文章|莉娜·英伟达又崛起了。
自今年1月底以来，NVIDIA的股价已从1美元飙升至数美元，涨幅超过一倍。
英伟达股价飙升的背后，是人工智能技术不断崛起、发展和成长的缩影。
英伟达的成功原因有很多，包括及时部署CUDA、积极推动人工智能、不断完善和打造软硬件生态系统等。
在每一项具体业务的背后，核心都是对业务的战略远见和决策。
世界科技进步；只有及时预测，才能在大家反应之前积极抢占下一个技术热点，才能最终引领行业。
这一切的背后，NVIDIA CEO黄仁勋自然是重要的决策者；除了他之外，另一个角色也扮演着至关重要的角色——NVIDIA首席科学家兼NVIDIA研究高级副总裁Bill Dally博士。
（NVIDIA首席科学家、NVIDIA研究院高级副总裁Bill Dally博士）EmTech China大会结束后，智喜喜对Bill Dally博士进行了一对一的深度采访，不仅详细讲解了NVIDIA的云以及终端方面的战略布局，也谈到了目前AI芯片的热门话题——Dally博士认为，目前云端AI芯片巨头的地位难以撼动，而终端侧AI芯片是各类初创公司的机会。
此外，他还提到了NVIDIA的几个重点AI项目，以及中美两国技术能力的异同。
（知西记者 Bil??l Dally 博士）Dally 博士除了担任 NVIDIA 首席科学家、负责掌控公司整体技术战略发展外，还是美国国家工程院院士、美国艺术学院院士和科学，以及 IEEE 和 ACM 成员；他在就任NVIDIA之前，还曾担任麻省理工学院和斯坦福大学的教授。
在这么多光环的包围下，有一个科学家，他睿智、幽默、思维极快、语速很快——语速快是什么概念？那天速记的女士让我告诉Dally博士说慢一点，因为我实在记不清了…… 1、云芯片格局难以撼动，下线智能AI芯片已经成为机会。
过去六个月，人工智能发展重心逐渐从云端转向终端，伴随着人工智能芯片行业的整体崛起。
智东西连续几个月对人工智能芯片全产业链近百家核心企业进行了报道，不仅涵盖英伟达、谷歌、英特尔等科技巨头，还包括寒武纪、地平线、神剑科技、Graphcore、等国内外AI芯片初创公司。
根据应用场景，AI芯片可以简单分为用于云服务器机房等场所的云端AI芯片和用于终端智能设备、物联网设备的端AI芯片。
Dally博士认为，云端AI芯片开发的最大挑战是提供高性能计算的同时保持芯片处理新兴AI模型和算法的灵活性。
这些任务需要通用可编程平台和专门指令。
待完成。
在终端侧AI芯片的开发过程中，这种计算灵活性并不是那么重要，但终端侧带来的效率、功耗等约束才是更大的挑战。
在云端方面，以Volta系列为首的NVIDIA GPU产品专为云服务机房打造，并推出了cuDNN、TensorRT等软件服务，完善AI生态系统。
目前，NVIDIA的GPU支持TensorFlow、Caffe等所有主流深度学习框架。
末端方面，NVIDIA推出了16nm AI芯片XAVIER、自动驾驶平台DRIVE PX，并开源了DLA深度学习加速器项目。
制造商可以免费下载这种专为物联网设备设计的AI架构，并构建自己的低功耗AI芯片。
达利博士表示，人工智能的一个重要应用就是应用于各种终端设备，比如汽车、电器、机器人，甚至灯泡，让它们变得智能。
毫无疑问，终端智能化是大势所趋，但云智能化不会被取代。
人工智能未来的发展趋势将是云+端共生系统。
在谈到深圳科技、Graphcore等国内外新兴AI芯片初创公司是否会与NVIDIA竞争时，Dally博士坦言，“是的，他们是竞争对手，但竞争是良性的，NVIDIA正在‘努力’”以保持领先地位。
”不过他也提到，云数据中心的芯片市场相对成熟，各巨头都有扎实的积累，格局难以撼动。
AI芯片初创公司（以及AI初创公司）更适合专注于终端应用，尤其是未来的物联网设备，不仅种类繁多，而且数量巨大，这对初创公司来说是机会——当然，在这些领域，如何收集足够的可用资源数据成为初创企业面临的最大挑战之一。
因为大公司往往依靠自己的平台积累大量数据，这些都是初创公司所不具备的优势。
人工智能对许多公司和行业具有颠覆性的力量。
如果大公司反应不够及时，或者做出某些错误的决策，很可能会在这波技术浪潮中落后甚至失败。
2、人工智能三大项目：自动驾驶、新一代芯片、神经网络简化。
作为首席科学家，Dally 博士不同程度地参与了 NVIDIA 的许多项目。
当智喜问到最近最关心哪些项目时，Dally博士给出了几个答案：1）自动驾驶平台2）新一代深度学习加速器3）神经网络的压缩和简化关于自动驾驶，Dally博士用了一个巧妙的比喻- “自动驾驶其实就像一个游戏，但它和AlphaGO这样的双输游戏不同。
在这个游戏中，你要保证所有的车都不能输，但同时你也要和别人竞争看看谁最快到达终点线。
”同时，机器必须学会像扑克游戏一样“读字”，并准确地对对面的玩家（司机）进行分类，判断这个人是激进还是保守？至于新一代深度学习加速器项目，其中包括Dally博士和他的团队设计的用于人工智能算法处理的新架构，该项目目前进展非常顺利。
涉及新一代产品的发布，不方便透露更多。
神经网络的压缩和简化是当前深度神经网络普遍正在研究和讨论的重要问题。
无论是在云端还是在终端，这都会影响网络速度并增加功耗，Dally博士在演讲和采访中都提到了该领域的两个主要研究方向：一是降低计算精度（例如，从32位到8位），另一种是剪枝（Purne），先构建整个算法网络。
然后尝试消除冗余节点并压缩网络规模。
此外，Dally 博士还提到，英伟达的机器人团队最近成立了一个机器人协作工作室，让机器人和人类在厨房大小的空间内协作，目标是成功烹饪一顿饭。
然而，机器要达到人类希望的标准还有很长的路要走。
许多对人类来说很简单的动作——比如打开抽屉——对机器来说却很困难，因为它们往往缺乏常识判断。
当它们面前有一个水瓶时，它们不会像人类那样下意识地避开瓶子。
除了自动驾驶、机器人、深度学习等业务外，对于一些引起关注的新兴项目，Dally 博士也会带领一小群 NVIDIA 科学家组成“特工团队”来研究这个问题。
比如前段时间他们组建了一个专门研究量子计算的科学家团队。
一组科学家花了六个月的时间阅读论文、求解方程并拜访业内人士，以期全面了解该领域。
研究得出的最终结论是，量子计算离我们还有很长的路要走，至少在未来10年内不会大规模应用。
当前机器的量子位太不稳定且噪音太大。
智洞智还在近期的文章《量子计算机有多可怕？一秒破译世界上所有密码！》中介绍了目前全球范围内量子计算的发展进度。
3.中国和美国的AI芯片初创企业非常相似。
如上所述，国内外AI芯片领域逐渐升温，众多AI芯片初创企业开始纷纷涌现——国内外这些不同公司的创始人有很多。
他们都是达利博士或其朋友的学生，并与他保持着良好的联系。
此次访华期间，戴利博士还走访了多家企业和学校进行讲座和参观。
对于中美两国的AI和AI芯片初创公司，Dally博士认为它们非常相似。
一家硅谷初创公司和一家北京初创公司很可能会使用类似的方法来解决同样的问题。
这种情况对于中美各家科技巨头来说也是如此。
达利博士说，他第一次来中国是在2000年，当时中美科技能力差距还很大。
但经过十几年的发展，中美在人工智能等前沿技术上的技术差异已经变得很小。
4、学术领域研究与工业领域研究的三大区别。
此外，Dally博士除了担任NVIDIA首席科学家外，还担任美国国家工程院院士、美国艺术与科学学院院士、斯坦福大学教授等学术职务。
当被智西西问到学术研究和产业研究最大的区别是什么时，Dally博士给出了三个答案：研究领域、研究深度和资源。
在工业界，研究人员通常将研究领域限制在对公司有利的领域，而不太可能探索对公司“无用”的技术，例如宇宙起源。
不过，对于 Dally 博士来说，他感兴趣的研究领域恰好与 NVIDIA 息息相关。
这其实也是Dally博士当初选择NVIDIA而不是接受Google等其他科技巨头的offer的重要原因之一。
其次，在学术研究领域，很多学者研究某件事的最终目的是发表论文。
然而，即使论文发表，这项技术也可能无法应用于实际，因为很多问题还没有解决。
在业界，研究人员需要跟进并解决这些问题，使技术足够成熟以实现实际应用。
三是资源配置。
在美国，学术研究经费至少30年来一直在下降；科技公司拥有更好的资源——人才、计算机、仪器等。
然而，AI人才招聘是当今业界头疼的问题，NVIDIA也不例外。
对于行业来说，吸引这些AI人才的不仅仅是薪酬。
有时更重要的是为他们提供良好的研究环境，保证完整的软硬件研究资源，让他们能够顺利地研究和解决问题。
。
结论：人工智能竞争日趋激烈，市场激烈。
在人工智能领域，英伟达绝不只是一家提供芯片的硬件玩家。
过去十年，以GPU为代表的硬件为深度学习提供了海量的计算能力。
后来英伟达通过cuDNN、TensorRT等一系列AI软件完善了生态系统，进而推动了这一波人工智能热潮的整体崛起——英伟达的股价和市值都体现了这一点。
对于中国来说，人工智能是缩小中国与西方技术差距的难得机遇。
除了国家积极推出应对政策外，各个市场、资本、初创企业、巨头也纷纷响应，占领各个AI应用赛道。
其中，AI芯片在人工智能“从软到硬”的落地中发挥了作用。
重要的环节。
新年伊始，人工智能领域的竞争进入白热化阶段。
各大公司从最开始的拼技术、拼简历、拼大牌，逐渐进入了拼产业、拼落地的实战阶段。
初创公司的首批人工智能芯片也将于今年推出。
人工智能将进入市场验证阶段，抢占市场成为今年AI企业的重点目标。