드로잉 프로세서 nvdia의 1th 분기에 데이터 센터 사업의 성장은 지난 몇 년 동안 현저 하 고 둔화 했다. nvidia는 인공 지능 (AI)의 분야에서 위치를 유지할 수 있는지 여부, 구글 tensorflow 처리 장치 (TPU)와 같은 사용자 정의 칩의 출현은 심층적인 학습 훈련에서 엔비디아의 지배력을 위협 하고있다. 인텔, 울트라 마이크로 (AMD의)와 현장에서 모든 새로운 벤처 엔비디아 따라잡을 수 있는지 여부를 delving 가치가 있다. fubis에 따르면 (포브스), 시장 조사 연구소 무어 인 사이트 & strateg 애 널 리스트 칼 freund 최근 연구 출판, 인공 지능에 Nvidia의 놀라운 성장은 많은 관심을 일으켰습니다, 그리고 여러 잠재적인 상대를 가져, 라고 이들 기업의 대부분은 10 배 빠른 엔비디아 보다 낮은 전력 소비를가지고 칩을 개발 했다고 주장 하고있다. 하이퍼 마이크로 GPU 이외에, 모든 기업은 신경망을 처리 하기 위한 칩이 실행 가능한 경로 라고 생각 합니다. 인텔 인텔은 가속기 포트폴리오를 구축 하기 위해 2016에서 nervana을 인수 했다. 원래 nervana 엔진은 2017에 출시 되어 있어야 하 고, 지금까지 아무 소식이 되었습니다. nervana는 6 번 더 파스칼 보다 효율적인 볼타 tensorcores 후에, 지역 사회에 충격을가지고 자사의 원래 설계를 조정 하기로 결정할 수 있습니다. freund 그 nervana 칩의 첫 번째 일괄 생산 2018 후반에 출판 될 수 있습니다. 위의 논의에 대 한 깊은 신경 네트워크 (dnn), 어디에 Nvidia는 AI에서 큰 성공을 했다 훈련입니다. 그러나 인텔은 좋은 소프트웨어 설계를 Xeon datacenter 프로세서와 페어링 하 여 추정 노력으로 뛰어난 성능을 달성할 수 있다고 말합니다. 회사는 infertial 프로세싱 시장의 80% 이상의 퍼센트를 가지는 것을 주장 한다. google TPU 및 기타 내부 asic google은 두 가지 유형의 asic를 AI에 사용할 수 있습니다: 추론 및 교육을 위한 다른 하나. 구글은 시장을 위한 TPU a 가속기를 만들었습니다. 그러나 실제로, 그것은 4 동일한 ASIC의 45tops에 관하여 각 제안으로 위로 만든다. 대조적으로, 엔비디아 볼타 각 칩 125tops까지 제공 합니다. 시간이 지남에 구글은 자사에서 대부분의 이동 할 수 있습니다-집 GPU 작업 TPU 합니다. 마이크로-그들의 소프트웨어 스택의 준비에 울트라 마이크로 하지만, 기계 워크 로드를 배우는 엔비디아 출 격 있지만 엔비디아 볼타 세대 뒤에 보다 최고 성능의 현재 베가 칩. 이 회사는 현재 기계 학습, 일부는 칩을 발사 준비가 되어 경쟁을 계획 하 고 있는 세계에서 10 개의 새로운 벤처 있다. 본토에 있는 cambrian는 본토 정부에 의해 잘 투자 되 고 지원 된 것을 보인다. 이 cambrian 신경 네트워크 보다는 신경 네트워크를 구축 처리에 초점을 맞추고 있습니다. 실리콘 밸리의 회사 웨이브 컴퓨팅은 훈련 모델을 구축할 수 있는 칩을 출시 했다. 파도가 기발한 전통적인 가속기의 병목 현상을 제거 하는 데이터 흐름 아키텍처 라는 소설을 디자인을 사용 합니다. Wave의 데이터 스트림 프로세서는 CPU를 사용 하지 않고 직접 신경망을 훈련 하 고 처리할 수 있습니다. 구글 TPU와 달리, 웨이브는 마이크로 소프트 cntk, 아마존 mxnet 및 tensorflow 소프트웨어의 심층 학습을 지원 합니다. cerebras, graphcore 및 groq 등 잘 알려진 다른 회사는 여전히 스텔스 모드에 있지만, 사용자 정의 AI 가속기를 구축 하기 위해 많은 돈을 제기 하지만, 그것은 2019까지 시작 해서는 안됩니다. freund 그 엔비디아의 가장 큰 위협은 구글 TPU 수 있습니다. Google은 계속 해 서 구매 하 고 많은 GPU를 사용 하 여 언어 처리를 위한 재귀 신경망과 같이 TPU에 적합 하지 않은 워크 로드를 처리 합니다. Wave는 공용 클라우드를 AI 개발 및 배포에 사용 하지 않고 자체 GPU 인프라를 설정 하 고 싶지 않은 기업에 적합 한 선택입니다. 마지막으로, 인텔은 시장을 입력 nervana 빌릴 수 있다면 그것의 완전 한 지원에 투자 하고자 하는 경우, 다음 nervana 2019에 위협을 초래할 수 있습니다. 하지만 nervana 1 가능한 생태계를 개발 하는 시간과 탄탄 한 로드맵을 최소 3 년간 필요 합니다. 고려할 것 이다 1 개의 요인은, nvidia 7 나노기술의 발달로, nvidia가 AI 특징에 중요 한 칩 지역을 추가할 수 있을 것 이라는 점을 이다. 결과적으로 AI에 초점을 맞춘 칩 비율이 증가 하 여이 부분이 실제로 ASIC가 되어 그래픽을 표시할 수도 있습니다. freund 엔비디아 1 GPU는 기업, 하지만 무제한 성장 포부와 1 플랫폼 회사 라고 생각 하지 않습니다. 인공 지능 하드웨어와 소프트웨어에 (서) Nvidia의 깊이와 폭넓은 전문 지식을 가지는 다른 회사가 없다. Nvidia는 마이크로, 인텔 또는 ASIC에서 위협을 예견 하는 경우 더 나은 AI 칩을 설계할 수 있습니다. 엔비디아는 깊은 학습 가속기 (dla)를 통해이 일을 하고있다. GPU가 손상 되 면 nvidia는 다음 단계로도 켤 수 있습니다. 동시에, 인공 지능 훈련 칩에 있는 명백한 성장 그리고 시장 주요한 위치가 있다. infertial 프로세싱의 관점에서, Nvidia는 자동 운전과 같은 어플리케이션을 위한 데이터 센터 워크 로드와 비주얼 가이던스 시스템에 초점을 맞춥니다.
