Графический процессор рост бизнеса ЦОД в i квартале NVDIA заметно замедлился за последние несколько лет. Ли NVIDIA может сохранить свою позицию в области искусственного интеллекта (AI), появление пользовательских чипов, таких как Google тенсорфлов обработки блок (ТПУ) угрожает доминирование NVIDIA в углубленного обучения. Ли Intel, Ultra Micro (AMD) и все новые предприятия в области может обогнать NVIDIA стоит углубиться в. По данным фубис (Forbes), исследования рынка института Мур Insights & стратег аналитик Карл Фройнд опубликовал исследование в последнее время, сказал NVIDIA в удивительный рост AI вызвало много внимания, и принес много потенциальных противников, Многие из этих компаний утверждают, что разработали чипы, которые в 10 раз быстрее, чем NVIDIA и имеют более низкое энергопотребление. В дополнение к Hyper-Micro GPU, все компании считают, что чип, предназначенный для борьбы с нейронными сетями является жизнеспособным маршрутом. Intel Intel приобрела Нервана в 2016 для создания своего портфеля ускорителя. Оригинальный Нервана двигатель должен был быть выпущен в 2017, и до сих пор не было никаких новостей. Нервана может решить скорректировать свой оригинальный дизайн после Вольта тенсоркорес, который в 6 раз более эффективен, чем Паскаль, потрясло сообщество. Фройнд, что первое серийное производство Нервана чипов может быть опубликовано в конце 2018. Выше обсуждение о подготовке глубокой нейронной сети (DNN), где NVIDIA добилась больших успехов в AI. Тем не менее, Intel говорит, что, сопряжение хороший дизайн программного обеспечения с процессором ЦОД Xeon, вы можете добиться выдающейся производительности в усилиях вывода. Компания утверждает, что имеет более чем 80% процента от рынка льготной переработки. Google ТПУ и другие внутренние интегральные схемы Google имеет два типа микросхемы доступны для AI: один для вывода, а другой для обучения. Google сделал ТПУ ускоритель для рынка. Но на самом деле, он состоит из 4 идентичных микросхемы, каждая из которых предлагает около 45топс. Напротив, NVIDIA Вольта каждый чип доставляет до 125топс. Со временем, Google, возможно, перешли большую часть своей собственной работы GPU на ТПУ. Micro-хотя Ultra Micro в подготовке своего программного стека и NVIDIA схватка для машинного обучения рабочей нагрузки, но его текущий чип Vega в пиковой производительности, чем NVIDIA Вольта поколение позади. В настоящее время компания имеет 10 новых предприятий в мире, которые планируют конкурировать за машинное обучение, некоторые из которых готовы к запуску чипов. Как представляется, в материковой части материка, как представляется, хорошо финансируется и поддерживается правительством материковой части страны. Он ориентирован на дело с нейронными сетями, а не на построение нейронных сетей. Силиконовая Долина компания волна вычислений запустила чип, который может построить учебную модель. Wave использует новый дизайн, называемый архитектурой потока, который якобы устраняет узкие места в традиционных ускорителях. Процессор потока данных Wave может обучать и обрабатывать нейронную сеть напрямую, не используя процессор. В отличие от Google ТПУ, волна поддерживает углубленное изучение Microsoft КНТК, Amazon мкснет и тенсорфлов программного обеспечения. Другие известные компании, такие как церебрас, графкоре и грок все еще находятся в скрытом режиме, но подняли много денег, чтобы построить пользовательский ускоритель AI, но он не должен быть запущен до 2019. Фройнд, что самая большая угроза NVIDIA может быть Google ТПУ. Google может продолжать покупать и использовать многие GPU для обработки рабочей нагрузки, которая не подходит для ТПУ, таких как рекурсивная нейронная сеть для обработки языка. Wave является хорошим выбором для компаний, которые не хотят использовать общедоступное облако для разработки и развертывания AI, и не хотят настраивать собственную инфраструктуру GPU. Наконец, если Intel может заимствовать Нервана для входа на рынок и готов инвестировать в свою полную поддержку, то Нервана может представлять угрозу в 2019. Но Нервана необходимо по крайней мере 3 лет времени и солидный план развития 1 жизнеспособных экосистем. 1 факторы, которые следует учитывать, что, с развитием NVIDIA 7 нанотехнологии, NVIDIA будет иметь возможность добавить важную область чипа в AI особенность. В результате, процент фишек, которые фокусируются на AI может увеличиваться, так что эта часть фактически становится микросхемы, которая также может отображать графику. Фройнд не считает NVIDIA 1 GPU компаний, но 1 платформа компании с неограниченным стремлением роста. Есть нет других компаний, которые имеют NVIDIA глубину и широту знаний в AI аппаратного и программного обеспечения. NVIDIA может разработать лучший чип AI, если он предвидит угрозу от микро, Intel или интегральных схем. NVIDIA сделала это через глубокий ускоритель обучения (разведка). Если графический процессор скомпрометирован, NVIDIA может также обратиться к следующему шагу. В то же время, она имеет очевидный рост и лидирующие позиции на рынке искусственных чипов. С точки зрения обработки данных, NVIDIA фокусируется на рабочих нагрузках ЦОД и системах визуального руководства для таких приложений, как самостоятельное вождение.
