ตัวประมวลผลการวาดภาพการเจริญเติบโตของธุรกิจศูนย์ข้อมูลในไตรมาส1th ของ Nvdia ได้ชะลอตัวอย่างเด่นชัดในช่วงไม่กี่ปีที่ผ่านมา ไม่ว่า Nvidia สามารถรักษาตำแหน่งในเขตข้อมูลของปัญญาประดิษฐ์ (AI), การเกิดขึ้นของชิปที่กำหนดเองเช่น Google TensorFlow ประมวลผลหน่วย (TPU) คุกคามการปกครองของ Nvidia ในการฝึกอบรมการเรียนรู้ลึก. ไม่ว่า Intel, Ultra Micro (AMD) และกิจการใหม่ทั้งหมดในสนามสามารถแซง Nvidia มีมูลค่า delving ลงใน. ตามที่ Fubis (Forbes), สถาบันวิจัยตลาด Moor ข้อมูลเชิงลึกของคณะนักวิเคราะห์ Strateg เผยแพร่การศึกษาเมื่อเร็วๆนี้ว่าการเจริญเติบโตที่น่าอัศจรรย์ของ Nvidia ใน AI ทำให้เกิดความสนใจมากและนำฝ่ายตรงข้ามที่มีศักยภาพมาก หลายบริษัทเหล่านี้อ้างว่ามีชิปที่พัฒนาที่มี10ครั้งเร็วกว่า Nvidia และมีการใช้พลังงานที่ต่ำกว่า. นอกเหนือจาก GPU hyper ไมโคร, บริษัททั้งหมดเชื่อว่าชิปที่ออกแบบมาเพื่อจัดการกับเครือข่ายประสาทเป็นเส้นทางที่ทำงานได้. intel intel ได้มา Nervana ใน๒๐๑๖เพื่อสร้างพอร์ตเร่ง เครื่องยนต์ Nervana เดิมควรได้รับการปล่อยตัวใน๒๐๑๗และเพื่อให้ห่างไกลมีข่าวไม่ Nervana อาจตัดสินใจที่จะปรับการออกแบบเดิมหลังจาก Volta Tensorcores, ที่เป็น6ครั้งมีประสิทธิภาพมากขึ้นกว่าปาสกาล, ได้ตกใจชุมชน. Freund ว่าการผลิตชุดแรกของชิ Nervana อาจจะตีพิมพ์ในปลาย๒๐๑๘ การอภิปรายข้างต้นเป็นเรื่องเกี่ยวกับการฝึกอบรมเครือข่ายประสาทลึก (DNN) ซึ่งเป็นที่ที่ Nvidia ได้ทำสำเร็จที่ดีใน AI อย่างไรก็ตาม Intel กล่าวว่าโดยการจับคู่การออกแบบซอฟต์แวร์ที่ดีกับหน่วยประมวลผล Xeon Datacenter คุณสามารถบรรลุประสิทธิภาพที่โดดเด่นในความพยายาม inference บริษัทอ้างว่ามีมากกว่าร้อยละ๘๐ของตลาดประมวลผล inferential google TPU และ ASIC ภายในอื่นๆ google มีสองประเภทของ ASIC ที่พร้อมใช้งานสำหรับ AI: หนึ่งสำหรับ inference และอื่นๆสำหรับการฝึกอบรม Google ได้ทำให้ตัวเร่ง TPU สำหรับตลาด แต่ในความเป็นจริง, มันถูกสร้างขึ้นจาก 4 ASIC เหมือนกัน, แต่ละข้อเสนอเกี่ยวกับ 45TOPS. โดยความคมชัด, NVIDIA Volta แต่ละชิปจะมอบได้ถึง 125TOPS. เมื่อเวลาผ่านไป Google อาจมีการเลื่อนส่วนใหญ่ของ GPU ในบ้านทำงานเพื่อ TPU ไมโคร-แม้จะเป็นอัลตร้าไมโครในการเตรียมการของกองซ้อนซอฟต์แวร์และช่วงชิงของ Nvidia สำหรับปริมาณการเรียนรู้ของเครื่อง, แต่ในปัจจุบันชิปเวก้าในประสิทธิภาพสูงสุดกว่า Nvidia Volta รุ่นที่อยู่เบื้องหลัง. บริษัทในปัจจุบันมี10กิจการใหม่ในโลกที่มีการวางแผนที่จะแข่งขันสำหรับการเรียนรู้เครื่อง, บางส่วนของที่มีความพร้อมที่จะเปิดชิ. Cambrian ในแผ่นดินใหญ่ดูเหมือนว่าจะเป็นที่ดีและได้รับการสนับสนุนจากรัฐบาลแผ่นดินใหญ่ Cambrian มุ่งเน้นไปที่การจัดการกับเครือข่ายประสาทมากกว่าการสร้างเครือข่ายประสาท. ซิลิคอนวัลเลย์บริษัทคลื่นคอมพิวเตอร์ได้เปิดตัวชิปที่สามารถสร้างรูปแบบการฝึกอบรม คลื่นใช้การออกแบบนวนิยายที่เรียกว่าสถาปัตยกรรม Dataflow ซึ่งคาดคะเนกำจัดคอขวดในส่วนช่วยดำเนินการแบบดั้งเดิม ตัวประมวลผลกระแสข้อมูลของคลื่นสามารถฝึกและประมวลผลเครือข่ายประสาทโดยตรงโดยไม่ต้องใช้ CPU ซึ่งแตกต่างจาก Google TPU, คลื่นสนับสนุนการเรียนรู้ในเชิงลึกของ Microsoft CNTK, Amazon Mxnet และซอฟต์แวร์ TensorFlow. บริษัทอื่นๆที่รู้จักกันดีเช่น Cerebras, Graphcore และ GROQ จะยังคงอยู่ในโหมดซ่อนตัว, แต่ได้รับเงินจำนวนมากในการสร้างส่วนช่วยดำเนินการ AI ที่กำหนดเอง, แต่มันไม่ควรจะเปิดให้บริการจนถึง๒๐๑๙. Freund ว่าการคุกคามที่ใหญ่ที่สุดของ Nvidia อาจจะเป็น Google TPU Google อาจยังคงซื้อและใช้ GPU จำนวนมากเพื่อจัดการกับปริมาณงานที่ไม่เหมาะสมสำหรับ TPU เช่นเครือข่ายประสาทที่ซ้ำกันสำหรับการประมวลผลภาษา คลื่นเป็นทางเลือกที่ดีสำหรับบริษัทที่ไม่ต้องการที่จะใช้เมฆสาธารณะสำหรับการพัฒนา AI และการปรับใช้และไม่ต้องการที่จะตั้งค่าโครงสร้างพื้นฐาน GPU ของตัวเอง ในที่สุด, ถ้า Intel สามารถยืม Nervana เพื่อเข้าสู่ตลาดและยินดีที่จะลงทุนในการสนับสนุนเต็มรูปแบบ, แล้ว Nervana อาจก่อให้เกิดการคุกคามใน๒๐๑๙. แต่ Nervana ความต้องการของเวลาอย่างน้อย3ปีและแผนงานที่มั่นคงเพื่อพัฒนา1ระบบนิเวศที่ทำงานได้ ปัจจัย1ที่จะต้องพิจารณาคือการที่มีการพัฒนาของ Nvidia 7 นาโน, Nvidia จะสามารถที่จะเพิ่มพื้นที่ชิปที่สำคัญในการทำงานของ AI. เป็นผล, เปอร์เซ็นต์ของชิปที่มุ่งเน้นไปที่ AI อาจเพิ่มขึ้น, เพื่อให้ส่วนนี้จริงจะกลายเป็น ASIC ที่ยังสามารถแสดงกราฟิก. Freund ไม่ได้คิดว่า Nvidia เป็น1บริษัท GPU, แต่1บริษัทแพลตฟอร์มที่มีแรงบันดาลใจการเจริญเติบโตไม่จำกัด. ไม่มีบริษัทอื่นๆที่มีความลึกของ Nvidia และกว้างของผู้เชี่ยวชาญในฮาร์ดแวร์ AI และซอฟต์แวร์. Nvidia สามารถออกแบบที่ดีขึ้น AI ชิปถ้ามัน foresees ภัยคุกคามจากไมโคร, Intel หรือ ASIC Nvidia ได้กระทำนี้ผ่านตัวเร่งการเรียนรู้ลึก (DLA) หาก GPU ถูกโจมตี nvidia ยังสามารถหันไปยังขั้นตอนต่อไป ในขณะเดียวกันก็มีการเจริญเติบโตที่ชัดเจนและการตลาดตำแหน่งที่นำในชิป AI ในแง่ของการประมวลผล inferential Nvidia จะมุ่งเน้นไปที่การจัดหาศูนย์ข้อมูลและระบบการแนะแนวภาพสำหรับการใช้งานเช่นการขับรถด้วยตนเอง
