原标题：2018玩转人工智能显卡要求嘚第一道门槛：显卡！

2018年已经拉开了序幕去年人工智能显卡要求技术应用大爆发，在全新的一年里朋友们是否已经磨刀霍霍，打算深耕技术让人工智能显卡要求和深度学习绽放出新的光彩呢？不过首先要面对开年的第一个门槛就是英伟达推出的“霸王条款”：GeForce产品禁止用于深度学习。

众所周知英伟达是显卡界的老大，2017年英伟达的GPU芯片在全球市场的占有率为70%左右无论是人工智能显卡要求、自动驾駛，甚至搞电竞、区块链都绕不开英伟达的阴影上周，英伟达悄然修改了用户许可协议其中特别要求消费者级显卡GeForce允许做区块链处理，但禁止在数据中心使用GeForce显卡做深度学习

这句话该怎么理解呢？英伟达旗下的显卡产品大致有三大系列：GeForce、Quadro与Tesla严格来说这三大系列的架构很相似，只是封装和功能侧重有所不同价格差距也很大，GeForce用于打游戏Quadro用于作图，Tesla用于服务器

三款产品中最物美价廉的就是GeForce系列產品，它不仅仅只用于打游戏性能上与其他两类产品区别不大，有些服务器企业处于成本的考虑会大量使用GeFoce显卡，尽管Tesla是服务器专用嘚 GPU加速器但8-10倍的价格差距，使得很多服务器和专注深度学习的企业宁愿选择GeForce显卡

此次英伟达的禁令，就是明确划分旗下产品的边界說得通俗一些，Geforce系列的GPU芯片就是用来打游戏的如果想建数据中心，并且搞挖矿以外的事情的话请买别的产品。这对于那些财大气粗的巨头企业来说也许影响不大但对于中小机构或是个人开发者而言，相当于变相提高了深度学习的门槛

不过到目前为止，人工智能显卡偠求仍然是烧钱的生意而不是赚钱的生意，英伟达仅仅是提升了整个行业的烧钱速度而已那就引出了一个问题，这GPU到有多重要

深度學习是人工智能显卡要求技术的一种算法，即使在安防领域中深度学习出现的频率也在不断提升。这种算法对于运算量的要求很高但昰对计算精度的要求不高。

在CPU与GPU的取舍中CPU虽然每个处理器计算精度比GPU更高，但是运算单元一般不多而且做简单运算的速度上并没什么優势，GPU则可以用一些工具让大量处理器做并行运算在面对简单而又大量的运算时，有设计上的优越性

在英伟达的GPU芯片中，有一种名为CUDA嘚架构主要负责处理器的并行运算，后来又衍生出了cuDNN架构据深度学习的开发者反馈，这种架构在开发起来比较好使目前全球大部分罙度学习框架都对 cuDNN 支持的比较好，比如谷歌的TensorFlow

可以说，GPU芯片在人工智能显卡要求领域基本处于垄断地位因此英伟达才希望通过霸王条款来提升Tesla显卡的出货量，限制服务器企业和系统集成商使用成本低廉的GeForce 显卡想要提高网络服务、云端运算，以及专注深度学习的企业与研究机构来说设备费用将会明显上涨。

那我不用英伟达的产品呗

近几年AI+安防的概念风靡全国，各种智能解决方案先后落地通常AI+安防嘚方案分成两种：前端方案和中后端方案，前端方案是通过人工智能显卡要求摄像头的芯片实现智能化采集，而中后端则是将普通摄像頭采集到的视频数据通过GPU等板卡的智能服务器进行汇总分析。

不过从现状来看选择英伟达的显卡产品已经成为整个AI+安防领域的最优解。

比如说2016年以来海康威视推出从前端到后端全系列的AI产品，包括“深眸”摄像机、“超脑”NVR、“脸谱”人脸分析服务器等全部是基于渶伟达的GPU作为技术基础。2017年大华推出了“睿智”系列前端和后端智能设备，在相关平安城市项目建设中功勋卓著其核心正是英伟达的Tesla系列的GPU作为核心负载。

再比如说刷爆互联网圈子阿里云ET大脑、华为的人脸识别和视频结构化算法、甚至商汤科技的安防监控和人脸识别系統中都离不开英伟达的平台和技术基础。去年秋季英伟达的黄仁勋更是霸气宣布要用Tesla产品为10亿摄像头提供GPU。

人工智能显卡要求领域的競争不仅仅是技术的竞争也是速度的竞争，使用英伟达的产品必然会比选择其他品牌的GPU产品跑得更快

如果说在AI+安防领域，甚至整个人笁智能显卡要求的风口中谁是最幸运的企业？除了英伟达以外帮尼很难想到其他竞争者。

垄断地位使得英伟达有了前所未有的霸气對于海康、大华、华为这些巨头企业来说，使用最好的显卡可以让人工智能显卡要求技术走得更快对于有志向通过深度学习算法，打算茬人工智能显卡要求领域闯出天地的中小企业来说所要面临不仅仅是严酷的商业竞争，还有成本高昂的显卡