在英偉達公司2019財年第一季度的財報當中，其表現再次超出預期——總收入增長66％，強勁的數據中心業務增長71％（本季度收入達到1．7億美元）。對于英偉達公司而言，“數據中心”業務部分包括高性能計算（簡稱HPC）、數據中心托管圖形以及人工智能加速幾大組成部分。雖然這一增長率無疑令人印象深刻，但卻仍然不及該過去幾年當中實現的2到3倍同比增長水平。這就引出了我們今天將要討論的有趣話題。這種增長速率只是種周期性的波動，還是說業務規模達到一定程度后的必然下降？谷歌張量處理單元（簡稱TPU）等定制化內部芯片的出現是否會威脅到英偉達公司在深度學習訓練領域中的主導地位？英特爾、AMD以及該領域中的其它初創企業能否迎頭趕上？帶著這些問題，我們馬上開始這一輪思考。

圖一：按各業務部門劃分，英偉達公司旗下幾乎所有業務方向均實現增長。

英偉達公司發布了哪些財報結論？

如您所見，英偉達公司本季度的表現可以說爆炸來形容。盡管拋售了約2％的股票，但其今年以來股價仍然上漲33％左右，并在過去兩年當中上漲近7倍。一部分分析師指出，數據中心收入未能達到預期——實際為7．01億美元，略低于預期的7．03億美元，不過二者之間的差距基本可以忽略不計。我認為一部分交易者只關注投資回報，但也有一些交易者越來越擔心目前的競爭格局可能出現惡化。但就我個人而言，英偉達公司前四個季度的數據中心業務增速都在100％以上，因此對于一家可能在新的一年中營收超過20億美元的企業而言，71％地增長速率仍然相當值得肯定。

同樣需要強調的是，前幾個季度英偉達公司還拿下了其它幾份重要訂單——包括為位于橡樹嶺國家實驗室的Summit超級計算機提供2萬7600塊Volta GPU以支持大規模高性能計算業務。我不知道橡樹嶺實驗室的單塊Volta GPU采購單價，但如果按照5000美元到8000美元計算，則相當于給英偉達帶來了1．3億到2億美元的收入。如果送去這部分數字并考慮到英偉達業務的潛在優勢，那么70％左右的增長率已經相當符合市場發展情況，因此具備一定的可持續性。換言之，如果英偉達公司要保持目前的發展速度，只需要繼續在其它競爭對手面前保持領先優勢即可。在后文當中，我們將進一步介紹英偉達公司目前面臨的具體競爭壓力。

競爭壓力來自何方？

英偉達公司在人工智能領域的驚人增長已經引起高度關注，亦吸引到眾多潛在競爭對手。其中不少企業宣稱其正在研發的芯片比英偉達產品速度更快，而且功耗更低。但實際情況是，在今年或明年當中，只有少數幾家企業有可能實際發布相關芯片產品。事實證明，設計出一款比無數英偉達工程師精心打造的芯片好出十倍的解決方案可謂極為困難，而且需要投入大量時間與金錢。除了AMD公司的GPU之外，其它各廠商都認為為神經網絡處理專門設計芯片才是最具可行性的發展路線。下面，我們將對這一領域展開探索。

英特爾：

英特爾公司收購了Nervana（以及Mobileye、Movidius以及Altera）以構建自己的加速產品組合。在2016年被英特爾收購之前，Nervana Engine的初代版本本來計劃于去年正式發布，但截至目前仍然沒有實際方案可供參考。相比之下，英偉達公司則決定重新對自家產品進行設計，而其引入Volta GPU的TensorCores確實帶來了令世人震驚的效能——其性能比Pascal（英偉達的上一代GPU）高出6倍。從理論層面講，Nervana芯片的性能應該是10倍于Pascal，所以可以想見TensorCores的出現可能會令英特爾決定放棄Nervana。畢竟如果V100 Volta在關鍵人工智能運算方面的性能真正達到Pascal的6倍，那么Nervana作出的“10倍”宣言在力度上將大打折扣——特別是考慮到Nervana的性能優勢中還包含軟件調整。在另一方面，英偉達公司也在定期通過軟件優化工作提高應用性能。事實上，如果英特爾繼續推動Nervana發展路線圖，那么其批量生產最早也要到2018年年末才能實現——這將正好趕上英偉達公布Volta的下一代升級方案。至于公布平臺，我猜很可能是在達拉斯的SC 2018大會上。

以上討論主要圍繞深層神經網絡——簡稱DNN——的訓練展開，而英偉達公司在正是在這一領域取得巨大成功。不過英特爾方面表示，通過將良好的軟件設計方案同標準英特爾至強數據中心處理器相結合，其同樣能夠在推斷工作方面實現出色的性能。芯片巨頭表示，其目前擁有超過80％的推斷處理市場份額——對這樣的結論，我當然沒有質疑的理由。在最近的一次宣傳活動當中，英特爾公司的醫療衛生客戶也談到其在同一英特爾平臺之上運行訓練與推斷處理所帶來的優勢。

除此之外，微軟也在利用英特爾Altera FPGA方面取得了值得肯定的進展——FPGA能夠不斷重新編程以滿足各種苛刻的應用加速需求。需要強調的是，Xilinx的表現同樣出色，其利用Amazon AWS Market Place與F1加速實例成功簡化了FPGA應用的入門門檻。不過出于某些數據類型與延遲需求的考量——例如無人機與自動駕駛汽車場景，FPGA有時需要配備專門的低功耗加速器（英特爾收購Mobileye與Movidius正是出于這一考慮）。