智能硬件扩张为生态系

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及高效能电脑(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，与策略夥伴合作，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示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，跟上移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+运营商进行合作，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，联合其他夥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，逐渐扩展到整个数据中心的组成服务器。 目前跨服务器间的数据传输非常大，似乎想以破坏性的方式解决这些瓶颈，这就是为什麽买下Mellanox来解决底层的IO问题。此外，不满足于熟悉的高效能运算，也开始尝试数据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。更首次推出解决数据科学(data science)大数据运算所需的各种功能，加速数据处理、清除、支持图形(graph)数据架构、视觉化等，还支持业界时常使用的Hadoop、Spark平台、SQL数据查询加速。同时推出新的数据科学工作站，水平扩张，尝试他们之前未涉猎的庞大数据运算需求。

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)。可以想像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，联合其他合作夥伴，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，什麽是我们的资通产业可以受惠的？