طراحی پردازنده رشد کسب و کار مرکز داده ها در سه ماهه سال یکم Nvdia شاخصی در طول چند سال گذشته کند شده. آیا Nvidia می تواند به حفظ موقعیت خود را در زمینه هوش مصنوعی (AI)، ظهور تراشه های سفارشی مانند Google TensorFlow واحد (TPU) پردازش انویدیا است تسلط در عمق یادگیری آموزش تهدید می کند. آیا اینتل فوق العاده میکرو (AMD) و تمام سرمایه گذاری جدید در زمینه انویدیا پیشی می تواند ارزش تعمق به است. طبق ها Fubis (Forbes) تحلیلگر بازار تحقیقات موسسه مور بینش & Strateg کارل Freund منتشر شده مطالعه تازگی، انویدیا است رشد شگفت آور در هوش مصنوعی موجب توجه زیادی گفت، و بسیاری از مخالفان بالقوه آورده، بسیاری از این شرکتها ادعا می تراشه است که 10 بار بار سریعتر از انویدیا و کاهش مصرف برق را توسعه داده اند. علاوه بر پردازنده گرافیکی بیش از حد میکرو همه شرکت ها معتقدند که تراشه طراحی شده برای مقابله با شبکه های عصبی مسیر قابل دوام است. اینتل اینتل Nervana در سال 2016 به ساخت مجموعه شتاب دهنده خود را به دست آورد. موتور اصلی Nervana در 2017 منتشر شده باید و تا کنون هیچ خبری وجود داشته. Nervana ممکن است تصمیم به تنظیم طرح اصلی آن را پس از Tensorcores ولتا که 6 بار بار موثرتر از پاسکال، جامعه شوکه شده است. Freund که دسته اول تولید تراشه های Nervana ممکن است منتشر در اواخر سال 2018. بحث بالا در مورد آموزش عمیق عصبی شبکه (DNN)، که است که انویدیا موفقیت بزرگ در هوش مصنوعی ساخته شده است. با این حال، اینتل می گوید که شما می توانید با جفت شدن طراحی نرم افزار خوب با پردازنده Xeon مرکز داده عملکرد فوق العاده در استنباط تلاش دست یابد. ادعای شرکت به بیش از 80% درصد از بازار استنباطی پردازش. TPU گوگل و دیگر گوگل ASIC داخلی است دو نوع ASIC موجود برای هوش مصنوعی: یکی برای استنباط و دیگر برای آموزش. گوگل TPU شتاب دهنده برای بازار ساخته شده است. اما در واقع آن 4 یکسان ASIC، ارائه هر مورد 45TOPS ساخته شده است. در مقابل, انویدیا ولتا هر تراشه به 125TOPS ارائه می شود تا. با گذشت زمان، گوگل بیشتر از آن کارهای داخلی پردازنده گرافیکی به TPU منتقل شده است ممکن است. میکرو-هر چند تراشه میکرو فوق العاده در تهیه آنها پشته نرم افزار و انویدیا تقلا برای حجم کار یادگیری ماشین اما وگا فعلی خود در اوج عملکرد از انویدیا ولتا نسل در پشت. این شرکت در حال حاضر 10 سرمایه گذاری های جدید در جهان که در حال برنامه ریزی برای رقابت برای یادگیری ماشینی که بعضی از آنها در حال آماده برای راه اندازی تراشه است. Cambrian در سرزمین اصلی به نظر می رسد به خوبی تامین و پشتیبانی حکومت سرزمین اصلی. Cambrian در برخورد با شبکه های عصبی به جای ساختمان شبکه های عصبی متمرکز شده است. شرکت دره سیلیکون محاسبات موج تراشه است که می تواند ساخت مدل آموزش راه اندازی شد. موج با استفاده از طراحی رمان به نام معماری جریان داده که ظاهرا تنگناها در شتاب دهنده های سنتی را حذف می کند. موج را داده جریان پردازنده می تواند آموزش و پردازش شبکه های عصبی به طور مستقیم بدون استفاده از پردازنده. بر خلاف TPU گوگل موج عمق یادگیری نرم افزار مایکروسافت CNTK Mxnet آمازون و TensorFlow پشتیبانی می کند. دیگر شرکت های شناخته شده مانند Cerebras Graphcore و GROQ هنوز در حالت خفا, اما مقدار زیادی از پول برای ساخت سفارشی شتاب دهنده هوش مصنوعی مطرح شده اند اما آن نیست باید تا 2019 آغاز شد. Freund که انویدیا است بزرگترین تهدید می تواند TPU گوگل. گوگل به خرید و استفاده از بسیاری از GPU رسیدگی حجم کار است که مناسب برای TPU، مانند شبکه عصبی بازگشتی برای پردازش زبان ادامه دهید. موج انتخاب خوبی برای شرکت هایی که نمی خواهند به استفاده از ابر های عمومی برای استقرار و توسعه هوش مصنوعی و نمی خواهم راه اندازی زیرساخت های آنتی ویروس خود را است. اگر اینتل بگیرم، Nervana ورود به بازار و مایل به سرمایه گذاری در حمایت کامل خود، در نهایت، سپس Nervana در 2019 تهدیدی می تواند. اما Nervana باید حداقل سه سال زمان و نقشه راه جامد به منظور توسعه اکوسیستم های ماندگار 1. 1 عوامل در نظر گرفتن این است که با توسعه فناوری نانو 7 انویدیا, انویدیا اضافه مساحت تراشه مهم به ویژگی های هوش مصنوعی قادر به است. طوری که این بخش واقع ASIC است که همچنین می توانید صفحه نمایش گرافیکی را می شود در نتیجه, درصد تراشه که بر هوش مصنوعی، ممکن است افزایش یابد. Freund که فکر کنم انویدیا 1 پردازنده گرافیکی شرکت، اما شرکت های بستر های نرم افزاری 1 با آرمان های رشد نامحدود است. هیچ شرکت که انویدیا را عمق و وسعت تخصص در هوش مصنوعی سخت افزار و نرم افزار وجود دارد. اگر آن را از پیش تهدید از میکرو اینتل یا ASIC انویدیا قادر به طراحی تراشه هوش مصنوعی بهتر می تواند. انویدیا این را از طریق کارت یادگیری عمیق (DLA) انجام داده است. اگر آنتی ویروس به خطر بیافتد, انویدیا نیز می تواند به مرحله بعدی تبدیل. در همان زمان رشد آشکار و بازار منجر به موقعیت در تراشه های آموزشی هوش مصنوعی است. از لحاظ پردازش استنباطی انویدیا workloads مرکز داده ها و سیستم های هدایت بصری برای برنامه های کاربردی مانند رانندگی خود تمرکز می کند.
