專訪黃仁勛：5年革命機器人產業，AI晶元將會無處不在

智東西 文 | Lina

昨天，英偉達2017 GTC China（GPU技術大會中國分會場）在北京舉行，智東西作為特邀媒體，從Keynote大廳第一排發來CEO黃仁勛主題演講的重磅報道（黃仁勛北京激情演講2小時：發布最強AI引擎！）。

演講後，黃仁勛又接受了智東西等媒體的專訪，這位粉絲愛稱「老黃/黃教主」的CEO幽默且健談，不僅談及計算力、機器人、AI醫療、自動駕駛等問題、還與智東西交流探討了關於「英偉達雲」以及最近大火的「AI晶元」。

（Lina與老黃的合影）

一、「AI晶元」將無所不在

從最近的華為麒麟970、到蘋果的A11，AI晶元／端智能似乎已經越來越成為趨勢所在，AI在終端的落地也已經從軟體層步入硬體層。那麼這是否意味著未來我們將從雲智能走向端智能呢？

面對智東西的這個問題，黃仁勛首先回答——未來是「雲智能＋端智能」的時代，AI將無處不在。

未來，像咖啡機、保溫杯、麥克風、甚至耳環、鞋子這些小物件都會智能化，但是它們的處理晶元並不需要特彆強大的通用智能，而是針對非常窄的專門領域進行智能化，比如一個麥克風，只需要聲音方面的AI處理能力。

而雲智能將會是通用智能，視覺、聲音、數據等等，需要擁有一切AI處理的能力。而英偉達這些高性能、大功耗的GPU在雲數據中心上有著切實的用武之地（比如老黃在上午的演講中就特別提到了與BAT三朵雲的合作，以及又宣傳了一下基於新GPU Tesla V100推出的HGX雲計算伺服器）

不過，目前英偉達主打終端的GPU板卡是Jetson TX2，這塊搭載4核CPU的Pascal架構GPU標準功耗為7.5W，遠小於英偉達其他動輒幾十上百W的GPU，但對於功耗極為敏感的超小型設備，這個功率還是太大。

為了解決這一問題，英偉達於昨天正式開源了DLA（深度學習加速器）架構，廠商可以免費下載這個專為IoT設備設計的AI架構，自己打造低功耗的AI晶元。

二、「英偉達雲」在十月第一周推出

在今年5月時，英偉達曾在美國主會場舉辦2017 GTC，並且推出了「英偉達GPU雲（NVIDIA GPU Cloud）」。

先別誤會，英偉達並不是在和亞馬遜AWS、微軟Azure搶生意的，這個「英偉達雲」是在這些雲上運行的，並不為用戶提供儲存、計算等能力，而是可以理解成一套線上深度學習軟體集合。

這個英偉達雲能讓人輕易地從零開始搭建一個深度學習的項目，不用買GPU、也不用搭環境，控制中心還是可視化的，可以看到你的賬號之前的項目和正在運行中的項目，非常方便。

從當時的DEMO中可以看出，用戶登錄了英偉達雲之後，只需要3步就可以創建自己的深度學習項目：

1、選擇計算環境（既可以選擇英偉達雲、亞馬遜雲等，也選擇本地GPU計算）

2、接入資料庫（可以選擇現有資料庫如ImageNet，或者自己上傳）

3、選擇框架（如Caffe、TensorFlow等）

在本次GTC China上，黃仁勛並沒有宣布關於這個英偉達雲的新進展，智東西專門就這個問題詢問了黃仁勛。老黃表示，英偉達雲項目進展很順利，如無意外今年十月的第一周就能正式跟大家見面了。

三、5-10年內革命機器人產業

同樣是在昨天上午的Keynote演講里，黃仁勛再次介紹了ISSAC機器人訓練平台，並且正式宣布推出了世界第一款用於自動機器人的處理器（晶元）Xavier，為機器人提供從軟體到硬體的全方位支持。

Xavier晶元已經用在京東的倉儲機器人jROVER＋京東送貨無人機jDRONE等一系列自主機器當中。它集成了8核CPU、Volta TensorCore & CUDA GPU、感測器、8K HDR VP、以及CVA。

可以應用在30TOPS的計算機視覺、深度學習等機器人所需要的技能領域，有著超高計算力與超高能效比。這款處理器將於2018年第一季度提供給早期合作夥伴，2018年第四季度全面推出。

ISSAC則是今年5月英偉達推出的用於訓練機器人的增強學習世界模擬器（ISAAC Robot Simulator）模擬真實世界的邏輯、原理、物理定律等，然後再將機器放進這個世界裡不斷訓練，並且不用遵循物理時間規律，將原本需要幾年的訓練壓縮到幾天甚至幾個小時。

老黃認為，現在再看機器人，需要忽略感測器、電氣化、自動化等等傳統機械問題，轉而關注於AI及自主機器（Autonomous Machine）。而想要打造自主機器人，則需要解決三個：

1）創造一個用於自主機器的AI平台，比如增強學習。

2）創造一個虛擬環境，讓這些機器人在其中自己學會」怎麼當一個機器人（learn to be a robot）」。

3）當這些機器人學會怎麼當機器人之後，我們海需要把AI大腦拿出來，放進一個專用的自主機器處理器中。

目前的這三個問題還沒有完全解決，但是老黃表示，我們已經在努力啦！AI引擎、ISSAC虛擬機器人訓練平台、還有Xavier處理器，英偉達的這三項工作正在並行推進中，屬於一個打造產業基礎架構的「打地基」過程。預計到了明天，這些「地基」就能打好了。

基礎都打好後，產業界就可以在這些基礎架構上快速推動生產。老黃預測，在未來5－10年間，這些將會為機器人產業帶來難以置信的進步。

智東西隨後也針對Xavier、ISSAC等話題跟英偉達智能機器副總裁Deepu Talla進行了專訪，後續將會有詳細報道，敬請期待~

四、GPU、CPU、ASIC之爭

1）GPU不會取代CPU

首先是CPU，雖然在昨天上午的主題演講中，老黃拿CPU開了不少涮，但是他認為歸根到底，GPU永遠不會取代CPU。CPU擅長處理所有問題，是通用處理器，而GPU則更適合處理專用問題，有時甚至能有著數十上百倍的性能優勢。

因此，CPU＋GPU的架構才是合理的。

2）比ASIC更靈活，市場更大、生態系統更豐富

正如前文所說，隨著谷歌TPU、蘋果A11等產品的推出，各公司打造自己定製化的AI晶元似乎已經越來越成為趨勢所在。這種定製化AI晶元屬於ASIC（專用集成電路，Application Specific Integrated Circuit），是根據特定的需求而專門設計並製造出的板卡。

由於是針對某種AI功能打造的，ASIC較之GPU，在某些單點性能上會有著明顯的優勢。比如谷歌的TPU，在TensorFlow框架下的計算性能比GPU更有優勢，而一些IoT的定製AI板卡也會比GPU功耗更小。

老黃認為，GPU的通用性使得它不僅支持TensorFlow框架，還支持Caffe2、mxnet、PaddlePaddle等市面上所有深度學習開源框架，而且能做視頻編解碼、圖像處理、語音等一系列AI應用，更加靈活。而更靈活則意味著市場機會更多、市場更大，研發預算更多，生態系統更豐富。

三年前，英偉達選擇將GPU打造成一個專註於Tensor架構的執行處理器（如果覺得這個概念太生澀，那就大概理解成AI網路架構處理器吧），隨後又衍生出TensorRT、TensorCore等輔助軟體平台/加速器，使得GPU現在成為世界上最好的通用Tensor處理器。

其實，關於GPU和ASIC板卡的爭論早已有之，尤其是谷歌的TPU，從項目宣布的那一刻起就有無數人拿TPU去跟GPU比較，比性能、比功耗、比延時等等，本次採訪中也有不少人就此問題向老黃提問。

但也許，這個問題不應該這麼比較。

現在市面上需要AI計算能力的公司成千上萬，類似谷歌這樣的科技巨頭們，有技術、有資源、同時也有強烈的需求（公司的大體量決定了，只要每塊板卡功耗降低一點，總體功耗就能降低許多）打造一塊更加適合自己業務的AI板卡。

他們可以選擇和晶元公司合作打造專用AI晶元，但是英偉達似乎更希望做一個通用的AI計算平台，瞄準更大的市場，這也是為什麼老黃一再強調，往上看英偉達的GPU支持所有深度學習開源框架，往下看它支持所有AI應用。

從這兩天傳言特斯拉要「拋棄英偉達」聯合AMD開發專用自動駕駛晶元的新聞中也可見，英偉達似乎並沒有為哪家巨頭獨立打造專屬AI晶元的意思。

至於谷歌或是特斯拉是否會靠售賣這些晶元盈利呢？短期內應該不會。兩者產業鏈構成完全不同，賣晶元並不是谷歌或是特斯拉擅長的領域。

而對於更為廣闊的市場而言，其他中小型公司並不具備這樣的技術與資源，他們需要購買AI計算能力，而一塊通用的、支持所有AI網路架構、支持所有、並且計算性能非常強大的GPU自然成了首選。當使用GPU的AI公司數量達到一定水平後，生態的力量也就顯露了出來。

這也是為什麼，在人工智慧時代，英偉達的股價能夠一路飆升，成為AI屆的「當紅辣子雞」。

如果真要說對英偉達可能造成的影響，那大概就是谷歌會減少對GPU的購買吧。

當然從長期來看，英偉達也可能面臨著AI計算能力雲端化，AI晶元專業化並且平價化的趨勢。對於前者而言，現在英偉達正努力推進雲數據中心業務，而對於後者而言，英偉達也開源了DLA框架，暫時讓廠家免費使用，打造自己的低功耗AI晶元。至於未來是否會靠DLA框架來收取專利費，成為新型商業變現模式，那就是另一個故事了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！