DForum
活动+

智能硬件扩张为生态系

  • 徐宏民

NVIDIA由单纯的垂直领域内的硬件提供者,深耕客户的痛点,与策略伙伴合作,尝试建构生态系、新服务。NVIDIA

硬件产业如何扩张?怎样跨足到毛利相对高的软件或是新兴产业?这是台湾许多资通讯业所关心的议题。似乎不少人选择跨足到与本业不同的全新领域,但这是唯一做法吗?

笔者一直觉得NVIDIA相似于台湾许多公司,有很多可以参考的角度。前阵子参加举办在硅谷的GTC 2019,有一些观察。三大主要产品线——游戏及动画、AI及高效能计算机(HPC)、机器人,前两项产品线,发现NVIDIA由单纯的垂直领域内的硬件提供者,深耕客户的痛点,与策略伙伴合作,尝试建构生态系、新服务。有好几个有趣的范例。

GPU已在使用者等级的显卡上达到实时高画质拟真的效果,除了芯片速度提升之外,还利用智能运算,提供有效率的高画质呈现。这样的技术嘉惠了电玩以及电影制作产业。不满足于单机版的电玩客户,跟上行动端串连游戏逐渐普及,他们顺势推出GeForce Now提供更广泛的虚拟实境内容及游戏串流平台,更与日本SoftBank、韩国LG U+电信业者进行合作,结合高效能运算以及电玩产业经验。

在电影产业,推出全新的服务Omniverse——跨公司、跨地点的电影共同编辑以及特效平台,支持多个电影产业工具如Autodesk Maya、Unreal Engine、Substance等。他们宣称这是首次为电影产业提供类似Google Docs的云端共编服务。原因很简单、既然已是电影产业的关键技术供应者,所以就以中性的角度,联合其它伙伴来串接整个生态系,提升电影制作的效率、生产力。

在AI+HPC的主轴上,企图由支持角色的GPU芯片,逐渐扩展到整个资料中心的组成服务器。 目前跨服务器间的资料传输非常大,似乎想以破坏性的方式解决这些瓶颈,这就是为什么买下Mellanox来解决底层的IO问题。此外,不满足于熟悉的高效能运算,也开始尝试资料中心大规模服务器群(hyperscale server),用以服务大量用户的服务器架构。

在机器学习运算上,不以深度学习计算为满足。更首次推出解决资料科学(data science)大数据运算所需的各种功能,加速资料处理、清除、支持图形(graph)资料架构、视觉化等,还支持业界时常使用的Hadoop、Spark平台、SQL资料查询加速。同时推出新的资料科学工作站,水平扩张,尝试他们之前未涉猎的庞大资料运算需求。

这样的脉络在这家公司并不是第一次。之前为了提升游戏的体验,开始开发CUDA;在赔钱好几年的情况下,坚持开发科学运算;以及察觉学界早期机器学习需求,及早支持深度学习运算,之后才能衔接意想不到的深度学习浪潮。他们似乎习惯默默在市场上拉出长长的高墙,将竞争者排除在外。

另外,终端运算、机器手臂、自驾车等归类到机器人产品线。可以想见在技术发展上还有许多不确定性,所以还在探索各种技术的突破。Nano倒是吸引了很多人的眼光,小型化的GPU终端平台、低耗能设计、支持多个传感器,而且直接支持各种深度学习开发架构(如大家常使用的PyTorch)。可以想象致力于高效能后端训练的NVIDIA也嗅到终端的需求了。

聆听垂直市场的需求,联合其它合作伙伴,不满足于硬件提供者的角色,察觉市场的早起机会,由硬件的领先者逐渐建构生态系。这些观察,什么是我们的资通产业可以受惠的?

徐宏民(Winston Hsu)现任台大资工系教授及NVIDIA AI Lab计画主持人。哥伦比亚大学电机博士,专精于机器学习、大规模影像视讯查找与辨识、前瞻技术商业模式等领域。为讯连科技研发团队创始成员,曾任IBM华生研究中心客座研究员、美国微软研究院客座研究员。习惯从学术及产业界的角度检验技术发展的机会;十余年产学合作及新创经验,近年与国内外企业合作,将深度学习技术落实到产品,并协助成立深度学习(人工智能)团队。曾获ACM MM 2014 Grand Challenge Multimodal Award、杰出信息人才奖、吴大猷先生纪念奖等国内外大奖。