黄仁勋在1993年创立了一家叫做NVIDIA的公司，于1999年发明了图形处理器GPU，从此GPU就改变了世界。特别是在游戏领域，NVIDIA GPU几乎已经成为了游戏设备的标配。如今，NVIDIA获得超过7300个专利，其中包括很多对现代计算有深刻影响的技术。

6年前，黄仁勋开始意识到人工智能对于未来人类社会的巨大影响力，开始带领公司整体往人工智能方向转型。2016年，NVIDIA密集发布了全线人工智能GPU芯片、系统、软件和服务，而公司定位转向成为“世界上伟大的人工智能公司之一”。

NVIDIA全球副总裁兼中国区总经理张建中说：“NVIDIA现在是一家人工智能公司，我们不再单一生产GPU芯片，而是系统性提供人工智能解决方案，包括芯片、服务器、软件和服务等。我们不再是一家GPU公司。”

就在其它公司还沉浸在自己过去辉煌的时候，NVIDIA已经“漂移”到了人工智能赛道上。但，人工智能的市场到底有多大？值得“赌”进去一家公司的命运么？

从NVIDIA的AI产品布局说起

尽管NVIDIA从6年前开始布局人工智能AI产品，但到了2016年才推出了比较完整的产品线，特别是在2016年9月13日的GTC CHINA 2016 （NVIDIA GPU技术大会）上发布的推理加速器Tesla P4/P40，形成了深度学习的核心产品。

可能有人会问，什么是“推理加速器”？

首先，NVIDIA选取的人工智能路线为基于神经元网络的深度学习算法，而这一算法有两大核心组成部分，分别是“训练”用于获得神经元网络模型，以及把训练好的神经元模型用于“推理”。简单理解，把基于神经元网络的深度学习用于图像识别，比如用海量花卉类图片“训练”出神经元网络模型，这个模型就能用于识别新图片里的花卉（“推理”）。

其次，NVIDIA于两年前宣布了新一代PASCAL GPU芯片架构，这是NVIDIA的第五代GPU架构，也是首个为深度学习而设计的GPU，它支持所有主流的深度学习计算框架。在今年上半年，NVIDIA针对“训练”推出了基于PASCAL架构的Tesla P100芯片以及相应的超级计算机DGX-1；而在9月的北京GTC大会上，NVIDIA针对“推理”推出了基于PASCAL的产品Tesla P4/P40，主要区别在于小尺寸的P4可用于任何服务器，而大尺寸的P40则需要定制服务器。

为什么要针对“推理”设计加速器呢？这是因为用于深度学习的神经元网络模型正在变成规模巨大。以百度用于语音识别的神经元网络为例，这个模型从2014年的2500万个参数暴涨到2015年的1亿个参数，而浮点运算则从2014年的2ExaFLOPS（每秒百亿亿次浮点计算）飙升到2015年的20 ExaFLOPS，但错误率却下降了40%。而2015年ImageNet大赛的冠军，即微软的残差网络ResNet达到了152层，而2012年的冠军AlexNet却只有8层。这就是推理加速器的诞生缘由，即针对上百层和数以万计参数的神经元网络的大规模并行计算。

所以，Tesla P100是用于“训练”的GPU，Tesla P4/P40是用于“推理”的GPU，这两个产品都是针对企业和数据中心而设计。在更小型设备的物联网层，NVIDIA则在今年3月推出了第二代嵌入式计算机Jetson TX1用于无人机、机器人、智能摄像头等，以及9月推出的第二代自动汽车驾驶计算机Drive PX 2。

市场规模到底有多大？

NVIDIA这些令人惊叹的产品并非凭空出现，而是耗费了大量的人力、物力以及投资。黄仁勋介绍说，作为NVIDIA的第五代GPU架构，PSACAL花费了NVIDIA三年的时间研发，投入1万人工小时。

显然，这样大规模的投入，自然是期望有回报。尽管NVIDIA并没有给出对于AI市场的数字预期，只是说想象有多大、市场空间就有多大。但可以从几个方面来看AI的市场在哪里，市场空间到底有多大。

先从NVIDIA的AI产品方向选择看，基于神经元网络的深度学习算法主要用于两大领域：视频和图像识别、语音和文字识别，最大的用户就是互联网公司，一个主要的应用场景就是对网络广告的优化。根据国内市场调查公司艾瑞的数据，2015年中国网络广告市场超过了2000亿。如果通过图像和文字识别对网络广告进行优化，以提升10%的广告营收来计算，按2015年的数据即达200亿市场规模，而这仅仅是中国市场。

黄仁勋表示，对于AI的商业使用来说，最早一批用户是拥有超大规模数据中心的互联网公司，因为它们拥有海量的数据，所提供的服务触达数十亿消费者。谷歌、微软、Facebook、Youtube等都与NVIDIA合作建立了带有规模化GPU服务器的数据中心，国内的百度、腾讯、爱奇艺、科大讯飞等，也是NVIDIA的用户。这些互联网公司，如果使用图像和文字识别进行业务优化，哪怕能提高1%的营收，也是数十亿甚至上百亿的市场规模。

在2016北京GTC大会上，百度AI首席科学家吴恩达表示，百度不仅是全球首个宣布用GPU进行规模化部署的大公司，现在还在进一步考虑用GPU的方式重新设计整个数据中心，包括能源、散热等。而京东也借着2016北京GTC大会，宣布与NIVIDIA成立人工智能联合实验室，专注于京东电商运营和广告的优化。

在互联网视频之外，一个成长中的市场就是视频监控。黄仁勋在2016北京GTC大会上表示，预计到2020年全球可能会有10亿个摄像头，涉及路口、火车站、飞机场等等。以每秒30帧图像计算，到2020年全球每秒就有300亿个图像需要实时分析，这就意味着每秒300亿个实时“推理”，这显然无法依靠人工完成。黄仁勋测算，以新推出的Tesla P40为基准，这300亿个实时“推理”约需要1000万台P40服务器。

截止到2016年7月31日的NVIDIA 2017财年第二财季净利润高达2.53亿美元、同比上涨高达873%，第二财季的总营收比第一财季增长9%。且不论较为远期的智能汽车和自动驾驶市场，仅在企业计算和数据中心业务一块，NVIDIA就已经开始收获强劲营收增长。本次GTC大会上，NVIDIA趁热推出了结合IBM Power 8 CPU和Tesla P100 GPU的企业AI服务器。

这个时代最激动人心的，就是未来的市场空间正被逐步打开，但未来到底有多远，未来的市场空间到底有多大，这个问题其实不需要人工智能来预测。因为路在脚下，走了才有结果。

本文由思达派（startup-partner.com）转自钛媒体，作者吴宁川。