英伟达市值2年飙涨7倍，黄仁勋却说一开始研究AI只想做学术没想做生意

CNET科技行者 9月29日 北京消息（文/高玉娴）：在过去两年里，英伟达的市值飙涨超过7倍，股价直线攀升，甚至突破了1000亿美元的关口。这样的大好形势在很大程度上受益于GPU在人工智能领域起到的关键性作用，可以说，现在几乎所有涉足人工智能的企业都在用英伟达的芯片。这让它在“一夜之间”成为了人工智能行业中举足轻重的角色。

然而，在GTC CHINA媒体见面会上，黄仁勋却说，英伟达一开始做人工智能时其实完全没有想到生意的问题。

GTC CHINA 2017 大会

放在几年前，大家对英伟达的印象，还是一个游戏显卡芯片的龙头老大。而今，它已经摇身一变，成为一家实打实的人工智能公司。

18年前，英伟达推出了全球第一个图形处理器（GPU），此后，GPU成为计算机中独立于CPU的另一个重要的计算单元。在许多人看来，那更像是一场赌局。毕竟，在那之后的十数年里，CPU的地位一直不可撼动。也曾有人刁钻地问过英伟达CEO黄仁勋一个问题，英伟达有没有可能从一家图形芯片公司变成CPU 公司。当时的黄仁勋含蓄地说：“一个公司很重要的就是要根据市场的变化来调整自己。英伟达现在的产品是GPU，将来完全有可能根据客户的需要来调整自己的产品。”

18年后，客户的需求的确发生了天翻地覆的变化，却给了GPU巨大的市场机会。从英伟达公布的2018 财年第二季度财报中来看，在22.3 亿美元的总收入中，与GPU相关的业务收入就占了19 亿美元。

英伟达创始人兼CEO黄仁勋

用黄仁勋在GTC CHINA媒体见面会上的话说，“大数据、深度学习、人工智能等新技术的出现，使得硬件的制造方式被改变，软件运行也不再完全依赖于代码。目前我们面临着一个千载难逢的机会。”

而这，也是令英伟达十分兴奋的机会。

一切从CUDA说起：CPU+GPU才是最完美的架构

虽然大家总想把GPU与CPU对立起来，认为两者之间是互为替代的关系。但黄仁勋却“狡猾”又明确地表示：“GPU不会替代CPU，而是与CPU更好地结合满足计算需求。”

这也是英伟达把GPU称为加速器的原因。黄仁勋认为GPU与CPU各有优势和分工，CPU是通用的，而GUP在一些专门问题的处理上会发挥非常大的作用。所以，最完美的架构实际上是把CPU和GPU结合起来，也就是CUDA的架构。

黄仁勋在GTC CHINA上讲述英伟达“统一架构”CUDA

2004年，在将斯坦福大学博士生和公司实习生伊恩•布克（Ian Buck）收入麾下后，英伟达开始大举展开它的CUDA项目。据布克说，在此之前，要通过程序员制定的规则训练系统在数百万图像中识别出一张面孔，需要耗费整整一个学期，而通过GPU，研究人员在短短几周、几天甚至几个小时之内就能完成训练过程。所以，GPU的崛起背后的驱动力，也是第一个杀手级应用，就是计算机图形。

由于GPU强大的计算能力，深度神经网络得以被不断训练，这推动了深度学习出现革命式的发展。

时至今日，全球已经有几十万人在使用GPU计算， CUDA的开发人员也在短短5年里增长了14倍，超过了65万人，仅仅在过去的一年里，CUDA SDK的下载量就增加了80万。

在5月份美国的GTC大会上，英伟达发布了最新的计算平台——英伟达 Tesla V100，采用了全新架构Volta的V100，不仅有更强的性能，还增加了TensorCore用以专门针对深度学习。借助Tesla V100可以将CPU的速度提高40倍，这意味着只需要一台8GPU服务器就可以替换160台双CPU服务器或4个机架。

“也就是说，每台Tesla V100可以帮助企业节省约50万美元！而且你买的GPU越多，省的钱也越多！”在北京的GTC大会的演示中，黄仁勋兴奋地表示。简直就是那个名副其实的“教主”。

更重要的是这个平台是可编程的，支持包括TensorFlow、Microsoft Cognitive Tookit、MXNet、PyTorch、Caffe2、PaddlePaddle 、Theano等在内的任何一种人工智能框架。

虽然黄仁勋曾在多个场合表示，英伟达是一家人工智能公司。但是在受访时他也坦言，英伟达一开始在做人工智能时完全没有想到生意的问题，而只是把它作为纯粹学术的研究去做。

这样扎实的“基本功”，也让它在人工智能这一波突如其来的浪潮中走得更加有条不紊。

“英伟达 的愿景是为所有AI研究人员打造一个功能强大且高效的计算平台，进而推动人工智能发展。通过基于CUDA的可编程平台，汇集来自全世界的工程师，不断整合、合作，使得每个框架在平台上得以优化。” 黄仁勋说。

用AI推理加速器TensorRT 与Tesla V100一起打“组合拳”

虽然Tesla V100目前已经被诸多包括BAT、华为、浪潮、联想在内的中国领军IT企业采用，用以升级自身数据中心与云服务基础设施。但是正如黄仁勋接受采访时所说，无论如何，Tesla V100也只是一个硬件，在计算过程中要达到性能的调优还必须进行编译，因此，要做人工智能推理还需要软件。

现下，AI 推理工作负载呈指数级增长。在视频领域，每日运行的推理计算估计有 3,000 亿次；在语音领域，每日运行的推理计算估计在500 亿次以上；在语言翻译领域，每日运行的推理计算更是达到约 7,000 亿次以上。

CHINA上宣布推出TensorRT 3

为此，英伟达从三年前开始推出了TensorRT平台，又在GTC CHINA上发布了TensorRT 3，与GPU一起打“组合拳”。据称，该组合能够“在一切架构中为AI支持型服务提供超快速与高效的推理解决方案。”

TensorRT 3是全球首款可编程AI推理加速器，能够在生产环境中运行经过训练的神经网络，允许服务供应商选取任何已经过训练的深度学习架构，并选择其希望使用的特定GPU运行。说白了，它更像是一个能够让机器快速理解这个复杂世界的“翻译”，能够从神经网络中获取描述性文件，并将其编译为可以在目标GPU上运行的格式，从而快速优化、验证和部署神经网络，然后被引入到大型的数据中心、嵌入式或车载GPU平台。

运行英伟达加速计算的集团产品营销经理Paresh Kharya称，采用TensorRT将确保GPU以多层及跨流的方式执行，使得数据中心能够有效并行处理多种请求。除此之外，TensorRT还可以确定每个目标GPU的最佳策略，对数值精度、网络层和张量的去除和融合、快速内核以及内存管理进行优化。

据黄仁勋介绍，在图片识别方面，搭配 Tesla V100 GPU 加速器的 TensorRT 每秒能够识别多达 5,700 张图片，比最快的CPU 快了40倍。而在语言翻译领域，速度甚至快出了140倍。此外，在处理图像时可实现7ms的延时，在处理语音时延时不到200ms。

为了展示TensorTR 3在语音推理方面的性能，黄仁勋在大会中演示了如何通过对《权力的游戏》的影片中的台词进行语音搜索，快速找到对应场景。首先对视频进行解码，转换成文字，然后根据解码进行搜索，快速跳到那一帧，语音到文字的转换几乎没有延迟。

当然，这还不够。

还缺“两样东西”：自主机器处理器及机器人虚拟训练环境

黄仁勋认为，要让AI足够“聪明”还缺少“两样东西”，一是自主机器处理器，二是针对于机器人的虚拟训练环境。在这两方面，英伟达也做了大量工作。

据黄仁勋所说，英伟达正在设计许多类型的自主机器,它们能感知周围的环境,理解自己的处境并做出合理响应。他还介绍，英伟达设计了全球首款自主机器的处理器，并命名为Xavier。这是迄今为止最为复杂的片上系统，将于2018年第一季度早期接触合作伙伴提供，在第四季度全面推出。

黄仁勋宣布京东 X 选择英伟达实现其自主机器

目前，京东X已经成为 英伟达实现其自主机器，采用Jetson平台的首批“尝鲜者”。而Xavier也将成为下一代Jetson的片上系统(SOC)。

当被问及这样的自主机器什么时候能够进行商用和普及时， 黄仁勋说，目前自主机器的研发还有三个关键的问题需要解决。首先，要为自主机器打造一个人工智能平台，类似于增强学习等等；另外，是提供一个能够让自主机器进行自主学习的虚拟环境；在此基础上，第三步再将人工智能的“大脑”放到自主机器的框架中。

尤其是第二步，在机器人理解了这个复杂世界的“语言”后，还要进行相应的交互和执行，这需要很长的训练周期。“因此，我们需要创建一个可供机器人学习的虚拟世界，并且是遵守现实世界的物理学定律的世界，让机器人可以在其中不断训练和学习。”

对此，英伟达发布了称之为Isaac的虚拟机器人训练环境，通过将VR与AI进行融合，能够实现在部署前模拟现实条件对机器进行训练和测试。

在其构建的虚拟环境中，开发人员可通过虚拟现实技术来搭建各类测试场景，然后在几分钟内对其进行模拟，从而快速得到大量训练数据，然后再利用AI技术从这些数据中训练得到知识。

“但如果要让人进入到虚拟环境去对机器人进行训练，还需要用到很多其它的技术的配合。”黄仁勋坦言，“坦率说，目前这三个问题还没有完全解决，但是三项工作在英伟达正在并行中。明年，我们会将这三方面的基础都打好，之后就可以进行自主机器的生产。“

看重三个AI应用行业，每个都离不开GPU

在英伟达看来，深度学习的应用将彻底改变各行各业。

“未来我们会看到经过训练的神经网络得以部署，并给互联网服务带来很多惊喜。如今，交通运输领域变革已经走在面前，电动能源汽车、电动车，加上人工智能正在彻底改变交通行业，让自动驾驶成为可能。”

145家初创公司正在研制基于英伟达 DRIVE的自动驾驶汽车、卡车、出租车、地图

黄仁勋说，“这也是为什么我们现在花了很大的精力去推动自动驾驶的原因，我们认为在自动驾驶汽车中推动自动化技术是相对简单的，因此，从五年以前开始我们就在这方面下了很多功夫，要解决的最根本的一个问题就是避免碰撞。这将是人工智能改变我们生活的非常重要的一环。”

对于英伟达的自动驾驶来说，DRIVE PX是硬件基础，DRIVE OS是操作系统，DRIVEWORKS SDK是API，而DRIVE AV是最顶层的无人驾驶应用，把所有的这些结合在一起就是英伟达 DRIVE这样一个端到端的平台。可以支持L3、L4和L5级自动驾驶，开放软件栈包含从ASIL-D OS、深度学习、计算机视觉 SDK 到自动驾驶应用。

同时，这一自动驾驶平台也是一个开放的平台，以上说的每一个层次也都可以单独开放，适用于不同类型、不同公司的需求。换而言之，你可以选择用DRIVE PX硬件基础，其它部分自己开发，也可以选择用DRIVE AV应用，其它底层堆栈自己搭建。据说目前已经有145家初创公司正在研制基于英伟达 DRIVE的自动驾驶汽车、卡车、出租车、地图等等。

加上传统的游戏业务，目前英伟达形成了三个重要的业务布局，即游戏、交通运输和人工智能，三个市场也都有了非常大的体量。

在此基础上，英伟达又把目光瞄向了医疗卫生和健康产业，黄仁勋介绍说，英伟达希望能够通过人工智能等技术帮助健康产业从三个方面实现变革：“首先是新药研发，包括新药制造本身的研发，以及通过人工智能技术让医生以更少的成本和时间发现哪些新药是可以对症的；其二是疾病的早期检测，这就涉及到医疗影像问题；其三，新药临床效果的实验中大规模取样的问题。我们认为在这三个健康产业的重要问题之上，人工智能都是大有所为的，并且这个时间很快就会到来。”

而对于所有这些领域，无一例外，都需要GPU。

没有“爱”做不成“大事”

黄仁勋“意味深长”地对记者笑说：“如果你仔细想想我们今天在五大领域的重要发布，就会知道英伟达想要做什么。”虽然听起来像是打趣，但其实也“暴露”了英伟达要成为一个人工智能公司，而不是一个芯片公司的“野心”。

让机器快速读懂人类世界，并通过虚拟环境不断训练、加强学习，强化自主执行能力。在这些的背后，英伟达正在提供一个非常强大的计算平台。

但与此同时，它也在慢慢布局自己的生态。

如今，它正在不遗余力地向人工智能各个领域全面铺开。同时，也加紧与各领域的大型企业合作，并投资了诸如景驰科技、图森科技这样的初创公司。英伟达将与初创公司的合作平台称作“创始计划”，目前已经覆盖从交通、健康医疗、消费者服务、制造等行业在内的1900家深度学习的初创企业，并希望通过这样的合作，打造下一代伟大的公司，共同促进AI产业的发展。

在选择投资公司时，英伟达是有自己的一套标准的，主要是三个方面。一是与英伟达有一样的愿景和目标，二是这些公司确实需要英伟达的帮助（这一点是英伟达非常看重），三是这个公司本身必须是非常优秀的公司。

英伟达创始人兼CEO黄仁勋

黄仁勋说，英伟达不是一个自闭的公司，也不是垂直的集成公司，而是一个开放的平台公司。

“我们非常乐于与大众、丰田合作、奥迪这样的大型企业合作，同时也非常希望与很多初创企业合作。所有英伟达做的这些事，没有‘爱’是无法做成的。”

更多英伟达GTC CHINA 2017报道，请关注科技行者（微信公号：itechwalker），获取【GTC 2017黄仁勋演讲】完整版高清PPT。