广告

广告

广告

广告

广告

广告

广告

广告

广告

广告

广告

广告

广告

广告

我的位置: 主页 > 红包文章 > 抢红包技巧 > 通往AI/VR的路上 芯片公司已赚得盆满钵满

通往AI/VR的路上 芯片公司已赚得盆满钵满

发布人:红包群 发时间:2016-09-22 05:17 热度:
搜狐科技文/丁丁在人工智能、虚拟现实这拨高潮到临的时候,有无数创业公司开始从头审视本身的定位,并将原有项

 通往AI/VR的路上 芯片公司已赚得盆满钵满

  搜狐科技 文/丁丁

  在人工智能、虚拟现实这拨高潮到临的时候,有无数创业公司开始从头审视本身的定位,并将原有项目或业务向人工智能、虚拟现实等标的目的倾斜。更多的公司还在寻找适合本身的商业模式,在盈利的路上披荆斩棘。而对付上游芯片厂商来讲,虽然风口在不停幻化,但各个行业对付计算的要求并没有转移,相反需求量仍然连续增长。

  黄仁勋创设的NVIDIA(英伟达)在1999年发现GPU的时候,他其时并没有意识到GPU在未来人工智能、虚拟现实等范围会有如此大的成长空间。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衬着,在商用市场也局限于产业设计、影视制作、超级计算机等范围。黄仁勋在GTC开发者大会中国站透露,近三年来,业界对GPU计算的需求呈现了爆炸式增长。此中,群里抢到的红包怎么用,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超出跨越很多。而仅仅两年的时间,下载基于GPU的深度神经网络尝试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。

 通往AI/VR的路上 芯片公司已赚得盆满钵满

  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,此刻所有的尝试室城市使用NVIDIA的GPU平台来做AI研究,这里面既有软件公司,也有互联网软件供给商,还有互联网公司、汽车公司、当局、医疗成像、财务、制造等公司。此中,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长进行输入,速度已经到达了键盘输入的3倍。而这样的成效,离不开给百度后台供给强大计算能力的硬件设备。

  业界对计算能力的需求,集中表此刻对芯片的采购上,这从上游芯片公司的财报就能一窥眉目。

  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插手了约14亿美元的重组用度。英特尔打算2017年年中前裁员1.2万人,以便削减本钱,专注于目前需求强劲的处事器芯片和物联网芯片业务。

  如果分化来看,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。此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对照突出。

  NVIDIA的数据则更夸张,按照其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颁布了Inception Program首创打算,以便让参预此中的成员能够操作NVIDIA 的技术与专长来助力草创企业的生长,在深度学习与数据科学范围实现打破。黄仁勋对搜狐科技暗示,目前全球人工智能方面的创业公司已经赶过1500多家,首创打算颁布以来,已经有700多家企业与NVIDIA展开合作,除了能获得NVIDIA的技术和专家撑持外,这些企业还能得到其全球市场营销平台的撑持,也有获得投资的机会。

  高通2016年第三财季净利润同比也呈现了大幅度的增长。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,尤其是快速生长的中国OEM厂商。据了解,当季高通的芯片出货量赶过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,训练的质料是7000小时,语音识另外错误率为8%,约莫每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,深度学习的网络是本来的4倍大,错误率降低到了5%。在1年的时间里,错误率与之前对比降低了40%摆布。这背后,需要强大的计算能力撑持,错误率仅仅降低3个百分点,就需要20万亿次浮点运算的撑持。

分享给朋友: