登录注册   忘记密码

分析师:Nvidia的AI芯片打不赢Intel

美国投资研究机构晨星公司(MorningStar)分析师Abhinav Davuluri发布最新报告针对机器学习和人工智能(AI)研究认为,在芯片市场竞争上,英特尔(Intel)的胜算比NVIDIA更大。


财经杂志Barron’s报导,在加速器芯片市场中,包括NVIDIA的GPU,以及来自英特尔的FPGA和赛灵思(Xilinx)的芯片,2021年市场规模可能达到200亿美元,NVIDIA有能力继续受益于人工智能趋势,但英特尔与同行推出客制化AI解决方案后也能分得市场大饼。


Davuluri认为英特尔与赛灵思的优势在于机器学习的推论(inference)阶段,训练(training)阶段需要演算能力来了解资料集,但是论断是电脑根据新资料样本进行操作来推论答案。NVIDIA执行长黄仁勋预计其GPU主导训练阶段市场之后,就可以成功地进入推论阶段,预言未来每一个网路查询都可能依赖NVIDIA的GPU。


Davuluri可不这么认为,而是看好其他解决方案更适合深入学习的推论部分。Davuluri表示英特尔有比NVIDIA更广泛的芯片选择,认为英特尔可以在推论阶段发挥更大作用,包括FPGA、协同处理器和特殊应用集成电路(ASIC)将会占据加速器市场,特别是在推论方面。Davuluri认为推论阶段不需要NVIDIA倡导的功能,而英特尔与赛灵思的FPGA可能更适用。


Davuluri的报告指出,与在数据中心执行的人工智能大规模并行训练相反,智能手机、物联网或相关产品通常执行的是推论的连续计算。而推论工作负载可能会分散在更多处理器类型中,包括CPU、GPU、FPGA和ASIC。


高端智能手机专用处理器将加速如图像或语音识别等个别应用,同时减少CPU的功耗,从而延长电池使用寿命,如iPhone 7使用集成到A10处理器中的图像信号处理器和GPU,来执行某些人工智能任务,然而对于未来的iPhone,传闻苹果(Apple)使用神经引擎(Neural Engine),仰赖的就是分立芯片。


另一方面,对于所有终端设备,尤其是物联网产品来说,使用专用加速器可能并不经济。因此,当性价比不是主要考量,可能会在CPU上执行推论运算,而处理大量的推论运算时,就会如数据中心使用GPU、FPGA,或客制化芯片。


报告认为FPGA最适用,但FPGA的缺点是与GPU相比,芯片编程困难度较高。最后,报告提到Alphabet的TPU,虽然TPU不见得会上市,但可能会驱使亚马逊(Amazon)和微软(Microsoft)等企业推出更多客制化芯片,成为英特尔、NVIDIA和赛灵思在人工智能芯片市场上的竞争对手。

您的评论:

0

用户评价

  • 暂无评论