相比售卖显卡，英伟达（NVIDIA）着力点毫无疑问是AI算力。
1965年，得力于对行业的洞察，戈登摩尔提出经典的摩尔定律，集成电路飞速发展，人类在信息时代中飞速发展，随后诞生了互联网浪潮，间接催生了微软、苹果、亚马逊、阿里巴巴、百度等科技公司，也加速了IBM、甲骨文等老牌科技公司的转型。
千禧年后，学界进入“算力解放”世代，集成电路的智慧结晶“CPU”算力无法完全满足学者需要，人工智能算法对算力的支持更强劲、更多元，随后英伟达在2006年推出Tesla架构，借助CUDA系列编程环境，开启了AI算力次世代，黄氏定律持续发挥作用。
在12月15日开始的2020 GTC中国大会上，英伟达带着2020新品NVIDIA A100，继续诠释着“加速计算”的定位。
AI算力与商业世界的未来
主导未来科技发展的关键已经落在人工智能，场景、数据、模型、算力缺一不可。
根据OpenAI数据，自2012年以来，AI训练任务使用的算力呈指数级增长，每3.5个月翻一倍。科技公司正不断运用AI算法与新商业模式，推动AI能力渗透个人消费市场，底层代表则是算力服务者英伟达。
在2020 GTC中国上，英伟达展示了阿里巴巴淘宝在使用NVIDIA GPU计算平台下为直播和AI推荐提供加速服务；快手也利用GPU超分辨率处理技术，将视频分辨率提升至720p或1080p；英伟达与京东物流基于Jetson平台打造的智能机器。
在广袤的新能源汽车领域，芯片市场更是大有可为。仅在中国市场，中国汽车工程学会副秘书长叶盛基就预测2020年中国将销售130万辆新能源汽车，其背后涉足的是182.5亿美元的AI芯片市常
相比消费级市场，投资者也将目光转向更具成长力、前景更好、更注重运用AI技术的公司身上，其中汽车、大健康与基础元件是最受关注的领域。2012-2017年间，中国AI私募投资频数以68%的复合增长率快速增长，其中视觉类、数据挖掘、机器学习、语音等技术应用为企业首眩
尽管在2020年行业周期变化下，一级市场投资频数有所下降，但明显单笔投资金额在加大，一级市场的投资窗口期即将结束，同时AI商业应用落地更多，企业对AI算力的需求也更加渴望。
这一现象同样体现在二级市场，根据亿欧智库数据，截至2020年4月，共有91家从事人工智能技术开发与应用的中国企业完成上市。
持续成长的中国AI市场，让英伟达看到比显卡更大的商业机会。
黄氏定律再次生效
在12月15日的GTC大会上，亿欧受邀参与了主论坛报道与中国区媒体沟通会。主论坛上，英伟达首席科学家Bill Dally围绕新架构产品A100，分享了AI推理、光追技术、集群加速以及各个落地产业的最新支持与应用。
作为世界上最大7nm芯片，GPU A100基于Ampere架构，利用第三代Tensor Core，A100增加了对TF32的支持，可以获得156 TeraFLOPS（万亿次浮点运算每秒）性能，同时MIG技术可以将A100分解为7个独立GPU，而A100本身也支持第三代NVLink与NVSwitch，以集群形式产生更大算力。
英伟达中国工程和解决方案高级总监赖俊杰表示，TF 32是介于FP 16与FP 32之间的中间态，满足研发人员与工程师在计算精度与速度的折中，一方面它有足够的动态范围与精度，保证网络在训练时没有任何精度损失，另一方面，利用Tensor Core架构提升神经网络计算性能。
围绕这款新品，Bill Dally也提到，根据研究，大多数神经网络是可以修剪的，在切断神经元之间70%到90%连接后，精度并不发生太大变化。
借助结构稀疏，Ampere在神经网络结构中允许4个权重中的两个为0，而在矩阵乘法中，一旦权重达成2/4模式，就能额外获得双倍性能提升，赖俊杰也表示，在实测中，神经网络计算效果也能获得1.5倍性能提升。
英伟达GPU算力持续大幅提升/英伟达
借助架构优势，英伟达集群高性能算力也表现突出。在11月超算TOP 500中，前十名中有8位采用了英伟达技术，英伟达Selene在TOP 500和Green 500中都名列第五，而中美欧的顶级超算中都采用了英伟达的技术。
Bill Dally认为，黄氏定律揭示了推理性能持续提升的秘密。
从28nm的Kepler、16nm到7nm的Ampere架构，英伟达持续对Tensor Core改进，不断优化电路设计与架构，抛弃传统集成电路对制程的依赖。在Bill Dally展示中，Ampere架构下数据中心的推理能力远高于竞争对手Intel以及Xilinx，边缘推理更是远超竞争对手。
RTXDI效果对比图/英伟达
在光追技术展示中，英伟达展示了直接照明技术RTXDI。利用这项技术，图形界面上每个光源都会将光线投射到相邻表面上，其支持数百万个光线，光线在物体表面会发生多次反射再回到眼睛，借助这项技术，光线效果将更加逼真。
此外，Bill Dally还带来了DLSS（深度学习超级采样）2.0版本，相比1.0版本，2.0支持图像更加精确升级，图像升级后将与更高分辨率实际渲染的数据比较，其中误差部分会进入DGX SuperPODs训练神经网络loss函数，经过数据集的特定迭代，准确展示升级后的图像。
这一技术也被用到视频的升级，利用神经网络，游戏画面可以显著提升动态帧率，同时电影在特效制作中也能基于物理性质实现路径追踪，镜面反射、折射与再折射都可以得到多光线采样。
相比GPU产品性能展示，英伟达此次也更加强调集群计算的支持。
Bill Dally在会上展示了英伟达MAGNet工具AI推理加速器模拟结果，其推理能力可以达到每瓦100 teraops，众所周知，运算中数据传输带来的能量损耗最大，MAGNet通过协调并控制信息流，最大限度减少数据传输来达到节能效果。
传统电气链路与设计的光链路DGX/英伟达
此外Bill Dally也与技术团队研究光链路取代电气链路的新技术，采用“密集波分复用”技术，就有可能在1毫米大小的芯片实现Tb/s级传输，将是现在互连密度的10倍以上。
借助这一吞吐量和NVSwitch技术，Bill Dally和英伟达计划未来开发出依托光链路、搭载9排共160个GPU的DGX，这将大幅提升数据中心算力。
在软件方面，全新编程系统原型Legate可以运行针对单一GPU编写的程序，其适用于Jetson Nano、A100以及超算，但目前Legate还无法对大量GPU进行理想的并行处理，Bill Dally与技术团队仍在优化。
英伟达与中国公司的“危”与“机”
在媒体沟通会上，英伟达GPU计算专家团队亚太区总监李曦鹏，强调英伟达25年来持续在进行“加速计算”。消费级市场对英伟达一直是“显卡厂商”定位，但从AI算力进入主流产学界后，加速计算这一定位开始充分体现。
NVIDIA数据中心平台/英伟达
除了显卡产品与新技术外，英伟达在大会上用了更多笔墨展示其在数据中心以及产业端的支持，包括第三代的NVLink和NVSwitch等技术的展望，其中还包括对中小企业、创业公司乃至传统公司的支持。
例如围绕软件支持，李曦鹏提到，借助CUDA统一架构，英伟达保证了新的应用能持续满足市场需求，做到了算法、软件、硬件的相互配合，在本代Ampere架构下，TensorFlow有了专门的配套，TensorRT也提供更好的矩阵乘法支撑，甚至还有加速SDK，同时英伟达也积极投身到应用的开发上，满足更多企业或机构“开箱即用”，进一步服务更多B端。
企业端的表现吸引了众多中国公司参与，包括阿里巴巴、字节跳动、中国电信、浪潮、快手等，中国的OEM厂商、云厂商、互联网企业都在利用英伟达相关产品与技术进行开发。
英伟达医疗业务全球副总裁Kimberly Powell，在15日主论坛圆桌环节提到，中国平安、联影智能、推想科技和数坤科技在新冠疫情期间，利用英伟达GPU产品与技术，加快了影像诊断，为影像诊断提供巨大帮助。
英伟达亚太区战略运营与合作伙伴副总裁Ashok Pandey，在圆桌中直接用中文表示，英伟达与中国云服务厂商合作已7年，目前顶级的中国云服务商已经推出或即将推出基于A100的新产品，更多AI应用也将面向更多云服务开发者和使用者。
同时在超算中大放异彩的ARM也将在中国的云、数据中心、边缘计算场景市场中出现，英伟达宣称，未来ARM的开放度不会受到贸易管制影响。
英伟达工程与解决方案高级总监李浩南表示，GPU加速的ARM服务器正在各个场景中夯实，目前在HPC、AI以及游戏中已有表现，更多中国公司将加入到ARM阵营。
2013-2020英伟达投资布局版图/亿欧商业分析师赵宁
除了产品与技术市场的合作外，英伟达过去在全球范围内布局了众多AI初创公司，本次大会上，12家中国初创公司得到了英伟达帮助。
在本次GTC大会上，100家初创公司通过“英伟达初创加速计划”，在40家投资机构及产业代表投票中，12家企业参与了线上展示，涉及领域包括医疗、零售、消费互联网、深度学习、IoT、工业制造等领域。
相比过去，英伟达对于中国市场的重视程度不断加强。中国是全球AI算力最富集的地区之一，大量AI与数字化公司需要更多算力支持，同时中国也是自动驾驶成长最快的市场，以百度Apollo、地平线、驭势科技、四维图新等为代表，AI芯片必将是核心需要。
另一方面，目前中国市场占到英伟达收入一半左右，通过在ARM、Mellanox的布局，英伟达有了更强的数据中心建设能力，但同时也让中国客户不得不购买英伟达的产品。
超算采购已经成为英伟达核心收入之一，通过外延并购，其完成了对超算产品的严密布局，中国公司进入的门槛被大大提高。
换句话说，在服务器与底层技术上，中国公司与海外巨头的竞争差距被资本拉大，知名的OEM厂商看似在生产高附加值的服务器，但仍处于利润的微笑曲线底部。
面对英伟达的橄榄枝，中国公司与市场充满了机遇与挑战，下游企业可以充分享受产品技术、乃至生态红利；英伟达、AMD、英特尔等半导体巨头仍占有巨大优势。
这对国产自研的刺激并不低，寒武纪为代表的中国上市公司会越来越多，从另一个角度而言，这也不失为另一种机会。
参考资料：
《WIA2020 | 2020全球半导体芯片科技创新TOP50》，亿欧智库，何少佳，2020年12月9日
《2020年中国人工智能商业落地研究报告》，亿欧智库，张一豪，2020年7月10日
