英偉達——用自主創新引爆人工智能

劉彥聲

曾幾何時，人工智能只是科幻小說中描繪的場景。如今，隨著新一輪科技革命和產業變革的推動，人工智能的一些應用正在日益改變我們的生活，人類已經進入“智能時代”，世界各國紛紛搶灘布局，我國也做出了戰略性部署。國務院2017年印發《新一代人工智能發展規劃》提出了面向2030年我國新一代人工智能發展的指導思想、戰略目標、重點任務和保障措施，部署構筑我國人工智能發展的先發優勢，加快建設創新型國家和世界科技強國。

與此同時，世界各大科技企業也逐步在人工智能領域布局并轉型，其中最為成功的案例就是英偉達。NVIDIA是NVIDIA Corporation（官方中文名稱英偉達，以下統稱英偉達）的簡稱，是一家以設計智核芯片組為主的無晶圓IC半導體公司，該公司創立于1993年1月，員工人數超過10，000名，2017財年公司收入高達69億美元，總部位于美國加利福尼亞州圣克拉拉市。英偉達是一家以游戲和圖像處理器起家的公司，但它現在已經迅速轉型為一家專攻人工智能的公司。英偉達利用其圖形處理器（GPU）技術、深度學習、Volta架構、Cuda GPU編程平臺以及在各個領域的合作關系，已經成為人工智能領域的巨頭。更為準確的說，英偉達成為了人工智能領域的寡頭。

GPU（圖形處理器）的發明者

英偉達公司的創始人兼首席執行官是美籍華人黃仁勛，曾被《哈佛商業評論》評為“全球最佳表現CEO”。黃仁勛是早期硅谷的頂級華人創業者中的三駕馬車之一，與Yahoo的楊致遠和Youtube的陳士駿齊名，也是行業內公認的“AI教父”。黃仁勛是一位典型的理工男，思維嚴謹，邏輯縝密。有一次黃仁勛到北京的英偉達總部視察工作，一位銷售人員跟黃仁勛夸耀某款電視盒子的芯片銷量極高，但黃仁勛卻沒有直接表揚對方，而是先詢問了電視盒子的價格。在了解到過低的價格以后，他把這位銷售人員劈頭蓋臉地罵了一頓，因為過低的售價直接拉低了產品定位。就是在這么一位看似古板、嚴肅卻充滿大智慧的CEO的帶領下，英偉達公司在近5年來引爆了人工智能，也引爆了公司的市值。

1999年，英偉達公司率先發明了圖形處理器（GPU）。這極大地推動了PC游戲市場的發展，也重新定義了現代計算機圖形技術，并徹底改變了并行計算。GPU深度學習為現代人工智能這個新的計算時代帶來了新動力——在能夠感知和理解世界的計算機、機器人和自動駕駛汽車中，GPU發揮著大腦的作用。

目前，GPU能夠超高效地解決計算機科學領域中的一些最復雜的難題。它起初用來為視頻游戲和好萊塢電影大片呈現驚人的虛擬世界。現在，人工智能正在滲透生活中的每個領域，大到改變我們的生活方式，擊敗人類圍棋冠軍，小到讀取DNA來發現早期癌癥跡象。這些人工智能應用方面的迅猛發展，受益于深度學習在近幾年的迅猛發展。英偉達的GPU圖形處理器和與之配套的CUBA平臺基于GPU（顯卡）進行大量并行計算的特性，已經成為深度學習中最為成熟的一套硬件系統。英偉達甚至是最先提出GPU這一技術特有名詞的公司。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。現在，英偉達的GPU能夠模擬人類智能，可運行深度學習算法，并成為那些可感知和了解世界的計算機、機器人以及自動駕駛汽車的大腦。

英偉達游戲顯卡

計算機游戲行業是全球規模最大的娛樂行業，其市值高達1000億美元。而英偉達的GeForce游戲平臺擁有2億名游戲玩家，是規模最大的游戲平臺。龐大的平臺帶來了龐大的流量和用戶，這些忠實的用戶的來源就是因為GeForce GTX GPU和GeForce Experience應用程序把日常的PC變成了性能強大的游戲機器。

游戲行業的繁榮發展離不開不斷涌現的優秀游戲大作，這些游戲的制作水準已經可以與好萊塢電影大片相媲美，游戲制作的過程中也離不開英偉達GPU強勁的處理性能。英偉達的Gameworks軟件為大大小小的游戲設計軟件提供了各種先進的算法與工具，從逼真的煙霧效果、水面效果，到精細的毛發和皮毛，使游戲圖形的畫面更加豐富、更有沉浸感。目前，GeForce系列顯卡在游戲GPU行業中依舊領先，并始終保持著與最新、最熱門的游戲之間的合作關系，如2017年10月發行的PC版《命運2》，11月發行的《決勝時刻》和《星際大戰：戰場前線II》。值得注意的是，PC游戲在近幾年重新火爆，尤其是2017年的《絕地大逃殺》游戲，其火爆程度大大拉動PC游戲顯卡的銷售額。英偉達游戲顯卡的成功主要歸因于游戲顯卡出色及嚴苛的圖像處理功能：高端的技術研究與開發，以及可以持續吸引玩家注意力的行業口碑。

數據中心：主打深度學習

數據中心是英偉達又一個增速最快的板塊，其增長主要歸因于來自云服務和高性能計算供應商的需求及認可。英偉達的Volta處理器架構為全球最先進的數據中心。2017年第三季度，英偉達發布了Tesla P40和P4 GPUs，以及TensorRT深度學習推理框架。這些發明突破了英偉達單純神經網絡訓練的深度學習平臺，提升了人工智能在超大規模數據中心時的工作效率。除此之外，英偉達已開始聯系跨國企業，與多國展開合作，共同研發人工智能效率提升能力。

深度學習是機器學習的分支，是一種擁有多個處理層對數據進行高層抽象的算法。深度學習要求高計算性能的分為兩種場景。一種是訓練，即通過反復測試，找到一組可以讓模型錯誤率最小的參數值。在現實場景中，訓練量的需求會指數增長，訓練的參數可能高達上萬個。另一種是推理，即通過定義好的模型和參數進行運算，以解決任務。在此過程中，涉及到的芯片種類包括GPU，CPU，FPGA，TPU和ASIC。其中GPU具有高計算能力，在演算法開發和機器學習訓練場景中占有絕對市場優勢，尤其是英偉達處在接近壟斷位置的GPU。

英偉達公司的未來發展方向

打造全球最快的超級計算機

在信息化時代，基礎科學的研究方法也隨之進步，計算成為基礎科學研究必不可少的重要工具。世界科研強國也爭相建造高性能計算機來滿足基礎科學領域的計算要求。對傳統計算而言，摩爾定律即將步入盡頭，而人們對于計算機運算速度以及功能的迫切渴求卻才剛剛開始。摩爾定律由英特爾創始人之一戈登·摩爾于1965年提出，指的是在價格不變的情況下，集成電路上可容納的元器件數目將每隔18-24個月增加1倍，而性能也將提升1倍。圍繞摩爾定律的爭論揭示了一個事實：它在50多年后終于遭遇人工智能（AI）的挑戰，后者創造的巨量計算需求，給半導體市場帶來了改變。目前GPU計算是HPC、數據中心使用最為廣泛、同時也是最節能的計算方式，包括美國乃至歐洲最快的超級計算機都在使用。

助力改變生命的科學探索

醫學影像是指為了醫療或醫學研究，對人體或人體某部分，以非侵入方式取得內部組織影像的技術與處理過程。它包含以下兩個相對獨立的研究方向：醫學成像系統和醫學圖像處理。前者是指圖像形成的過程，包括對成像機理、成像設備、成像系統分析等問題的研究；后者是指對已經獲得的圖像作進一步的處理，其目的是使原來不夠清晰的圖像復原，或者是為了突出圖像中的某些特征信息，或者是對圖像做模式分類等。

醫學成像領域圖像處理的關鍵因素就在于成像速度、圖像尺寸以及分辨率。由于硬件設備的局限性，醫學影像增強處理都是按照序列完成的。傳統的利用CPU進行所有計算的方式不能滿足實時繪制以及交互的要求。而且，在處理這些圖像的同時，也浪費了醫生和病人的許多寶貴的時間。近十年，GPU 有了長足的發展，并且朝著通用計算的方向邁進，GPU 的數據處理能力遠遠超越 CPU，這使得在普通計算機上實現實時人體繪制變成了可能。如今的醫學成像領域可以通過充分利用高速運算技術來提高醫學成像的質量，微處理器受到智能手機以及平板電腦的創新發展的推動變得功能更加強大和低功耗。為了充分利用最新科技，最終獲得快速高效的醫療成像效果，某醫療企業決定購入GPU設備平臺，提升醫療成像的綜合能力。

醫療成像是最早利用 GPU （圖形處理器）并行計算加快性能的領域之一。GPU在這一領域的應用日趨成熟，目前有多款醫療設備均配備了英偉達 Tesla GPU。AMAX PSC-HA1是 AMAX 自主研發的機型，專業針對醫療成像應用，有效地縮短了對圖像的處理時間，圖像準確度和精確度都獲得顯著提升，大大提升了醫療企業的工作效率和醫療成像的效果。

GPU深度學習引爆人工智能

深度學習雖然前景無限，但需要強大的計算性能作為支撐。英偉達打造了一款人工智能超級計算機：英偉達DGX-1，這臺即插即用的設備在計算性能方面相當于一個含有250個節點的高性能計算集群，可將網絡訓練用時從數周縮短至短短幾天。目前，英偉達的芯片在人工智能領域仍占據主導地位，英特爾和AMD是英偉達最強大的競爭對手，但目前他們的技術落后于英偉達。2017年11月，英偉達公布了一項新的人工智能技術，是一種可以創造出不存在的人的圖像技術。英偉達的研究人員建立了一個全球性的生成對抗網絡（GAN），通過讓兩個人工智能系統相互競爭的方式來創造出更高質量的模擬人的“照片”。機器不是單純地去進行無休止的戰斗，而是將整體的工作分成“創造圖像”和“判斷圖像”兩個方面，以便對結果進行更細致的微調。

科學家們給人工智能提供了真實的名人人物圖像讓它們開始制作，并逐步提高照片的分辨率，直到它們能夠制作出相當逼真的人物照片。這些圖像存在一些問題，如果你有一雙敏銳的眼睛可能會注意到一些瑕疵，而專家們輕易地會忽略它們。但是，當模擬的圖片底下沒有介紹人物的上下文時，一般人可能不會注意到其與真實人物的圖片的細微不同。不難想象，上面的圖片會被適當地裁剪以被用于某個人的簡介。

2016年9月13日，GTC CHINA 2016（GPU技術大會）在北京召開，英偉達全球首發了兩款深度學習和自動駕駛最新產品，并宣布與京東達成戰略合作并共建聯合實驗室。而在2016年底舉行的百度世界大會上，英偉達聯合創始人、總裁兼首席執行官黃仁勛宣布英偉達與百度在無人駕駛領域開展合作。

由于布局較早，英偉達在深度學習市場占據了主要優勢。目前國內外絕大多數的深度學習企業和機構都依托英偉達的GPU加速，包括Facebook、Google、阿里巴巴、百度等在內的全球互聯網巨頭均與英偉達有合作關系。前年一時無兩的谷歌AlphaGo，身上也連接了170塊GPU。在人工智能領域，目前大多數企業采用的是“CPU+GPU”的協同計算組合，在這種異構模式下，應用程序的串行部分在CPU上運行，而GPU作為協處理器主要負責計算任務最繁重的部分。目前英偉達正與全球最大的企業技術供應商展開合作，讓每一家企業都能充分利用GPU深度學習的強大威力。

自動駕駛技術的不斷創新

自動駕駛車輛將會使高達10萬億美元的交通行業變得現代化，但它們需要龐大的人工智能計算能力來支撐。英偉達 DRIVE PX2是一款可擴展的人工智能車載超級計算機，可貫穿整個自動駕駛過程。現在已有80多家企業在利用英偉達 DRIVE PX 2進行開發工作。2017年，英偉達先后宣布其產品被特斯拉應用到全新自動駕駛系統，及與百度公司，歐洲TomTom公司展開了人工智能汽車以及地圖系統項目的合作。公司CEO黃仁勛表示駕駛是人類一項通過后天學習得來的技巧。英偉達研究的人工智能產品本質在于可以通過觀察人類的駕駛行為，學會在各種繁雜路況下駕駛車輛。另外，英偉達包攬了很多實力雄厚的合作伙伴，如奔馳、奧迪等大型企業。

2017財年英偉達公司的收入為69.1億美元，較去年上升37.9%，毛利潤為40.6億美元，較去年上升44.5%，凈收入16.7億美元（圖1）。其中，研究與開發費用占營收比始終在20%至30%左右，為運營成本的核心費用。隨著英偉達公司近三年的業務逐漸多元化以及營收的大幅上升，研究與開發費用占營收比呈遞減趨勢，但是仍然保持在20%以上（圖2）。

截止2017年12月10日，英偉達公司的股票價格為191.49美元，市值為1160.43億美元，平均每股收益（EPS）為4.03美元，市盈率為47.52。英偉達近兩年的股價，隨著業績不斷屢創新高。而英偉達業績增長的驅動力，主要來自于其在顯卡市場的份額增大，而顯卡市場本身規模也在迅猛發展。FactSet數據顯示，英偉達股價在過去一年里暴漲了187%（圖3），同期標普500指數上漲17%。目前至少有4家華爾街機構將其目標價設定在200美元及以上。由于在數據中心、圖像識別、人工智能、自動駕駛、高端游戲、AR/VR和加密貨幣開采等許多高增長領域的芯片需求強勁，英偉達的高估值似乎已被增長潛力所證明。英偉達的強勁表現得到了華爾街機構的一致青睞。

根據NVIDIA的財報可以看出（表1），游戲市場始終是NVIDIA收入的大頭，比重超過50%。自2017年開始，NVIDIA在數據中心以及大數據市場中的收入比重逐漸提升，而在專業視覺處理器、汽車、代工及IP市場比重變化不大。2017財年第三季度，在總收入為26.4億美元的情況下，各大板塊收入如下：游戲收入占60%，數據可視化收入占9%，數據中心收入占20%，自動駕駛收入占5%，OEM & IP收入占7%（圖4）。目前，游戲版塊的增長非常強勁，而datacenter數據中心在近幾個季度也有起飛的跡象。英偉達在數據中心市場仍有較大發展空間。

英偉達稱其最大的發展方向為中國市場，預計中國數據中心市場在2020年前會每年擴大13%，為英偉達提供了可觀潛在市場。即使2017上半年數據中心增長變緩，英偉達數據中心年增長率仍保持在175%左右。自動駕駛板塊目前增長穩定，預計未來也會保持相對穩定的增速。總而言之，游戲市場是英偉達的現在，人工智能才是英偉達的未來。

自主創新的英偉達公司——走在人工智能的最前端

自主創新的理念由陳勁在1994年提出，最初是表述我國企業從技術引進到自主創新的學習模式。任何一個國家或企業為了在技術發展中處于領先地位，必須有效地協調技術引進、技術吸收與技術創新活動（陳勁，1994）。英偉達公司似乎在1994年就貫徹了自主創新的精神，并在五年后完成了自主開發的GPU技術，并形成了行業的變革。而如今的AI浪潮，也是基于英偉達公司百億美元的鋪墊。早在2004年，斯坦福大學在讀博士生Ian Buck在英偉達實習并研究如何更有效地管理GPU的計算引擎，并推動了CUDA（統一設備架構）的發展。在2006年之前，GPU是一個很封閉的體系。對普通研究者來說，想用好GPU是件很費勁的事。CUDA誕生之后，科研機構、高性能計算中心開始部署英偉達的GPU，研究者也漸漸將GPU用于氣候模擬、地震數據處理、礦產儲量計算等科學計算領域。為了豐富CUDA生態，英偉達很早就在高校上投入資源，培養開發者。2009年，英偉達在中國大陸開設了面向大學生的CUDA架構校園程序設計大賽，即使當時的英偉達還處在凈虧損6800萬美元的泥沼中。看似偶然的表象背后，都有一套必然的邏輯在支撐，英偉達公司在鋪平CUDA架構道路的背后，為AI浪潮的到來夯實了基礎。

出于競爭的需要，引進的技術多是“離散”的知識和信息集合，只有通過研究與開發才能掌握技術的本質。根據陳勁的自主創新理論，企業在技術創新時有三種學習模式（表2）。

目前的主流互聯網公司，較多采用的創新學習模式是技術吸收和技術引進，例如騰訊公司的微信產品就是“干中學”和“用中學”的產物，通過對一個基礎商業模型框架的不斷漸進性創新，最終形成了“爆款”產品。英偉達公司則是典型的“研究開發中學”的范例。半導體產業高收入的背后是高投入和高風險，芯片研發與制造都需要大量資金投入，R&D;研發投入也成了評判各大半導體公司的指標。目前R&D;研發投入上花錢最多的半導體公司自然是老大Intel，不過英偉達公司是最愿意花錢研發的，平均都會拿出1/4的營收去做R&D;研發。從2015年到2017年，英偉達公司的研發費用分別占到了公司營收的29%，26%和22%。同時，公司也傾向于投入巨額費用進行核心技術以及突破性技術的大型開發項目。2018年第一季度，Xavier自主機器處理器開始交付給客戶，該處理器的總研發費用為20億美元。在未來，英偉達擬投入30億美元開發Volta架構的NVIDIA Tesla V100，劍指AI和深度學習的未來需求。