【宋长乐/钛媒体编辑】作为上游芯片巨头的英伟达，在面临PC市场整体疲软之际，将开始一段与人工智能玩对赌的历程，势必要把人工智能推向大众市场了。

4月6日凌晨，在GPU技术大会（GTC）上，英伟达推出了一款致力于加速人工智能和深度学习的芯片Tesla P100，英伟达联合创始人兼CEO黄仁勋表示这款芯片的研发费用超过20亿美元，与此同时，还推出了全球首款面向深度学习的超级计算机NVIDIA DGX-1。

英伟达把Tesla P100定位于专为当下数据处理需求研发的芯片。据黄仁勋介绍，Tesla P100芯片有153亿个16纳米FinFET晶体管，核心面积610m㎡，它也是迄今最大的芯片”，体积约为NVIDIA以往产品的3倍之多。

NVIDIA DGX-1，则是基于全新的Tesla P100 GPU 打造，并集成了硬件、深度学习软件以及开发工具，但价格却死贵死贵的，每台售价12.9万美元（约84万人民币）。价格为何如此昂贵，也是有据可依，黄仁勋总结了NVIDIA DGX-1的三点优势：

1、吞吐量相当于 250 台 CPU 服务器；

2、同样计算能力的CPU服务器需要250台，以每台1万美元计算就要250万美元，服务器之间连接的网络设备还需要追加50万美元。

3、相比一年前问世的NVIDIA Maxwell架构四路解决方案快了12倍，这意味着深度学习中同样的学习任务以前需要25小时，现在仅仅需要2个小时。

黄仁勋在大会上表示，传统计算是“专家+时间”，新型计算是“算法+数据+HPC”，NVIDIA研发和部署DGX-1目的只有一个，就是要解放超越人类的能力，并将其用于解决一度无法解决的智能问题。

黄仁勋声称从今以后，英伟达不只是一家专攻GPU的企业了，我们还是一家软件公司。

事实上，英伟达很早之前就已经在布局人工智能领域，英伟达芯片被应用在许多先锋性人工智能项目中，其中包括谷歌TensorFlow、亚马逊Alexa和 Facebook的Big Sur。英伟达已经开发了两代Drive PX无人驾驶汽车平台，除此之外英伟达还在与包括汽车厂商、汽车零部件厂商和创业公司等80家客户联合开发其无人驾驶汽车平台。

黄仁勋表示，新款芯片目前已经投产，他预计云计算公司将从今年开始使用这一芯片，DGX-1将于今年6月正式推向市场，而同样搭载了Tesla P100 GPU的IBM、惠普、戴尔的深度学习服务器预计在2017年第一季度问世。

一边要把人工智能推向主流市场，20亿美金押注深度学习的芯片，另一边英伟达又和高通较上劲了。昨日晚间，据伦敦一法庭周二公布的一份文件显示，Nvidia指控高通滥用其市场主导地位，导致Nvidia被迫退出手机芯片市场，要求一定的赔偿。

文件资料显示，Nvidia声称正是因为高通非法滥用其市场主导地位，导致其被迫放弃了自家的手机芯片业务以及4年前收购的Icera基带业务（2011年被英伟达斥资3.67亿美元收购，2015年关闭这一部门）。

事实上，此前欧盟曾就高通的销售策略进行过反垄断调查，调查显示在2009年至2011年之间高通曾使用“掠夺性定价”来遏制Icera的增长，最终将Icera踢出市场。

这并不是高通第一次被指控涉嫌垄断行为，尤其是去年中国对高通开出的9.75亿美元“天价”罚单更是令人咋舌，随后日本、韩国、欧盟等国家和地区又重新对高通展开反垄断调查。

想一想，高通也挺悲催的，一直深陷反垄断泥潭之中不能自拔。但是从高通反垄断之路，在某种意义上也映衬出英伟达移动芯片市场的不得意：

• 2008年，Nvidia推出全新的Tegra系列来替代诞生于2003年的移动平台图形芯片GoForce系列，但由于只能专注于一个系统平台，于是选择和微软合作，搭配在Windows Mobile手机上；
• 2010年推出Tegra 2，支持Android手机系统了，比较有名的便是设备是摩托罗拉的Atrix4G手机，其配合专用的扩展坞可以变身为桌面设备，使用内置的Ubuntu系统；
• 2011年推出Tegra 3，由于市场对于iPad的追捧，Tegra 与老伙伴微软开始了平板电脑的尝试，推出SurfaceRT。

但是，问题也随之而来，早在Tegra 2之时，英伟达的移动芯片由于没有集成基带处理器，合作的手机厂商还需要额外搭配一颗基带芯片来解决信号问题，这既增加研发难度，也提到了成本。为了解决这个问题，Nvidia在2011年斥资3.67亿美金收购了当时拥有500多项专利的基带芯片公司Icera。

如今，错过了移动芯片市场这轮大潮之后，英伟达斥巨资抢先进入人工智能领域的布局，压根是不想错过深度学习这趟未来快车了，这无疑也是是英伟达自身的一种“破釜沉舟”式的冒险尝试，黄仁勋这次是否选对了路呢？（本文首发钛媒体）