为什么一家为游戏提供显卡的公司，会成为AI产业最牛逼的存在？-比利说经济
一个能给你带来价值的公众号比利说经济
财经、商业、文化、金融、读书、理财的世界
◆◆◆
五分钟让你了解什么是“深度学习”，推荐2个牛逼的公司
这是比利说经济的第100篇文章
差不多花了三年的时间，我终于写完了比利公众号的第100篇文章，3年100篇，这进度确实有点慢，不过此刻还是有些纪念意义的，有人问我有何感慨，实话说我并没有太多的感慨，我只希望能坚持写下去草鸡男，感谢大家对比利公众号的关注与关心，更新的速度太慢，这点很抱歉，希望在2018年，比利公众号能继续提供看未来的视角，然后对新经济领域做深入浅出的分析，吃透未来行业的发展趋势，让比利公众号更好的发挥价值一叶倾辰！
/1/
上期的文章我们介绍了人工智能的三个发展阶段和三大发展要素，这期我们来深入了解在细分行业中我们有哪些需要了解的趋势性认知以及可能的投资机会，今天我们先来说说人工智能的基础服务——芯片。
我们知道人工智能的“脑力”基础，就是AI芯片，如果说人工智能大势所趋，那么AI芯片将会崛起。在国际上，牛逼的芯片公司主要被美国人垄断的，比如我们耳熟能详的intel、英伟达、AMD、高通这些芯片公司，以及谷歌、微软这类互联网公司李诣凡。
在这些公司中呢，至少在人工智能芯片领域，数英伟达最为牛逼，为什么这么说呢盟重新城吧？
相信每个喜欢玩游戏的宅男对英伟达都不陌生，比利也是其中一个，我们知道，我们买电脑用来玩游戏的话，都喜欢看一个配置，除了CPU（中央处理器），还有一个就是显卡兔仔唛，而英伟达就是一家给游戏提供显卡的供应商。
也就是说我们理解的英伟达不过是一家给众多游戏提供显卡的公司，那它怎么突然成为了人工智能发展的领头羊了呢？
英伟达提供的是显卡，而显卡的心脏就是GPU（图形处理器）。
最近两年来朴娜莱，计算机的智能水平得到了明显提升：特别是识别图片和语音正确率超过人类，自动驾驶汽车也开始上路，参加智力问答竞赛获得冠军，在围棋领域，AlphaGo则战胜了人类大师（用了176个英伟达的GPU）。这些成绩的背后，都离不开一种叫深度学习的算法，而运行这种算法的硬件，就是大家都在使用的由英伟达生产的GPU。
这里有两个问题无限轨道，什么是深度学习算法？巩天阔为什么深度学习需要GPU，而不是CPU呢？
/2/
我们知道人工智能最初是让机器人学习人，也叫机器学习，机器学习从开始的通过传感器来获得数据，然后经过预处理、特征提取、特征选择，再到推理、预测或者识别。这些过程一般都是人工程序员去下达指令完成的，靠人工去提取特征，是比较累的。
举个栗子，比如说“猫”，要告诉机器人这个是猫，我们要提供哪些特征？比如猫有四只脚、有长尾巴、有胡须等等，这种手工地选取特征非常费力，它的调节需要大量的时间。
既然手工选取特征不太好，那么能不能自动地学习一些特征呢？答案是能！深度学习就是用来干这个事情的。
程序员只要将海量的数据直接投放到深度学习算法中，让计算机系统自动从数据中去学习。
例如“猫”从来不告诉机器说这个有四只脚，有长尾巴、有胡须的动物就是猫，而是让机器自己领悟“猫”的概念。
人类的思维具有高度的抽象，一个小孩看两三次猫，就认识猫了，而计算机的神经网络需要大量的数据才能训练出一个基本的技能，所以只要让计算机看成千上万只猫的图片就能识别出什么是猫。
让计算机看成千上万张图片是“训练”计算机的过程，那么经过大规模的训练，从中不断总结规律，这样计算机就可以实现像人一样思考。这么大规模的训练量，GPU就派上了用场。
那有人要问了，CPU同样能应付计算，为什么不是CPU呢？
因为CPU经过那么多年发展，今天的工艺，要进行那么大规模的计算量，体积要大的不得，在很多人工智能项目中无法实现，比如无人驾驶汽车，我们总不能扛着一个机柜上路吧。所以说，到目前这个发展阶段杨尚坤，单靠CPU难以满足计算量，那么有什么更好的解决办法呢？
这时候英伟达就想到CPU计算之所以不够快，是因为它被设计成能够适应所有计算的处理器，由于计算的复杂，CPU就被设计得很复杂（带有很多控制逻辑和电路)80版猴票，那么有没有一类电路简单，只用于一种领域的处理器，这时候GPU应运而生。
GPU作为图像处理器，控制电路简单，不需要CPU那样建很多控制电路，那么更多的晶体管用于了计算，因此它比CPU更为擅长大规模简单的专用计算（CPU更适合干比较复杂的通用计算），下图是GPU和CPU结构对比图。
通俗说GPU可以平行处理大量简单信息我成了张无忌，如果这里难以理解，比利来举个栗子：CPU是老大，有本事啥事都能干，还会组织协调，可以说很全能。而GPU 就是老大的小弟，老大让他处理图形，这方面处理简单，但是任务量大，老大虽然能干，可是老大一个人干费时费力，所以不如交给小弟处理了，小弟兄弟多，有数百至数千个，而且是专门只干这行，所以速度快。
也就是说，GPU相比CPU，计算的更“专注”，效率更高。
这样解释应该好理解了吧杨雪帆。
/3/
在以往应用CPU来计算的研究中，一个特定的应用在面对海量数据时，可能需要几个月甚至几年的时间才能完成训练，这显然不能满足实际应用的要求。而GPU的并行处理计算，则极大缓解了计算层面的瓶颈，让深度学习成为了实用的算法。
目前，人工智能的深度学习训练领域中，谷歌的图像识别项目、AlphaGo项目、特斯拉、沃尔沃等诸多汽车厂商的辅助驾驶和无人驾驶，均需要GPU作为加速芯片。
这也就确立了GPU在人工智能芯片领域的王者地位，而生产GPU最牛逼的公司就是英伟达。一个原本主营业务是提供游戏显卡的公司，目前已经成为了人工智能深度学习的领域的芯片老大，你说牛不牛逼。
比利觉得未来的3年内，GPU仍然会是深度学习市场的第一选择。
那么除了GPU废后将军番外，这个市场还有什么其他的机会吗？
/4/
当然有，因为目前做GPU的不止英伟达一家身份通网站，还有一家叫做AMD。
如果说英伟达占GPU市场份额的7成，那么AMD就占据剩下的3成，两者几乎瓜分了GPU的市场。
AMD这家公司目前主营业务是CPU+GPU，但是不管是CPU还是GPU补天大造丸，AMD都是老二，在CPU领域，它不如英特尔（INTEL），在GPU领域，它不如英伟达美国兵是废货。
AMD这公司有意思的地方在于，一开始和英特尔打CPU战争宅门恩怨，后来提出诉讼状告英特尔非正当竞争，期间优势逐渐损失，这个失误让AMD落马。后来AMD跟英伟达打显卡价格战evcard，但由于在CPU战争中损伤较大飓风眼，AMD还是没能胜过英伟达。现在无论在CPU还是GPU市场，AMD都没能做到最佳。
但是AMD的CPU+GPU双剑合璧，威力同样是不能小觑的。
特别是考虑到未来人工智能数据中心的巨大增长空间，这就像埋在地底的石油，百度、腾讯、谷歌和阿里巴巴需要购买硬件来开采这些石油。据天风证券的最新报告显示，当前2017年的全球服务器中GPU的渗透率仅为 0.24%，预计到 2020 年全球服务器GPU渗透率将达4倍以上增长。
因此AMD早有了先见之名，从去年底开始正式进军云计算市场，发力在云计算服务商超大规模数据中心的GPU 部署，并收获谷歌云和阿里云的合作。
目前百度、腾讯和京东也成为AMD的服务器数据中心处理器的新客户。预计到2025年，全国人工智能行业市场规模将达到590亿美金。如果我们想要取代美国成为人工智能领域的领导者，这将长期利好AMD。
目前冠县信息港，在GPU产业投资上，大势已经很明显，在全球，GPU产业主要只有两个企业：英伟达和AMD。因此，把这两个公司放在一起，作为一种投资组合，不失为明智之举。这个投资组合要关注的风险只有一个：GPU还是不是人工智能时代处理数据的最优解？
那么下一期，比利将系统性讲解，在人工智能时代，除了GPU，还有没有其他更好的替代办法或者解决办法，并讲讲其中的投资机会。
如果觉得有价值的可打赏
打赏的长按二维码
新经济领域
谁是未来的主宰？一文让你快速了解人工智能领域的产业机会
从iPhoneX的延迟量产华大桂声，我们可以洞悉到什么机会？
注意奇门药典录！当我们在谈屌丝经济时， 潘石屹们都在干什么？我们该如何应对？（中产必看）
只要5分钟，你就看懂了95%的人都看不懂的“区块链”技术
ICO已经一地鸡毛，下一个会是比特币？区块链吗？
