intel进军独立显卡市场,上演“三国杀”

日前，NVIDIA 发布了 Quadro 系列和 DGX 系列的新品。公司CEO黄仁勋Quadro GV 100为世界上体积最大的 GPU。

Quadro GV 100 拥有 5120 颗 CUDA 流处理器，640 颗 Tensor 处理器，最高可提供 14.8TFLOPS 的单精度浮点性能， 7.4TFLOPS 双精度浮点性能；采用 32GB HBM2 显存，显存带宽为 870GB/s；能够提供 118T 的深度学习性能。

DGX-2 是一台专门用于人工智能训练和/或推理任务的桌面计算机，是 NVIDIA 的第二代 DGX小型超级计算机，可提供 10 倍于上一代 Nvidia DGX-1 的深度学习性能，整体功耗为为 10KW，重 350 磅，售价仅为 39.9 万美元（约合 250 万人民币）。

此外英伟达还宣布将把它的开源深度学习架构（NVDLA）带到ARM即将推出的项目 Trillium 平台上，NVDLA将帮助开发人员加速推理过程。英伟达通常依赖于自己的封闭平台，不过，要想在移动物联网设备方面发挥影响，英伟达有必要和在该领域占主导地位的ARM合作。

NVIDIA是一家人工智能计算公司 ，创立于 1993 年。1999 年，NVIDIA 发明了 GPU，这极大地推动了 PC 游戏市场的发展，重新定义了现代计算机图形技术，并彻底改变了并行计算。

GPU的生产厂商很多，人们熟知的除了NVIDIA，还有AMD、Intel。挖矿大潮时期，AMD也跟着火了一把，市场调研机构表示，AMD是挖矿大潮中最为受益的芯片厂商。2017年在人工智能市场的推动下，处于GPU短板地位的Intel也开始发力GPU。

AMD是挖矿大潮中最为收益的芯片厂商

AMD成立于1969年,专门为计算机、通信和消费电子行业设计和制造各种创新的微处理器（CPU、GPU、APU、主板芯片组、电视卡芯片等)，以及提供闪存和低功率处理器解决方案。

2018年3月初，市场调查公司Jon Peddie Research发布了最新的芯片产业报告，披露上年四季度图形处理器（GPU）出货量和各厂商的市占率。AMD在2017年的市场份额有显著上升，从上年三季度的13%升至14.2%；英特尔和英伟达则均有下滑。

Jon Peddie还提到，不像AMD或是英伟达，英特尔的市场份额不太会受到数字货币的影响，因为英特尔将GPU或是iGPU集成在台式机或是笔记本电脑中出售，所以数字货币的潮起潮落对英特尔的GPU销售影响不大。

出货量方面，去年全年GPU芯片同比下滑4.8%，台式机芯片下滑2%，笔记本则下滑了7%。但数字货币玩家对芯片行业支撑显著，去年全年，挖矿者贡献了超过300万个独立的图形处理器的销量，销量达到7.76亿美元。

AMD四季度的出货量季环比增长8.08%，英特尔下降1.98%，英伟达的出货量降幅高达6%。Jon Peddie称，AMD是挖矿大潮中最为受益的芯片厂商。AMD是数字货币挖矿主要的芯片设备，随着上年四季度数字货币大涨，芯片的需求也得到显著提升。

上月月底，AMD公布的四季度财报显示，经调整EPS四季度达0.08美元，超过市场预期的0.05美元。AMD发布财报前，分析师指出，去年末比特币等数字货币高涨不但会促进去年四季度AMD的业绩，对今年一季度的业绩指引也会是利好。

“目前的情况是，挖矿者正在吞噬整个独立显卡的供应，而现在的产量无法跟上庞大的需求。”Jon Peddie提到，挖矿者为GPU销售作出的贡献已经超过了游戏，虽然游戏是目前GPU销售最总要的推动力。

Intel 进军高端独立显卡

无论是在 PC 端还是数据中心，Intel 都是 CPU 市场上毫无争议的老大；但 Intel 最大的短板在于图像计算，也就是 GPU。

其实，目前 Intel 并非没有自己的图像解决方案，但都局限于核芯显卡，即 Intel HD Graphics 系列。这种核芯显卡在图像处理方面的能力比较低，无法与 AMD 和 Nvidia 的独立显卡相提并论，也只能用在一些对图像处理要求较低的客户端设备中，比如说笔记本。

之前，雷锋网整理过Intel 核芯显卡、 AMD 核显 & 独显以及 Nvidia 独显之间的同期最强图像处理性能，对比如下图所示：

由上图可知，在图像处理方面，Intel 的核芯显卡与 Nvidia 和 AMD 的独显根本就不是一个级别的对手，所以不少游戏玩家一般会选择带有独显的笔记本；而 AMD 虽然也有独显，但在近两年也是被 Nvidia 压上一头。不过需要说明的是，由于不同架构对浮点运算的优化不同，上面数据仅可作为参考；但也足以说明 Intel 在 GPU 上的短板。

在人工智能和深度学习的大潮到来之前，Intel 与 Nvidia 之间主要是 CPU 和 GPU 之间的合作关系。然而随着深度学习的兴起，Nvidia 的 GPU 在并行计算上的巨大优势使得其在大规模的数据中心业务中越来越受到欢迎，广泛应用于图像识别、语音识别以及自然语言处理等人工智能任务。而在这一场景中，Intel 面向服务器和数据中心 CPU 产品反而不再受宠。

2017年11 月 7 日，AMD 宣布该公司的首席 GPU 架构师、Radeon 高级副总裁 Raja Koduri 离职。11 月 8 日，Intel 宣布 Raja Koduri 的加盟并任命其为 Intel 首席架构师，并在新成立的核心和视觉计算事业部（Core and Visual Computing Group）担任高级副总裁。

据了解，Raja Kodure 在加入 Intel 之前担任 AMD 的 Radeon 事业部的高级副总裁和首席架构师，负责 AMD 包括 APU、独立 GPU、半定制产品和 GPU 计算产品在内的诸多产品图像相关的方方面面。此前，Raja Kodure 也曾在苹果负责 Mac 产品的图像显示系统。

凭借 25 年的从业经验，Raja Kodure 堪称是 GPU 领域的一尊大神。根据相关报道，Intel是决定进军高端独立显卡。要知道，当前的高端独立显卡，不仅仅用以满足视频游戏玩家的需求，也被越来越多地用于人工智能和机器学习。

挖矿大热、人工智能和深度学习崛起，致使GPU的技术和市场被重新关注和审视。