GPU在通用计算领域广泛应用，核心论大日子将到来？

前不久，一幅被硬件玩家津津乐道的照片在网上疯传：NVIDIA CEO黄仁勋像个DIY玩家般地捣腾着一台电脑主机，而现场的唯一观众竟是特斯拉掌门人马斯克。两位大佬颇具生活化的一幕，实则蕴藏着NVIDIA对未来的野望。黄仁勋向马斯克交付的产品是名为DGX-1的深度学习超级计算机，将被用于后者去年底新创办的人工智能项目OpenAI。黄仁勋曾表示，3000 人花费三年时间才研发出这样一款DGX-1，深度学习超级计算机的研发难度之大可见一斑。然而，就是因为DGX-1这个导火索，引发了NVIDIA和英特尔之间一场久违的口水战，其所涉及的GPU与CPU运算能力孰优孰劣这个话题，最早可以追溯到八年之前的2008春季IDF大会。尽管打造出了一个又一个怪兽级产品，可是NVIDIA要想赢得应有的地位仍然是难上加难。

随着GPU在通用计算领域得到广泛应用，NVIDIA的优势正逐渐显现出来。8月12日，NVIDIA公布了最新一季财报，总收入14.28亿美元，同比增长24%，利润达到了2.53亿美元，同比增长873%。这样的数据，给基数大却增长乏力的英特尔造成了相当大的压力。在8月中旬的秋季IDF上，英特尔宣布将于2017年推出专门为人工智能深度学习而设计的最新一代Xeon Phi处理器，代号Knights Mill，声称其运算能力比对手的产品快两倍以上，矛头显然是直指NVIDIA的。面对英特尔的“发难”，NVIDIA很快就予以强硬回击，指出英特尔使用的是一年半之前的老数据，居然以开普勒架构的GPU为比较对象，如果换成麦克斯韦GPU，Xeon Phi至少要落后两成以上，帕斯卡就更不用说了。NVIDIA负责加速深度学习业务的副总裁伊恩·巴克还火上浇油地说：“随着深度学习系统和人工智能领域日新月异的快速变化，这个领域的新来者可能并没有意识到业内硬件和软件方面的发展节奏。”

站在理智的角度看问题，在这一轮交锋中，NVIDIA显然是更占理的一方，产品性能更强是不争的事实，再说英特尔在深度学习领域耕耘的时间并不长，跟 NVIDIA比起来确实是个新兵。但是，接下来英特尔数据中心集团副总裁杰森·卫克斯曼在博客中提出了另一种观点：“人工智能是新生事物。作为一个拓宽人工智能领域的创新催化剂，英特尔的领导力将至关重要。虽然现在很多人都在谈论GPU对于机器深度学习的价值所在，但事实上去年为深度学习而研发的处理器中，使用到GPU的比例还不到3%。”这个3%究竟有多少水分并不重要，关键在于这番话充满了“大欺小”的凌辱架势，也让NVIDIA不得不面对这样一个事实——CPU才是必需品，而GPU只是可选配件。从冯·诺依曼的时代起，CPU核心论就成为了NVIDIA必须经历的宿命。

在宣传DGX-1时，NVIDIA的官方资料只强调其半精度(FP16)峰值性能最高可达170 Teraflops;包含8个Tesla P100 GPU加速器，每颗GPU搭载16GB显存;7TB固态硬盘和双万兆以太网……就是闭口不提CPU的事，让人不由得遐想这台超级计算机是不是已经摆脱 X86 CPU了呢?不过事实并非如此，DGX-1还是需要两颗16核心的Xeon E5-2698v3以及512GB的DDR4内存，无法摆脱传统计算机的标准架构。黄仁勋八年前就提出了GPU核心论，GPU的晶体管数量、复杂程度和运算能力也真的大幅超过CPU了，只可惜GPU始终不是计算机的必需品。游戏应用也是如此，哪怕独显的性能一直数倍于集显，但英特尔核芯显卡总是占据着七成以上的市场份额，考虑到成本、兼容性等诸多因素，性能上的王者与市场霸主在大部分情况下都是两种概念。

从表面看NVIDIA是受了一些委屈，但这场口水战其实更多地反映出了英特尔在转型阶段的底气不足，先是用不客观的对比来宣传自家产品，继而又凭借垄断地位打压对手气势。不管双方在言辞上怎样你来我往，都无法掩盖NVIDIA在产品上更胜一筹的事实，也不能改变NVIDIA在人工智能时代成为计算领域的焦点、风头盖过英特尔的既定趋势。没错，英特尔CPU是必需品，但英特尔总不至于激进得去阻止用户添加NVIDIA设备吧。虽然未来超级计算机依旧用的是英特尔芯，可NVIDIA加速卡却卖得更多也赚得更多，要想扭转这一点，英特尔还有很长的路要走。对于NVIDIA来说，发展X86暂时还无路可走，而 ARM的怀抱永远是敞开的，要是接下来ARM在服务器和超级计算机领域能发挥更大的作用，那么GPU核心论的大日子也就不再遥远了。