現在與未來：AI晶片第一股英偉達緣何盛名難副？
日前，全球AI晶片第一股英偉達在釋出了不及預期的2019財季第三季度財報及第四季度業績展望後，股價一度暴跌近20%，而在過去一個月中，英偉達股價已經下跌超過14%。那麼問題來了，這兩年股價一直暴漲，頗有AI晶片“妖股”之稱的英偉達緣何出現股價暴跌？
眾所周知，以PC圖形晶片（GPU）為核心的英偉達之所以股價和市值暴漲，最根本的原因是其自身和外界賦予了英偉達AI晶片（公司）的名頭，而AI被外界公認為是未來晶片產業的發展方向。
儘管如此，從英偉達的財報看，傳統的PC圖形晶片依然是其營收和利潤的主要來源（至少營收依然佔到了一半）。而此次財報釋出後股價的暴跌，究其原因，也主要與其圖形晶片庫存的增加和“挖礦”晶片需求的減少而導致業績未達預期密切相關。雖然與AI真正相關的資料中心和智慧駕駛等等晶片業務營收的處在增長之中，但鑑於其在英偉達整體營收的比重不足以影響整體的業績表現，所以仍未能成為影響其股價走勢的主要因素。
實際上不僅是剛剛過去的第三季度，從過去接近一年英偉達傳統PC圖形晶片業務一直佔據其一半營收左右的事實，至少從短期看，英偉達仍不能稱之為AI晶片公司或者說按照AI晶片公司衡量其股價和市值。而就在英偉達釋出財報之後，曾經因為AI而看好英偉達股價的高盛將從其“確信名單”中剔除，聲稱它“顯然看錯了這隻股票”，低估了該公司庫存積壓的嚴重性，也從側面證實了業內審視英偉達的標準開始發生變化（至少不能完全以AI企業的標準來衡量）。
如果說上述是英偉達實際業務構成和表現顯現出其作為全球AI晶片第一股盛名難副的話，那麼即便是將其放置當下和未來的AI晶片中也遠非外界普遍認為的那般強大，至少存有一定的誤區。
曾幾何時，在英偉達、媒體和分析機構等的大力鼓吹和宣傳下，英偉達似乎成為了AI晶片，甚至是整個AI產業的代表。但事實遠非如此。我們僅以目前AI晶片市場規模最大，也是英偉達GPU應用最為廣泛的資料中心支撐的雲端計算為例，具體到所謂AI晶片的應用，主要分為雲端訓練（Training）和雲端推理（Inferencing），也理應是業內現在和未來以AI之名衡量英偉達股價和市值的主要依據。
其中在強調算力重要性的雲端訓練方面，由於GPU具備的算力的天然優勢，英偉達目前佔有絕對領先的市場份額，但在雲端推理方面，先不說傳統的CPU目前就可以承擔接近一半AI相關應用的負載，從AI晶片的角度，與英偉達的GPU在雲端訓練方面近乎一家獨大不同，其呈現的百花齊放之勢，且晶片大佬雲集。例如基於FPGA的全球FPGA晶片巨頭賽靈思(Xilinx)和英特爾（併購來的Altera）。
對此，美國投資研究機構MorningStar分析師Abhinav Davuluri分析稱，英特爾與賽靈思之所以在雲端的推理階段具備優勢，首先是在推理方面，並不需要GPU強大的算力（更注重功率效率），其次英特爾和賽靈思有比英偉達更廣泛的晶片選擇，包括CPU、FPGA、協處理器和特殊應用積體電路(ASIC)等。
例如在CPU方面，雖然在雲端訓練方面的算力上不及GPU，但在注重功率效率的雲端推理上則有望超越GPU。
以CPU市場的老大英特爾為例，在斯坦福大學更新的DAWNBenchmark測試成績顯示，英特爾的ResNet模型(Caffe框架)，即完全由Xeon處理器構建的亞馬遜EC2平臺，推理延遲和推理成本上都拿下第一。具體來說，英特爾平臺處理10000張圖片的延遲是9.96ms，成本0.02美元，相比之下，英偉達基於MXNet框架的K80顯示卡+4 CPU平臺的成本是0.07美元、延遲29.4ms。
需要說明的是，DAWNBench是一套用於端到端深度學習訓練和推理的基準套件，提供了一套通用的深度學習評價指標，用於量化訓練時間、訓練成本、推理延遲以及推理成本，並通過不同的優化策略、模型體系結構、軟體框架、雲和硬體來計算推理成本。
除了CPU外，英特爾在今年美國舊金山舉辦的人工智慧開發者大會上，還推出了基於ASIC專為機器學習設計的神經網路處理器晶片Nervana NNP-L1000（Spring Crest），有分析稱這款NNP將大幅超越GPU。
同樣，作為全球FPGA晶片巨頭的賽靈思不久前也宣佈推出專為雲端推理設計的AI晶片，這款名為Versal的晶片將FPGA與兩個更高效能的ARM處理器相結合，再加上一個專用的AI計算引擎，與現有硬體相比，可以實現更高的吞吐量、更低的延遲和更高的功效。對此有分析師表示，賽靈思推出這款Versal晶片是將矛頭對準了英偉達及其已經成為AI工作負載標準的GPU。
通過上述的分析，我們不難發現，在所謂AI晶片應用最大的雲端計算市場，按照雲端訓練和推理競爭的AI應用衡量，晶片廠商競爭的核心無非是晶片的處理能力（算力）和功率效率。而英偉達的優勢目前只是體現在了雲端訓練的算力上，在注重功率效率的雲端推理上顯然並不具備絕對的優勢，且面臨強大的競爭對手。
而眾所周知的事實是，一個完整的AI雲端解決方案，從訓練走向推理是必然，而英偉達能否將在雲端訓練上的優勢擴充套件到雲端推理，業內一直存有相當的爭議，這也讓英偉達在最大的AI晶片應用市場的未來能否是絕對的老大充滿了變數。
如果說上述是英偉達在最大AI晶片應用市場面臨激烈競爭能否延續既有優勢存疑的話，那麼在既有的算力優勢上，英偉達的挑戰已經到來。而且這些挑戰者均是目前英偉達GPU使用者的非晶片企業。其中最典型的就是谷歌已經發展了三代的TPU。
相比於傳統GPU圖形晶片，TPU使用8位低精度計算以節省電晶體，對精度影響很小但可以大幅節約功耗，而若把多個TPU整合在一起，在增強效能的同時，功耗也會低於多個GPU整合。具體到今年釋出的第三代TPU，據稱，其新運算陣列TPUv3 Pod 的計算能力遠遠超過了100 Petaflops，這無疑使得英偉達在今年NVIDIA GTC 2018大會上釋出的可容納16塊Tesla V100 GPU的DGX-2提供的2Petaflops的算力相形見絀。而更讓英偉達感到不安的是，谷歌宣佈今年宣佈開放自己的TPU算力和生態，這無疑又會間接影響到目前在雲端使用英偉達GPU作為AI晶片的企業，減少對於其GPU的採購和使用。
不僅是谷歌，像諸如微軟、亞馬遜、中國的華為、阿里巴巴、百度等這些英偉達的大客戶均已經發布和準備涉足AI晶片（主要是面向雲端的AI應用）。
例如微軟正在開發基於FPGA的Brainwave，阿里巴巴正在研發一款神經網路晶片Ali-NPU，該晶片將運用於影象視訊分析、機器學習等AI推理計算。華為更是在日前舉行的華為全連結2018大會上釋出了兩款AI晶片：昇騰910、昇騰310。其中昇騰910作為單晶片計算密度最大的AI晶片，算力遠高於谷歌研發的TPU V3、NVIDIA V100晶片，達到了驚人的256TFLOPS。而阿里巴巴正在研發一款神經網路晶片Ali-NPU，該晶片將運用於影象視訊分析、機器學習等AI推理計算。
