挖礦大潮、人工智慧和深度學習市場下的GPU「三國殺」！

第908期推文

導語：挖礦大熱、人工智慧和深度學習崛起，晶元廠商也在重新審視GPU的技術和市場。

本文編輯 Carol

資料來源 網路整理

轉載請註明來源 芯師爺

近日，NVIDIA 發布了 Quadro 系列和 DGX 系列的新品。公司CEO黃仁勛Quadro GV 100 為世界上體積最大的 GPU。

Quadro GV 100擁有 5120 顆 CUDA 流處理器，640 顆 Tensor 處理器，最高可提供 14.8TFLOPS 的單精度浮點性能， 7.4TFLOPS 雙精度浮點性能；採用 32GB HBM2 顯存，顯存帶寬為 870GB/s；能夠提供 118T 的深度學習性能。

DGX-2是一台專門用於人工智慧訓練和/或推理任務的桌面計算機，是 NVIDIA 的第二代 DGX小型超級計算機，可提供 10 倍於上一代 Nvidia DGX-1 的深度學習性能，整體功耗為為 10KW，重 350 磅，售價僅為 39.9 萬美元（約合 250 萬人民幣）。

此外英偉達還宣布將把它的開源深度學習架構（NVDLA）帶到ARM即將推出的項目 Trillium 平台上，NVDLA將幫助開發人員加速推理過程。英偉達通常依賴於自己的封閉平台，不過，要想在移動物聯網設備方面發揮影響，英偉達有必要和在該領域佔主導地位的ARM合作。

NVIDIA是一家人工智慧計算公司 ，創立於 1993 年。1999 年，NVIDIA 發明了 GPU，這極大地推動了 PC 遊戲市場的發展，重新定義了現代計算機圖形技術，並徹底改變了並行計算。

GPU的生產廠商很多，人們熟知的除了NVIDIA，還有AMD、Intel。挖礦大潮時期，AMD也跟著火了一把，市場調研機構表示，AMD是挖礦大潮中最為受益的晶元廠商。2017年在人工智慧市場的推動下，處於GPU短板地位的Intel也開始發力GPU。

AMD是挖礦大潮中最為收益的晶元廠商

AMD成立於1969年,專門為計算機、通信和消費電子行業設計和製造各種創新的微處理器（CPU、GPU、APU、主板晶元組、電視卡晶元等)，以及提供快閃記憶體和低功率處理器解決方案。

2018年3月初，市場調查公司Jon Peddie Research發布了最新的晶元產業報告，披露上年四季度圖形處理器（GPU）出貨量和各廠商的市佔率。AMD在2017年的市場份額有顯著上升，從上年三季度的13%升至14.2%；英特爾和英偉達則均有下滑。

Jon Peddie還提到，不像AMD或是英偉達，英特爾的市場份額不太會受到數字貨幣的影響，因為英特爾將GPU或是iGPU集成在台式機或是筆記本電腦中出售，所以數字貨幣的潮起潮落對英特爾的GPU銷售影響不大。

出貨量方面，去年全年GPU晶元同比下滑4.8%，台式機晶元下滑2%，筆記本則下滑了7%。但數字貨幣玩家對晶元行業支撐顯著，去年全年，挖礦者貢獻了超過300萬個獨立的圖形處理器的銷量，銷量達到7.76億美元。

AMD四季度的出貨量季環比增長8.08%，英特爾下降1.98%，英偉達的出貨量降幅高達6%。Jon Peddie稱，AMD是挖礦大潮中最為受益的晶元廠商。AMD是數字貨幣挖礦主要的晶元設備，隨著上年四季度數字貨幣大漲，晶元的需求也得到顯著提升。

上月月底，AMD公布的四季度財報顯示，經調整EPS四季度達0.08美元，超過市場預期的0.05美元。AMD發布財報前，分析師指出，去年末比特幣等數字貨幣高漲不但會促進去年四季度AMD的業績，對今年一季度的業績指引也會是利好。

「目前的情況是，挖礦者正在吞噬整個獨立顯卡的供應，而現在的產量無法跟上龐大的需求。」Jon Peddie提到，挖礦者為GPU銷售作出的貢獻已經超過了遊戲，雖然遊戲是目前GPU銷售最總要的推動力。

Intel 進軍高端獨立顯卡

無論是在 PC 端還是數據中心，Intel 都是 CPU 市場上毫無爭議的老大；但 Intel 最大的短板在於圖像計算，也就是 GPU。

其實，目前 Intel 並非沒有自己的圖像解決方案，但都局限於核芯顯卡，即 Intel HD Graphics 系列。這種核芯顯卡在圖像處理方面的能力比較低，無法與 AMD 和 Nvidia 的獨立顯卡相提並論，也只能用在一些對圖像處理要求較低的客戶端設備中，比如說筆記本。

之前，雷鋒網整理過Intel 核芯顯卡、 AMD 核顯 & 獨顯以及 Nvidia 獨顯之間的同期最強圖像處理性能，對比如下圖所示：

圖片來源：雷鋒網

由上圖可知，在圖像處理方面，Intel 的核芯顯卡與 Nvidia 和 AMD 的獨顯根本就不是一個級別的對手，所以不少遊戲玩家一般會選擇帶有獨顯的筆記本；而 AMD 雖然也有獨顯，但在近兩年也是被 Nvidia 壓上一頭。不過需要說明的是，由於不同架構對浮點運算的優化不同，上面數據僅可作為參考；但也足以說明 Intel 在 GPU 上的短板。

在人工智慧和深度學習的大潮到來之前，Intel 與 Nvidia 之間主要是 CPU 和 GPU 之間的合作關係。然而隨著深度學習的興起，Nvidia 的 GPU 在並行計算上的巨大優勢使得其在大規模的數據中心業務中越來越受到歡迎，廣泛應用於圖像識別、語音識別以及自然語言處理等人工智慧任務。而在這一場景中，Intel 面向伺服器和數據中心 CPU 產品反而不再受寵。

2018年11 月 7 日，AMD 宣布該公司的首席 GPU 架構師、Radeon 高級副總裁 Raja Koduri 離職。11 月 8 日，Intel 宣布 Raja Koduri 的加盟並任命其為 Intel 首席架構師，並在新成立的核心和視覺計算事業部（Core and Visual Computing Group）擔任高級副總裁。

據雷鋒網了解，Raja Kodure 在加入 Intel 之前擔任 AMD 的 Radeon 事業部的高級副總裁和首席架構師，負責 AMD 包括 APU、獨立 GPU、半定製產品和 GPU 計算產品在內的諸多產品圖像相關的方方面面。此前，Raja Kodure 也曾在蘋果負責 Mac產品的圖像顯示系統。

憑藉 25 年的從業經驗，Raja Kodure 堪稱是 GPU 領域的一尊大神。根據雷鋒網的相關報道，Intel是決定進軍高端獨立顯卡。要知道，當前的高端獨立顯卡，不僅僅用以滿足視頻遊戲玩家的需求，也被越來越多地用於人工智慧和機器學習。

挖礦大熱、人工智慧和深度學習崛起，致使GPU的技術和市場被重新關注和審視。

本文綜合自EETOP、雷鋒網、白話挖礦等，如有侵權請聯繫處理，謝謝！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！