搜狐科技 文/丁丁

　　在人工智能、虚拟现实这拨热潮来临的时候，有无数创业公司开始重新审视自己的定位，并将原有项目或业务向人工智能、虚拟现实等方向倾斜。更多的公司还在寻找适合自己的商业模式，在盈利的路上披荆斩棘。而对于上游芯片厂商来讲，虽然风口在不断变幻，但各个行业对于计算的要求并没有转移，相反需求量仍然持续增长。

　　黄仁勋创立的NVIDIA（英伟达）在1999年发明GPU的时候，他当时并没有意识到GPU在未来人工智能、虚拟现实等领域会有如此大的发展空间。凭借着GPU的威力，NVIDIA也正在从一个图形芯片公司，向AI计算公司转型。

　　新技术计算需求给芯片公司带来新机会

　　在2014年之前，在消费级市场，GPU主要应用于游戏特效的渲染，在商用市场也局限于工业设计、影视制作、超级计算机等领域。黄仁勋在GTC开发者大会中国站透露，近三年来，业界对GPU计算的需求出现了爆炸式增长。其中，与人工智能息息相关的深度学习计算，负载需求增长了16倍，这个数字要比摩尔定律还要高出很多。而仅仅两年的时间，下载基于GPU的深度神经网络实验室引擎开发者数量就增长了25倍 ，从2014年的2200次，迅速增长到目前的5.5万次。

　　据称，使用深度神经网络的开发人员，有很多是人工智能的研究人员。黄仁勋称，现在所有的实验室都会使用NVIDIA的GPU平台来做AI研究，这里面既有软件公司，也有互联网软件提供商，还有互联网公司、汽车公司、政府、医疗成像、财务、制造等公司。其中，百度近几年来一直在使用GPU做AI人工智能方面的研究。据称，目前使用语音识别在手机上进行输入，速度已经达到了键盘输入的3倍。而这样的成绩，离不开给百度后台提供强大计算能力的硬件设备。

　　业界对计算能力的需求，集中体现在对芯片的采购上，这从上游芯片公司的财报就能一窥端倪。

　　英特尔最新财报显示，2016年二季度营收为135亿美元，同比增长3%，净利润为13亿美元，同比下滑51%，按非美国通用会计准则（Non-GAAP），净利润为29亿美元，比上年同期的31亿美元下滑6%。英特尔净利下滑的主要原因是二季度的财报中加入了约14亿美元的重组费用。英特尔计划2017年年中前裁员1.2万人，以便削减成本，专注于目前需求强劲的服务器芯片和物联网芯片业务。

　　如果分解来看，客户计算集团二季度净营收为73.38亿美元，去年同期为75.37亿美元；运营利润为19.71亿美元，去年同期为16.03亿美元。数据中心集团二季度营收为40.27亿美元，去年同期为38.52亿美元；运营利润为17.65亿美元，去年同期为18.43亿美元。物联网集团二季度营收为5.72亿美元，去年同期为5.59亿美元；运营利润为8900万美元，去年同期为1.45亿美元。其中对新兴技术有重要影响的数据中心集团、物联网集团运营数据都比较突出。

　　NVIDIA的数据则更夸张，根据其2017财年二季度财报显示，当季收入14.3亿美元，同比增长24%，净利2.53亿美元，同比增长873%。同时，为了鼓励创业，NVIDIA发布了Inception Program创始计划，以便让参与其中的成员能够利用NVIDIA 的技术与专长来助力初创企业的成长，在深度学习与数据科学领域实现突破。黄仁勋对搜狐科技表示，目前全球人工智能方面的创业公司已经超过1500多家，创始计划发布以来，已经有700多家企业与NVIDIA展开合作，除了能获得NVIDIA的技术和专家支持外，这些企业还能得到其全球市场营销平台的支持，也有获得投资的机会。

　　高通2016年第三财季净利润同比也出现了大幅度的增长。数据显示，当季其营收为60.44亿美元，同比增长4%。净利润为14.44亿美元，同比增长22%，增长势头明显。高通CEO莫伦科夫称，高通的芯片业务增长，主要受益于各级厂商推出了更多新产品，尤其是快速成长的中国OEM厂商。据了解，当季高通的芯片出货量超过2亿片。

　　企业对计算能力需求有多高？

　　百度首席科学家吴恩达多年来一直在进行人工智能方面的研究。2014年，在训练语音识别时，模型中有2500万个参数，训练的材料是7000小时，语音识别的错误率为8%，大约每12个词中就有一个是错的。而到了2015年，语音识别训练的数据量是之前的2倍，深度学习的网络是原来的4倍大，错误率降低到了5%。在1年的时间里，错误率与之前相比降低了40%左右。这背后，需要强大的计算能力支持，错误率仅仅降低3个百分点，就需要20万亿次浮点运算的支持。