2016年是人工智慧爆發的一年，隨著深度學習理論的快速發展，各種深度學習的應用層出不窮，從人臉識別，圖片風格轉換到自動駕駛，不一而足。在這些人工智慧應用的背後，則是以GPU為代表的人工智慧硬體。藉著人工智慧的風頭，Nvidia的股價在去年飛昇三倍有餘，令人驚歎。幾天前，2017年CES更是請Nvidia的黃仁勳作為開幕前夜最重頭的專場演講的嘉賓。毫無疑問Nvidia已經成為了本屆CES的焦點。下面我們將為大家分享這場專場演講的內容並分析Nvidia展露的未來計劃。
關鍵詞：Imagination
本次Nvidia老黃給我們帶來的CES演講中，關鍵詞是“Imagination”（想象）。透過Imagination這個關鍵詞，Nvidia很好地涵蓋了自己從遊戲渲染加速到人工智慧的業務群。
在開場動畫中，老黃首先播放了一系列3D遊戲的畫面（包括泰坦隕落2，獵魔人等3A大作），也回顧了Gravity等特效電影。之後畫風一轉，激發人類想象力的從傳統的3D遊戲和電影特效轉到了讓人身臨其境的AR和VR裝置。在這之後，則開始展示給人巨大想象力空間的人工智慧應用，包括機器人，自動駕駛，以及人工智慧輔助醫療等等。而在這一切激發人們想象力的應用背後，都站著一個硬體巨頭，Nvidia。這段動畫也很好地回顧了Nvidia業務的歷史軌跡：始於GPU影像渲染加速，從一個半導體晶片公司慢慢走向未來AR/VR以及人工智慧平臺的提供者。
GeForce Now與Shield：遊戲雲平臺與家庭物聯網新中心
在回顧了過去在計算機影像、遊戲和人工智慧領域的一系列成就後，老黃開始釋出第一項內容：GeForce Now。
Nvidia的輝煌始於遊戲領域在快速發展。在二十年前，PC和主機遊戲還是以低解析度的2D為主，3D遊戲要麼是假3D （如《暗殺希特勒》），而真3D遊戲的影像非常粗糙，多邊形數量很少，勞拉小姐的臉就是一個錐子。Nvidia正是在當年看好電子遊戲會成為人們未來的主流娛樂方式並開始開發顯示加速卡，從而一舉推出GPU的概念並且在遊戲市場上賺得盆滿缽滿。在GPU獲得成功後，Nvidia進一步推出了自己的遊戲主機Shield。而到如今，Nvidia已經不滿足於遊戲硬體提供商的角色，而是在試圖定義一種嶄新的遊戲平臺並且成為該遊戲平臺的主人。GeForce Now就是這樣的一種平臺。
GeForce Now的邏輯是：目前尚有數量巨大的電腦使用者因為自己的電腦硬體不夠強因此玩不到遊戲。為了讓這部分人也玩上3A大作，GeForce Now把遊戲執行在處理能力極其強大的雲伺服器上，而把遊戲的影像和聲音透過網路傳到玩家的電腦上。因此只要玩家的電腦能上網，無論其硬體多弱都可以玩到最新的遊戲。透過GeForce Now，Nvidia的野心是利用其在遊戲市場的影響力，從硬體供應商轉型為遊戲雲服務提供商，這樣就一下從第二產業（製造業）轉身進入了第三產業（服務業），豈不美哉？
那麼人們不禁要問：如果GeForce Now特別成功，那麼大多數為了玩遊戲而買的高效能PC就沒用了，甚至連遊戲主機都有下崗的危險，如此一來Nvidia自己的Shield主機又該怎麼辦？別急，Nvidia早就為自家主機想好了出路，就是家庭物聯網的新中心。
老黃在CES釋出的第二項內容是新Shield。新Shield除了擁有常規的遊戲和網際網路影片播放功能外，最大的亮點是引入了Google助手。Google助手可以透過語音識別完成使用者下的各種指令，如在CES演講的演示影片中，就出現了使用者透過與Google助手語音交談從而讓Shield播放影片，展示照片等。然而，Nvidia對Shield的野心遠不止“支援語音互動的智慧機頂盒”，而是智慧家庭中心。為了讓Shield能接收使用者從家裡任何地方發出的語音指令，老黃在釋出新Shield的同時還展示了與新Shield搭配使用的NvidiaSpot。NvidiaSpot是經過特別設計的麥克風，可以放置在家裡的任何地方，並且透過區域網與Shield連線起來，把使用者的語音指令傳輸到Shield。同時，在Nvidia的計劃中，Shield可以控制的也遠遠不止電視機，而是可以控制各種智慧家電（如Nest的產品）。這樣，在Nvidia提供的智慧家庭方案中，Nvidia Spot作為使用者指令的接收者遍佈家的每一個角落，使用者在任何地方下的語音指令透過Spot傳回物聯網中心節點Shield，而Shield則根據指令來控制家庭的智慧家電，如開啟空調，啟動掃地機等等。
GeForceNow以及新Shield都顯示了Nvidia試圖將舊有的遊戲硬體業務升級轉型的嘗試。我對於GeForceNow的評價是，要是沒法解決網路延遲的問題根本就沒戲。目前最流行的遊戲是動作遊戲（槍），模擬駕駛遊戲（車）以及各種體育遊戲（球），而槍車球對於輸入延遲的要求非常高，一旦玩家的輸入（如在駕駛遊戲裡轉動方向盤）距離遊戲響應（遊戲裡的車真正改變方向）有上百毫秒的延遲，玩家的體驗就會變得很糟糕。問題是，目前決定網路延遲的不僅僅是玩家的接入網路頻寬，而是從玩家接入點到GeForce伺服器中心間的任何地方網路變慢都會成為短板增大延遲從而極大地影響玩家體驗。另外，是否有那麼多人是因為缺乏硬體而不玩遊戲也是個問題——很可能大部分人就是對遊戲沒興趣，即使給他們足夠執行遊戲的硬體也寧願去做其他事情而不是玩遊戲。所以，GeForceNow看上去很美，實際上卻還有許多路要走。
對於Shield+Spot的家庭物聯網中心戰略，在Nvidia之前其實也有不少類似的試圖將遊戲機升格為家庭客廳娛樂中心的嘗試，然而都失敗了。典型的就是Sony的PSX，當年Sony藉著在遊戲主機（PS2），影片播放機（DVD）和電視機領域的龍頭地位，試圖將PSX打造成能玩PS2遊戲，能播放/錄製DVD又能播放/錄製錄影的客廳娛樂中心，然而慘遭失敗。類似微軟也試圖將XBOXOne打造成既能看網際網路影片又能玩遊戲的客廳娛樂中心，然而並沒有取得成功，反而在與PS4的鏖戰中漸漸處於下風。直到PhilSpencer上臺執掌Xbox後，才重新將XboxOne定義為遊戲機，並解散了專門為Xbox製作電視內容的娛樂部門，將重心移回遊戲後才逐漸找到方向。所以Nvidia和Google合作的Shield+Spot家庭物聯網中心戰略能否成功還需要時間去驗證，尤其在連物聯網智慧家電尚未普及的今天，Nvidia就已經發布了家庭物聯網中心，只能說是在為未來佈局而不可能在短期內就帶動Shield的銷量。未來如果Shield真能成為新的家庭物聯網中心，GooDia（Google + Nvidia）將成為WinTel（微軟Windows + Intel）之後又一對軟硬體巨頭聯盟。
Xavier：1TOPS/W成為深度學習硬體平臺新標杆
如果說GeForce Now和Shield+Spot只是老黃此次CES主題演講的開胃前菜，那麼在這之後釋出的Xavier就是重頭戲了。
Xavier是Nvidia預期在2017年正式發售的車載超級計算機模組。Xavier包含了擁有512 CUDA核的Volta GPU，8核心的Nvidia定製ARM64 CPU。最令業界震驚的，可謂是其效能：在峰值效能達到30TOPS的情況下，僅僅消耗30W！也就是說，其能量效率達到了1TOPS/W。相形之下，2017年釋出在半導體領域最頂級會議ISSCC Deep Learning Processor Session的第一篇paper，ST最頂尖的深度學習專用ASIC也僅僅實現了2.9TOPS/W。
需要記住的是，ST的深度學習加速器是專為深度學習開發，一般而言只能做深度學習計算；而Xavier是一款通用的計算平臺，1TOPS/W的效能除了可以計算深度學習外還可以做其他計算，因此通用性遠好於ASIC。通常專用的ASIC的能量效率應當比通用計算平臺好一個數量級左右，而現在這個差距被縮小到了3倍不到，可見Xavier效能之強大。在效能相差不大的情況下，大多數人都會選擇通用計算平臺而非ASIC，因此相信從事深度學習加速器ASIC研發的工程師們看到Xavier這個指標真的是壓力很大。
另一個有趣的細節是，Xavier的效能並沒有用常規GPU的FLOPS（每秒浮點運算量）做單位，而是OPS（每秒定點數運算量）。在往常的GPU中，深度學習計算通常用浮點數運算來完成，這樣的做法在保證計算精度的同時卻損失了計算速度，因此深度學習硬體的一個很熱門的方向就是如何用定點數運算來代替浮點數運算，在保證計算精度損失可控的情況下大幅提升速度。Nvidia在PascalGPU上已經做了一些對於定點數計算的支援，而根據CES的主題演講透露出的蛛絲馬跡，下一代VoltaGPU上想必會加強對定點數運算的支援。而Nvidia作為深度學習硬體領域的絕對統治者，其對於定點數運算的大力支援又會倒逼深度學習演算法開發者加強對於使用定點數的深度學習框架的開發。在可預計的將來，使用定點數的深度學習網路將會變得越來越流行。
在不同平臺上上使用浮點數與定點數計算效率的對比
ADAS系統成為Nvidia人工智慧戰略重點
人工智慧是Nvidia未來發展的重中之重。人工智慧未來市場有多大已經不必多說，而在這次CES主題演講中老黃選擇了ADAS（高階駕駛員輔助系統）作為Nvidia人工智慧平臺的切入點。
在自動駕駛方面，Nvidia釋出了搭載Xavier的BB2無人駕駛車，BB2目前能實現根據路況自動變道，減速轉彎，避讓行人等等。Nvidia與奧迪合作，預期在2020年實現第四級無人駕駛（即僅僅在極少情況下需要人工干預的自動駕駛系統）。
Nvidia無人駕駛系統演示
除了無人駕駛之外，Nvidia還發布了協同駕駛（co-pilot）系統，該系統在無人駕駛技術尚未成熟前可以輔助駕駛員從而讓開車變得更輕鬆又安全。
協同駕駛技術共包含四大要點，包括面部識別，頭部追蹤，視線追蹤以及讀唇技術。面部識別首先可以透過深度學習判斷駕駛員的表情從而進一步判斷駕駛員的情緒狀況，在發現情緒不穩時提醒駕駛員即使休息調整情緒以避免發生衝動駕駛。頭部追蹤和視線追蹤可以幫助協同駕駛系統判斷駕駛員注意力是否集中，並在駕駛員分神時及時提醒。讀唇技術則可以在環境較吵鬧的情況下根據駕駛員嘴唇的動作判斷其發出的語音指令並予以執行。根據老黃的解釋，Nvidia正在和英國牛津大學LipNet團隊合作研發用於讀唇的深度學習網路模型，目前該模型已經能達到93.4%的正確率，可望很快就能用在真正的汽車中。最後，協同駕駛系統還能為駕駛行為打分，在督促駕駛員安全駕駛的同時也能夠成為保險公司制定保費的依據。
在人工智慧領域，Nvidia的人工智慧平臺已經佔有統治地位。除了硬體之外，Nvidia目前的CUDA是人工智慧硬體加速的主流程式語言，而結合CUDA的CuDNN也因為其高效能成為極受歡迎的深度學習框架。那麼，人工智慧有這麼多方向，為什麼Nvidia會選擇ADAS作為戰略重點呢？首先，從市場上說，汽車運輸市場確實是一個巨大的市場。黃仁勳提到，目前的運輸市場規模可達一萬億美元，全球共有十億量跑在路上的汽車，而汽車運輸市場又是一個損耗嚴重的市場，主因就是人類駕駛員容易犯錯。一旦駕駛員犯錯，車禍帶來的損失非常大。如果用人工智慧幫助駕駛，那麼這些損耗可以被大大降低。
除此之外，另一個重要的事實是，Nvidia的人工智慧平臺（尤其是硬體）最適合的應用場景就是ADAS。Nvidia的人工智慧平臺最具優勢的應用場合就是資料量中等、計算能力要求高、對功耗有一定要求但是並不苛刻的地方。在資料量巨大的資料中心，Nvidia的GPU是伺服器不可或缺的一部分，但是Nvidia自己目前還沒有打算自己做伺服器，因此在大資料人工智慧市場Nvidia提供的是硬體而非平臺。在另一個極端，即資料量不大，對運算能力要求不高但是對功耗有極大限制的嵌入式深度學習領域，Nvidia基於GPU的人工智慧平臺一方面功耗太大，另一方面過高的計算能力反而導致成本過高，因此無法與ASIC抗衡。而在ADAS市場，Nvidia的人工智慧平臺無論計算能力（10-100TOPS）還是功耗（10-100W）都能完美地符合要求，因此Nvidia主打自動駕駛市場並不奇怪。
結語
Nvidia在CES的主題演講中顯示了它從晶片公司全面轉型成為雲服務、物聯網以及人工智慧平臺提供商的野心。在2016年成功抓住人工智慧風口市值翻了3倍之後，讓我們拭目以待Nvidia在2017年的表現。