIC的十倍以上，造价也在十倍以上。

问：您知道做鉴黄的除了图谱科技，还没有其他的团队？

答：鉴黄的技术壁垒不高，关键是渠道要搞定。

问：我这收集了2个观点，能不能帮我评价一下呢？第一个：Nvidia在人工智能芯片市场的真实统治力，可能比股票市场上的亮眼成绩更为显著。尽管市场上也存在其他深度学习训练（training）和预测（Inference）的解决方案，但试问各家AI企业，无论其内部的模型训练，还是销售给最终客户的智能产品，绝大多数还是采用了Nvidia的GPU方案。第二，值得关注的是，就异构计算的主要应用机器学习来看，分为训练和推断两个部分。其中，训练市场占整个机器学习市场的5%，其余95%都是推断市场。Steve Glaser认为，GPU仅仅是关注机器学习的训练市场，而推断市场才是FPGA关注的领域，这恰恰是机器学习未来发展的重要组成部分。

答：第一个判断是对的，第二个判断的话，FPGA在云端会用得比较多，inference在终端还是要靠ASIC。

问：李博士，AI芯片对人工智能应用的影响是什么？AI芯片离大规模商用还有多远？

答：AI芯片技术上离大规模商用不远了，但是使用专用AI的ASIC市场还没完全起来，很多公司在观望，Intel等公司在慢慢布局，新推出的Xeon Phi服务器CPU里面加入了部分的AI加速。

问：能否比较一下寒武纪和Nvidia的ai芯片的差别？

答：寒武纪是专用ai加速芯片，nvidia的gpu是通用计算单元只是比较适合计算深度学习。

问：IBM的沃森在医疗上的运用效果如何？

答：IBM Watson在医疗上的应用已经有不少报道，大数据和AI在医疗上得到应用一定会成为现实。目前医学的研究都是基于数据的研究，之前的研究样本量都不大，使用了大数据加人工智能后医学的发展一定会大大加速。

问：再问一个：如果谷歌最终选择了使用TPU，会不会对英特尔和英伟达这些芯片制造商构成巨大的威胁？因为他们的在线业务是如此巨大。他们比地球上任何其它公司购买或运营的计算机硬件都要多，而且随着云计算的重要性持续增加，这个差距也只会越来越大。

答：会有一些，但不会是最大的影响，因为google的服务器在整个服务器市场占比例不大。

问：高通在CES展上推出骁龙835，适合深度学习，这款芯片和高通在人工智能方面能不能解读一下？

答：snapdragon 835对于ai的支持主要在于dsp对于深度学习算法支持的design kit。

问：感谢分享，我的问题是目前人工智能变为实际应用，变成类似移动互联网这样的产业最大的难点是什么？目前看到的一些应用主要在智能客服等，还有c端的应用主要是类似echo等的家庭智能音箱，未来可以预见的最大应用是自动驾驶和医疗领域的应用，其他呢，其他通过人工智能更深度的改变会在哪里？

答：人工智能变为现实的难度在于如何落地。人工驾驶和医疗是两个重要的点，然而人工驾驶必须能通过各种极端情况下的验证才能上马。辅助驾驶离现实比较接近。医学使用目前看起来比较接近实用，因为AI比人做得好不难，主要障碍在于基础设施不好大数据很难获得，例如病历如何联网。AI离使用最接近的是金融领域，目前高频交易，诈骗检测等已经用上了AI。

更多最新行业资讯，欢迎点击《今日大事要闻》！