NVIDIA凭借GPU成为人工智能计算平台的领导者

目前来看，NVIDIA作为人工智能计算平台的领导者，但事实是，一开始并非NVIDIA选择了人工智能，而是人工智能的研究者选择了GPU，进而成就了NVIDIA。在2012年，Alex利用深度学习+GPU的方案，一举赢得ImageNetLSVRC-2010图像识别大赛，并奇迹般地将识别成功率从74%提升到85%。NVIDIA敏锐地觉察到了这一趋势，并大力优化基于GPU的深度学习生态系统，并加速迭代开发，三年时间将GPU性能提升了65倍，从而奠定了目前的王者之位。

在深度学习过程中，分为训练（training）和推断（inference）两个环节：训练环境通常需要通过大量的数据输入，或采取增强学习等非监督学习方法，训练出一个复杂的深度神经网络模型。训练过程由于涉及海量的训练数据（大数据）和复杂的深度神经网络结构，需要的计算规模非常庞大，通常需要GPU集群训练几天甚至数周的时间，在训练环节GPU目前暂时扮演着难以轻易替代的角色。

毫无疑问在深度学习的Training阶段，GPU成为了目前一项事实的工具标准。由于AMD今年来在通用计算以及生态圈构建方面都长期缺位，导致了在深度学习GPU加速市场NVIDIA一家独大的局面。根据NVIDIA今年Q2年报显示，NVIDIA的Q2收入为达到22.3亿美元，毛利率更是达到了惊人的58.4％，其中数据中心（主要为面向深度学习的Tesla加速服务器）Q2收入4.16亿美元，同比上升达175.5％。

为了保持领先型，NVIDIA一方面在产品研发上，耗费了高达30亿美元的研发投入，推出了基于Volta、首款速度超越100TFlops的处理器Tesla，主打工业级超大规模深度网络加速；另外一方面是加强人工智能软件堆栈体系的生态培育，即提供易用、完善的GPU深度学习平台，不断完善CUDA、cuDNN等套件以及深度学习框架、深度学习类库来保持NVIDIA体系GPU加速方案的粘性。第三是推出NVIDIA GPU Cloud云计算平台，除了提供GPU云加速服务外，NVIDIA以NVDocker方式提供全面集成和优化的深度学习框架容器库，以其便利性进一步吸引中小AI开发者使用其平台。

国内众多企业在采用GPU

国内众多知名安防企业都正在使用NVIDIA的GPU，英伟达已经与国内安防领域顶级企业结成了智能城市伙伴关系，包括海康威视、大华股份，宇视科技，包括天地伟业、科达、北京文安、深网和久凌，这些企业都在使用NVIDIA的GPU人工智能和深度学习产品服务和解决方案，相关安防企业依靠自身研发实力推出了多款基于NVIDIAGPU及相应模块的产品！

　　海康威视推出的后端全系列的AI产品，发布基于英伟达GPU和深度学习技术超脑”NVR、“脸谱”人脸分析服务器等多款AI系列产品。其中刀锋服务器使用了NVIDIA的GPU以及JetsonTX1的平台，产品功耗可以缩小到原来的十分之一，占用的空间可以缩小到原来的二十分之一。海康威视研究院院长浦世亮表示：“GPU的出色性能，NVIDIA的端到端AI平台与深度学习平台可用于视频流，以此为多个行业创建更加智能的应用。”

　　大华股份联合英伟达发布多款“睿智”系列后端智能设备，“睿智”系列搭载的英伟达NVIDIATeslaP4GPUs，最多可支持192路视频结构化分析，相较于市场上同类别的产品，视频处理能力将提高50倍以上；同时，TeslaP4GPUs专为深度学习算法推演而生。大华研发中心副总裁张兴明表示：“通过与NVIDIA合作，致力于将AI应用到大华的下一代深度学习产品之中。大华先进的高容量视频分析服务器DeepSense提供了强大且可扩展的海量元数据抽取与结构化数据处理的方法。借助该方法，可以对车辆、非机动车进行快速而准确的分析，并能够对人员进行识别。”

　　2016年，宇视科技推出新一代大容量分布式的云结构化智能分析服务器（代号“昆仑”），在4U的高度上支持了80颗NVIDIAJetsonTX1处理器，一台昆仑可并发处理640张/秒的人脸识别、160路的人员计数、80路人车物的结构化分析，相当于业界常用普通服务器的40倍性能，且芯片和算法基于深度学习，准确性很高。

　　此外，以云生态为建设重点的华为，通过搭载TeslaP4GPU加速器后，视频内容管理（VCM）产品整体性能提高了22倍。视频内容管理支持深度学习主流框架，为精确的人脸识别、行人-车辆结构化以及反向图像检索提供了智能算法。通过使用NVIDIATensorRT深度学习推理优化器与DeepStreamSDK，速度得到了显著提升。华为视频监控领域总经理刘廷永表示：“华为视频监控与NVIDIA紧密合作，并配合深圳警察的工作，以实现联合创新，让城市在未来变得更加智能。”