自從Alpha GO戰(zhàn)勝人類圍棋選手以來，AI就成為了整個商業(yè)社會中熱度最高的一個名詞。在AI的背后是對傳統(tǒng)商業(yè)模式的巨大顛覆和對社會生產(chǎn)力的空前解放。雖然AI很可能在未來淘汰掉一部分重復性勞動很高的工作崗位，但因此所釋放出的勞動力將在未來把人類的創(chuàng)造力推向新的高峰。
但除了已經(jīng)淪為陳詞濫調(diào)的AI光明未來，在實際的應用中，AI技術卻仍舊處于萌芽狀態(tài)。在目前的階段，人工智能——Artificial Intelligence仍舊處于相當初級的階段，還只能根據(jù)海量數(shù)據(jù)所構建出的模型來完成應用中的推理與判斷，離真正的自主型人工智能或根據(jù)有限信息來自主拓展模型并作出判斷的強人工智能還有很大的差距。
不過由于目前AI開發(fā)與應用的主要模式已經(jīng)確認，對應的研究手段也就變得明確起來。在現(xiàn)有的技術方向下，企業(yè)需要利用神經(jīng)網(wǎng)絡技術并使用機器學習、深度學習算法來構建模型，在根據(jù)模型來開發(fā)對應的軟硬件解決方案。而無論是訓練AI模型還是利用AI模型來進行推理判斷，強大的運算能力都是必不可少的。
AI兩端的不同景象
在模型訓練方面，由于輸入的數(shù)據(jù)類型和使用的DL／ML框架不同，硬件不僅需要有強大的并行計算和浮點能力，更要具備強大的靈活性。但這兩種需求都不是傳統(tǒng)x86服務器所擅長的，因此就需要與x86異構的協(xié)處理器來完成對應的模型訓練任務。在這一領域，最大的贏家無疑就是NVIDIA。面對這一市場的巨大需求和豐厚利潤，NVIDIA不僅推出了針對不同性能和應用環(huán)境的多款GPU產(chǎn)品，更推出了對應的一體機甚至是為大規(guī)模GPU互聯(lián)提供更高帶寬的NVLink總線。此外，針對云數(shù)據(jù)中心的虛擬化環(huán)境和相關訓練程序的開發(fā)，NVIDIA也有專門的GRID虛擬化技術及提高并行運算效率的CUDA語言。
以龐大的產(chǎn)品研發(fā)投入，NVIDIA幾乎占領了AI中的模型訓練市場。不過在利用成品模型進行實際問題的推理判斷領域，NVIDIA卻還沒有獲得相應的統(tǒng)治地位。
利用AI模型（程序）進行實際問題的推理和判斷仍舊需要對應的硬件系統(tǒng)擁有強大的運算能力。但與模型訓練的復雜場景不同，由于需要運行的程序和處理的數(shù)據(jù)類型的相對固定，硬件系統(tǒng)并不需要很高的靈活性。相反，在實際的AI應用場景中，用戶往往對硬件的采購成本、能效和部署效率有著更高的要求。
于是，專門對應某種算法的AI芯片被越來越多的制造了出來。最近在資本圈和市場上引起廣泛關注的華為海思、寒武紀、地平線、比特大陸等公司都是這一領域的新貴。在產(chǎn)品形態(tài)上，他們大多采用ASIC方式將AI應用固化在芯片中，從而獲得更低的成本和更高的性能及能效。當然，傳統(tǒng)科技企業(yè)也沒有在這一領域缺席，包括Google的TPU、Intel的Arria 10系列（FPGA芯片）和Xilinx的Versal芯片（FPGA）等也紛紛進入AI推理判斷領域。
與AI模型訓練領域中NVIDIA的一家獨大不同，推理判斷領域卻呈現(xiàn)出了百家爭鳴、群雄逐鹿的景象。
云數(shù)據(jù)中心的AI隱憂
隨著云理念和云優(yōu)勢被越來越多的企業(yè)認可，云計算市場也經(jīng)歷著一輪又一輪的高速增長。而將AI能力通過云計算的形式交付給企業(yè)和用戶也成為了AI技術迅速發(fā)展并取得廣泛應用的前提條件。于是，對于云數(shù)據(jù)中心來說各類計算卡和AI芯片就成為了擴容建設的重中之重。
但隨著云計算市場和應用集中趨勢的愈發(fā)明顯，很快，大型云數(shù)據(jù)中心就會發(fā)現(xiàn)，越來越多的GPU、ASIC、FPGA會開始堆滿數(shù)據(jù)中心，他們分別運行著不同的程序、發(fā)揮著不同的作用、并且有著不同的管理方式。而這對于數(shù)據(jù)中心來說則是一種巨大的挑戰(zhàn)。
二十年前，當時的CPU性能遠沒有現(xiàn)在的強大，而面對龐大的數(shù)據(jù)存儲和管理壓力，大多數(shù)企業(yè)都開始研發(fā)運行效率更高的ASIC芯片，并使之成為存儲系統(tǒng)的核心功能實現(xiàn)單元。期初，這一思路取得了很好的效果，滿足的用戶的需求。但隨著時間得推移，越來越多不同廠牌、不同管理框架、不同功能的ASIC也讓存儲網(wǎng)絡的管理和運營成本直線飆升；最終受苦的仍舊是企業(yè)。直到現(xiàn)在，軟件定義存儲技術才開始慢慢扭轉(zhuǎn)這一局面，將企業(yè)從存儲系統(tǒng)結構的深淵中慢慢拉出來。
而現(xiàn)在，數(shù)據(jù)中心雖然已經(jīng)實現(xiàn)了大面積的運化，但CPU＋GPU＋FPGA＋ASIC的復雜計算架構卻仍舊有可能將企業(yè)拖入AI基礎設施的深淵，讓數(shù)據(jù)中心重新面臨二十年前的窘境。顯然，這一切在目前仍未引起足夠的重視。
誠然，AI的崛起能夠讓企業(yè)在數(shù)字化時代的競爭中獲得巨大的優(yōu)勢，并有望徹底改變?nèi)藗兩詈推髽I(yè)運行的效率和方式，但這種粗放型的發(fā)展思路卻仍舊值得數(shù)據(jù)中心管理者們的重視。
指望在復雜多變的AI市場建立統(tǒng)一的管理和運行框架在目前這個時間節(jié)點是不現(xiàn)實的；寄希望于初出茅廬的AI芯片獨角獸們從整個數(shù)據(jù)中心未來管理和運營的角度來設計產(chǎn)品也不太可能。但從市場的規(guī)律來看，在沒有新的顛覆性技術出現(xiàn)之前，誰能夠解決好這一問題誰才有可能成為AI硬件市場未來真正的贏家。
基于這一點，最有希望成為贏家的仍舊是Intel和Google這樣龐大企業(yè)。他們既有設計數(shù)據(jù)中心架構的能力與經(jīng)驗，也有引領行業(yè)發(fā)展的資本和實力。而隸屬于華為的海思則也有可能憑借華為豐富的設備制造和系統(tǒng)構建背景獲得未來市場的一杯羹。但對于地平線、比特大陸、寒武紀這樣最近幾年才嶄露頭角的新型企業(yè)來說，數(shù)據(jù)中心仍舊是一個龐大且無法掌控的存在，其未來最好的歸宿或許仍舊是被收購。
當然，由于具備更相對更高的靈活性，F(xiàn)PGA和GPU方案仍舊可以很方便的與各種數(shù)據(jù)中心管理架構兼容，這對于近來股價持續(xù)下跌的NVIDIA來說或許是一個好消息。