据Tomshare报道,英特尔首席执行官帕特·基辛格 (Pat Gelsinger) 公开表示,英伟达在人工智能行业的成功纯属偶然。在麻省理工学院 (MIT) 主办的基辛格采访中,英特尔老板告诉与会者,英伟达首席执行官黄仁勋“非常幸运”(got extraordinarily lucky)。他接着感叹英特尔放弃了Larrabee 项目,在他看来,这本来可以让英特尔拥有同样“幸运”。(注:关于Larrabee,可以参考半导体行业观察之前的文章《英特尔再战独立显卡市场,这次能成么?》 )
然而,Nvidia 应用深度学习研究副总裁 Bryan Catanzaro 今天早些时候在 Twitter / X 上驳斥了基辛格对人工智能硬件行业现状的激烈看法,称英特尔缺乏在其先前举措中取得成功的愿景和执行力。
英伟达的崛起只是幸运?
在采访视频的17分钟左右,当英特尔首席执行官在回答麻省理工学院提出的问题时强调了 Nvidia 的“幸运”。麻省理工学院电气工程和计算机科学教授兼计算机科学和人工智能实验室(CSAIL)主任 Daniela Rus 问道:“英特尔在人工智能硬件的开发方面正在做什么?您如何看待它的竞争力优势?”(原文:“What is Intel doing for the development of AI hardware,and how do you see that as a competitive advantage?”)基辛格首先谈到了英特尔的错误。英特尔现任首席执行官表示,他离开后,公司的命运一落千丈( took a dive),但现在又重新走上辉煌之路。他讲述了自己在荒野中度过的 11 年(在 EMC,后来在 VMWare)以及 Larrabee 的悲惨命运。
“13 年前,当我被赶出英特尔时,他们扼杀了这个可能改变人工智能形态的项目,”(原文:“When I was pushed out of Intel 13 years ago,they killed the project that would have changed the shape of AI,” )基辛格对麻省理工学院的听众说,他指的是 Larrabee 开发工作的结束。
与此同时,黄仁勋被描述为一个勤奋的人,他一心一意地追求图形技术的进步,当人工智能加速开始成为一项备受追捧的计算功能时,他很幸运。
黄仁勋“非常努力地致力于扩大吞吐量计算,最初主要用于图形,然后他就走了大运,”(原文:“Jensen Huang worked super hard at owning throughput computing,primarily for graphics initially,and then he got extraordinarily lucky,”)基辛格说。他通过在人工智能萌芽第一次出现时,英伟达“甚至不想支持他们的第一个人工智能项目”(原文:didn't even want to support their first AI project)来印证自己的观点。
基辛格对 Larrabee 的失败或英特尔任何类似的开发推动力的丧失表达了遗憾,他解释说 Nvidia 的主导地位部分来自于“英特尔15年来在该领域基本上没有采取任何行动”(原文:Intel basically did nothing in the space for 15 years)。不过,基辛格表示不用担心,“我回来了,我有激情,我们将从那个地方重新开始。”(原文:“I come back,I have a passion,okay,we're going to start showing up in that space.”)
除了开发硬件来加速人工智能之外,基辛格还热衷于他所谓的人工智能普惠化的首要战略。他说,仅靠新硬件并不能解决问题,“消除 CUDA 等专有技术”(原文:eliminate proprietary Technologies like CUDA)也至关重要。在不久的将来,英特尔首席执行官认为这种普惠化力量将使高性能人工智能应用在每台机器上,从普通的家庭用户到开发人员、企业和超级强大的服务器。(参考基辛格之前对英伟达cuda的评价文章《英特尔CEO评价CUDA:护城河又浅又小,垄断不会永远持续》)
有趣的是,基辛格预测到,很大程度上得益于人工智能,我们正处于“一到二十年的纯粹创新”(one to two decades of sheer innovation)的边缘。他认为,我们将让人工智能挖掘的资源远远超出现在使用的大型但相当简单的数据集(主要是文本数据集)。此外,英特尔正在忙于执行其计划,并将“建造大量晶圆厂,这样我们就可以构建大量计算”来解决人工智能问题。
英特尔缺乏远见和执行力
如下图所示,据Bryan Catanzaro所说,2007 年,他在 Intel 从事 Larrabee 应用程序的工作。然后,他与 2008 年去了 NVIDIA 从事 ML 的工作。“所以当时我在这两个公司都工作过,我可以说:NVIDIA 的统治地位并非来自运气,它来自愿景和执行力,这是英特尔所缺乏的。”Bryan Catanzaro强调。Bryan Catanzaro 接着说:“2007 年,我在英特尔共事过很多人,他们既看到了英特尔的机遇,也看到了风险。当时 NVIDIA 的收入只有现在的十分之一,因此英特尔管理层认为他们会用 Larrabee 碾压 NVIDIA。但英特尔缺乏远见和执行力。”
他进一步指出,不过,Larrabee 的目标是取代 GPU(如您所知),这让很多人感到困惑。该论文甚至还有游戏渲染基准!但我可以看到大家没有称其为 GPU。相反,它是一种视觉计算架构。
在Bryan Catanzaro的帖子下面,还有很多读者附和他的观点。
例如有个叫Tom Forsyth的作者表示:“这也是一个奇怪的说法,考虑到从来没有‘Larrabee GPU’,而且英特尔并没有取消 Larrabee - 它变成了 Xeon Phi,并且在变成 AVX512 之前在它所做的事情上非常成功。”
Scott Herkelman也说到:“通常,当没有大约三年的投资回报率时,上市公司会因 AOP 周期而取消或大幅减少投资。这就是 Jensen 的出色之处,即使投资回报率超出外部预期或大公司流程,他也会继续投资于自己的愿景……”
Ben Pouladia更是直言:“在商业上,你创造自己的运气。Jenson说得最好:他试图让英伟达靠近机遇,这样当苹果从树上掉下来时,他们就离机遇很近了。基辛格听起来很酸(bitter)。别忘了英特尔也曾用 iPhone 来嘲笑史蒂夫·乔布斯,从而搞砸了移动业务。“
在Keveman看来,说英伟达很幸运,那就是本末倒置了。因为英伟达引发了人工智能革命。自 2012 年以来,英特尔(和 AMD)一直在开始“占据主导地位”,但他们失败了。不过,他认为英伟达在加密货币方面确实有点幸运。
虽然Nvidia 何时真正开始将 GPU 作为人工智能模型的工具,这一点还存在争议。当然,当公司第一次开始推广 GPGPU 时,人工智能并没有被纳入其中。
以下是 2007 年 Nvidia 早期文档中的一段话,描述了其原始 CUDA 1.0 平台的使用和优势,该软件可在 Nvidia GPU 上实现高性能计算,而不仅仅是图形和图像处理:“图像渲染和处理领域之外的许多算法都可以通过数据并行处理来加速,从一般信号处理或物理模拟到计算金融或计算生物学。”(原文:"Many algorithms outside the field of image rendering and processing are accelerated by data-parallel processing,from general signal processing or physics simulation to computational finance or computational biology.")
这绝对是英伟达当时的典型信息。换句话说,没有提及 AI 作为 GPGPU 的关键应用。那么,在某种程度上,基辛格的观点是有道理的。
从另一个角度看,正是 Nvidia 推动了 GPGPU 的发展,将 CUDA 和 Nvidia GPU 发展成为今天的强大力量。英伟达可能不一定从一开始就看到了人工智能革命,但该公司在 GPU 上的赌注确实比其他任何公司都大得多。
以“护城河很浅”的CUDA为例,据纽约客在之前的一个报道中说,当CUDA在2006 年底发布时,华尔街并不看好。黄仁勋认为,CUDA 的存在将扩大超级计算领域。这种观点并没有得到广泛支持,到2008年底,英伟达的股价甚至已经下跌了70%。
但黄仁勋以及英伟达的团队依然坚持,并最终等来了Geoffrey Hinton 及其学生Alex Krizhevsky和人工智能的繁荣。
数据中心市场,变了
然而,我们不得不说,数据中心整个市场变了。正如上文所说,过去多年以来,英特尔的CPU一直统治着数据中心。但是从下图可以看到,统计Intel、Nvidia和AMD的数据中心市场营收收入,从2022年最后一个季度开始,英伟达就开始实现了对Intel的反超,并在2023年里将英特尔和AMD遥遥甩在身后。(注:参考文章《GPU的历史性时刻》)。
虽然Nvidia 何时真正开始将 GPU 作为人工智能模型的工具,这一点还存在争议。当然,当公司第一次开始推广 GPGPU 时,人工智能并没有被纳入其中。
以下是 2007 年 Nvidia 早期文档中的一段话,描述了其原始 CUDA 1.0 平台的使用和优势,该软件可在 Nvidia GPU 上实现高性能计算,而不仅仅是图形和图像处理:“图像渲染和处理领域之外的许多算法都可以通过数据并行处理来加速,从一般信号处理或物理模拟到计算金融或计算生物学。”(原文:"Many algorithms outside the field of image rendering and processing are accelerated by data-parallel processing,from general signal processing or physics simulation to computational finance or computational biology.")
这绝对是英伟达当时的典型信息。换句话说,没有提及 AI 作为 GPGPU 的关键应用。那么,在某种程度上,基辛格的观点是有道理的。
从另一个角度看,正是 Nvidia 推动了 GPGPU 的发展,将 CUDA 和 Nvidia GPU 发展成为今天的强大力量。英伟达可能不一定从一开始就看到了人工智能革命,但该公司在 GPU 上的赌注确实比其他任何公司都大得多。
以“护城河很浅”的CUDA为例,据纽约客在之前的一个报道中说,当CUDA在2006 年底发布时,华尔街并不看好。黄仁勋认为,CUDA 的存在将扩大超级计算领域。这种观点并没有得到广泛支持,到2008年底,英伟达的股价甚至已经下跌了70%。
但黄仁勋以及英伟达的团队依然坚持,并最终等来了Geoffrey Hinton 及其学生Alex Krizhevsky和人工智能的繁荣。
数据中心市场,变了
然而,我们不得不说,数据中心整个市场变了。
正如上文所说,过去多年以来,英特尔的CPU一直统治着数据中心。但是从下图可以看到,统计Intel、Nvidia和AMD的数据中心市场营收收入,从2022年最后一个季度开始,英伟达就开始实现了对Intel的反超,并在2023年里将英特尔和AMD遥遥甩在身后。(注:参考文章《GPU的历史性时刻》)。
该内容正在参与【2023值得总结】征稿活动,飞天茅台、iPhone15、6000元现金等大奖疯狂派发中,快来分享你的年度好物,证明2023有在好好生活,赢取超级大奖!点击参与→
网友评论