英伟达收购SwiftStack为巩固其人工智能地位？

3月6日消息，据国外媒体报道，当地时间周四，英伟达宣布收购数据存储和管理平台SwiftStack，收购条款尚未披露。根据交易条件，这笔收购将在未来几周内完成。

SwiftStack成立于2011年，是一个以软件为中心的数据存储和管理平台，支持公共云、本地和边缘部署。该公司最近发布的平台升级集中于改善对人工智能、高性能计算和加速计算工作负载的支持。

一、Nvidia走上人工智能加速硬件主导者位置的历程

随着人工智能发展如火如荼，我们看到Nvidia的GPU成为了人工智能时代的基础设施，为人工智能服务提供必不可少的算力，Nvidia怎么走上人工智能加速硬件主导者位置？主要经历了以下几个阶段。

1、Nvidia缘起：PC游戏时代

Nvidia的诞生还要追溯到多媒体PC机时代。在上世纪90年代，PC机走向了多媒体时代，其中3D游戏又是多媒体时代最闪耀的明星。为了能加速3D游戏的运行，图像处理芯片就成了多媒体PC时代的一种热门新品类。最初，加速3D游戏运行在常规的显示卡之外还需要一张3D加速卡，而3D加速卡的首创者——3dfx也凭借着其Voodoo系列加速卡成为了当时的3D加速引领者。

GeForce是Nvidia最重要的产品之一，同时我们也可以从GeForce的诞生看到Nvidia并不是拘泥于产品传统品类定义的公司，而是会积极地拓宽其产品的应用范围。这样的公司基因也直接造就了之后Nvidia在人工智能领域的领先地位。

2、GPGPU和CUDA：Nvidia最好的一笔投资

在2000年左右，学术界对于使用GPU做通用计算（GPGPU）产生了兴趣。当时，主要面向执行通用算法的CPU是执行科学计算的主力，但是CPU为了能在通用算法上都有较好的性能，因此很多芯片面积事实上用在了片上内存和分支预测等控制逻辑，而真正用于计算的单元并不多。相反，GPU架构中的控制逻辑较为简单，绝大多数芯片面积都用于渲染、多边形等计算。学术界发现，科学运算中的矩阵等计算可以很简单地映射到GPU的处理单元，因此能实现非常高的计算性能。

在2006年，Nvidia推出了Tesla架构，在这个架构中，Nvidia一改之前使用矢量计算单元做渲染的做法，而是把一个矢量计算单元拆成了多个标量计算渲染单元，并称之为“unified shader”。这样一来，Tesla GPU的渲染单元除了在渲染性能更强之外，也更适合做通用计算了。在2007年，Nvidia顺势推出了CUDA系列编程环境。CUDA是GPGPU领域的一个创举，通过CUDA可以大大降低用GPU做通用计算的难度，因此大大降低了GPGPU应用的门槛。

3、AlexNet + Nvidia GPU引领了人工智能风潮

时间走到了2012年，Nvidia在经过移动市场的失望后，迎来了新的蓝海市场。2012年的重要性在于，深度学习开山鼻祖之一的Geoff Hinton的学生Alex Krizhevsky成功训练出了深度卷积神经网络AlexNet，并凭借该网络在图像分类识别领域大幅提升了性能（15%的错误率，比第二名真正高出了十个绝对百分点），从而成为人工智能的标志性事件。

在2012年之前，绝大多数图像分类任务都是使用类似支持矢量机（SVM）这样的经典算法实现。SVM这样的算法非常适合应用在数据量较少的应用中。然而，随着互联网时代的来临，人们积累的数据量远远大于之前的时代，而在拥有大量数据的情况下，神经网络就成了理论上更好的选择。然而，在当时训练一个深层神经网络还存在一个挑战，就是算力问题。使用普通的CPU在ImageNet上训练一个深度学习网络需要数年的时间，因此无法实用。而Alex Krizhevsky的创举在于使用Nvidia GPU成功训练了一个性能有突破性提升的深度神经网络，从而开启了新的人工智能时代。

随之而来的是对于GPU算力的进一步需求，而Nvidia也是顺势而为，在最近几年接连推出为了人工智能而优化的GPU以及相关配套软件资源（用于推理的TensorRT，基于CUDA的高性能深度学习加速库CuDNN，CuBLAS等等），从而让自己在人工智能时代的地位更加稳固。

二、Nvidia在数据中心的地位难以被撼动

目前，Nvidia已经占据了人工智能算力领域的主导位置。在数据中心领域，即使有一些初创公司推出训练和推理加速芯片，但是想要取代Nvidia需要相当长的时间。首先，大规模部署芯片对于产品的可靠性有相当高的需求，而且分布式系统是一个系统工程，需要芯片在各类指标上（不只是算力，还包括通信，接口带宽等）都达到优秀的指标，光这一点就需要初创公司相当多的时间去打磨。此外，Nvidia更高的壁垒在于开发者生态，需要开发出一个易用的编程模型和相关编译器的难度并不亚于设计芯片，而要孵化开发者生态则需要更多的时间。我们认为，至少在未来3-5年内，Nvidia在数据中心的地位难以被撼动。

三、英伟达收购SwiftStack，看重其人工智能技术？

SwiftStack联合创始人兼首席产品官（CPO）乔·阿诺德（Joe Arnold）在声明中表示：“我们很高兴地宣布，SwiftStack已经签署了最终协议，被英伟达收购。一年多来，我们的团队一直在与英伟达合作，解决数据挑战，使人工智能规模化。根据惯例，我们希望在未来几周内完成交易。”

他还表示：“对整个SwiftStack团队来说，建造人工智能超级计算机令人兴奋。我们非常高兴能与英伟达的天才们一起工作，并期待为其世界领先的加速计算解决方案做出贡献。”

这两家公司都没有透露收购价格，但SwiftStack此前在梅菲尔德基金（Mayfield Fund）和OpenView Venture Partners牵头的A轮和B轮融资中筹集了约2360万美元资金。该公司的其他投资者包括Storm Ventures和UMC Capital，最后一轮融资于2014年完成。

SwiftStack的客户包括PayPal、Rogers、数据中心提供商DC Blox、Snapfish和Verizon等公司，英伟达也是该公司的客户之一。

该公司指出，它的团队将继续维护现有的一套开源工具，如Swift、ProxyFS、1space和Controller。1space是英伟达购买SwiftStack的主要原因，它是一个文件连接器。

SwiftStack的首席执行官（CEO）唐•贾沃斯基（Don Jaworski）也没有提供任何报价，该公司也无法确定他是否会留任。

另外，SwiftStack曾对OpenStack进行过早期投资。OpenStack是一个大型的开源项目，旨在让企业在自己的数据中心获得类似于aws的管理经验。该公司是OpenStack的Swift对象存储平台的最大贡献者之一，并为此提供了大量服务，尽管近年来似乎淡化了OpenStack的关系，因为该平台在许多垂直领域的受欢迎程度已经下降。

去年12月，SwiftStack出现了一些紧张迹象，当时该公司解雇了数量不详的员工。

本文由电子发烧友综合报道，内容参考自机器之心、腾讯网，转载请注明以上来源。