芯片世界观 | 热炒人工智能，英伟达的预测数据被指水分太大？

当调整了初始模型以反映工作负荷的增长和性能 / 成本的下降因素时，业界对机器学习 / 人工智能（ML/AI）的估计就显得有点过于乐观了；

虽然现在人们对英伟达的情绪高涨到了历史最高点，但我们认为有必要冷静下来，重新审视一下我们的立场，尤其是数据中心这个板块。

在量化更切合实际的增长率之后，我们得出的结论是，未来的销售和盈利增长预期是不可持续的。

数据中心市场的增长预期建立在不可靠的假设上
在查看了英伟达关于高性能计算（HPC）、深度学习（DL）培训和推论的数据时，我们并不像英伟达那样乐观。

因为，英伟达给出这样的数据，并不意味着其实际销售额与其关于整体可服务市场规模（TAM）的预期相吻合。对于一个新晋者而言，英伟达给出的数据与其当前能够在数据中心市场取得的销售数据比较起来显得有些膨胀，英伟达是数据中心市场协处理器的主要供应商，它在数据中心市场产生的有效收入实际上等价于其 GPU 在数据中心市场的销售额。

基于此，我们可以假定，英伟达在深度学习培训 / 推论和高性能计算领域的机会和它进行的 TAM 分析相矛盾。

为了说明这一点，我们甚至假设英伟达是人工智能工作负荷的唯一供应商，在此基础上量化了其收入预期。不过，我们不能仅仅考虑工作负荷的增长，还必须考虑英伟达每年进行的产品升级带来的性能提升的影响，预计英伟达产品的性能年均提升 30%（符合摩尔定律）。

这意味着，即便工作负荷能够在目前的营收基础上按照预期速度增长，我们也应该同时考虑到英伟达每年都会改善硬件的性能，这会降低工作负荷对应的成本。

因此，我们重新调整了 TAM 分析以反映工作负荷增长速度，并根据英伟达 2016 财年营收进行了计算，预计到 2021 财年，英伟达在数据中心市场的营收将达到 177.7 亿美金。然而，当我们计入硬件性能提升对工作负荷成本的影响后（这种方式更加符合摩尔定律），我们认为，2021 财年的实际市场规模应该为 47.5 亿美金左右。

假设，英特尔在机器学习市场的市场份额维持在 20%左右，这意味着，到 2021 财年，英伟达的数据中心板块收入为 38 亿美元，折合年复合增长率为 35.57%，当然，这是建立在英伟达能够占据 80%市场份额的假设上。

但是，对英伟达不利的是，AMD 可能也会在机器学习 / 人工智能市场上脱颖而出。所以，虽然现在英伟达比我们的模型计算结果增长得更快，但我们预计这种增长速度维持不了多久，并会减速到更加符合我们的长期预测速度上来。

从英特尔的历史中吸取教训
英特尔每年都会对数据中心进行相同的 TAM 分析，它的分析更多的是演示企业可能使用 Xeon 服务器芯片运行哪些工作负荷。

这样一来，便总是会出现一种“未开发的市场”，好像企业 IT 供应商和客户没有采取正确的方式进行计算任务，客户们的计算工作负荷比英特尔的预期会相差一个数量级。

图形表示总是更有说服力，根据上图，英伟达 2017 年第一季度对 HPC（高性能计算）工作负荷市场的渗透率徘徊在 16%左右。

如前所述，英伟达对 HPC 这一市场份额给出的 TAM 预期为 40 亿美金。但是，HPC 市场基本上没有什么机会了，这里是英特尔的 Xeon/Xeon Phi 系列芯片的天下，AMD 都没有份。所以，英伟达给出的 HPC 预测被认为广泛地误解为，英伟达可以轻松地通过其发明的 CUDA 架构从英特尔那里抢夺市场份额，将现有的工作负荷转换到英伟达平台上。

我们不确定英特尔是怎么分析 TAM 的，但是他们的业务发展速度似乎也不符合其工作负荷增长模式。实际上，工作负荷增长模型容易受到 IT 领域其它一些进展的影响，通过服务器芯片运行工作负荷的模式很容易面临来自 ASIC 的竞争，而且计算成本也在逐年下降。

还有一个趋势，即 IT 资源开始转移到 AWS、谷歌云和 Azure 之类的汇集云产品中，这会降低市场机会的规模和范围，工作负荷增长模型没有考虑到这个外部因素的影响。

所以，英伟达进行的 TAM 分析和英特尔尝试预期数据中心市场的机会的方式如出一辙，都是过于乐观。

而且，英伟达本身在数据中心市场的存在感比英特尔更弱，在未来的五年内，还很难证明会出现针对消费者互联网领域的大规模移动设备 / 桌面电脑用户的使用场景和案例。所以，他们的预测取决于各种联网设备会否因为使用 AI 增长功能需要更高的数据吞吐能力，现有网络会否因此升级。

人工智能是工作负荷大户，但是现在人们对它的期待似乎过于夸张了。目前，它还并没有改变大多数互联网用户的使用模式。除了 Alexa、Siri、Cortana 这些语音助手之外，我们还没有看到人工智能可以产生实质影响的理论场景。

一些移动 / 互联网应用正在努力挖掘基本的语言相关功能，但是软件开发人员大多认为现在的开发仍处于早期阶段。

因此，对大多数互联网公司而言，人工智能本身并不是一个自给自足的收入模式，它现在只是一个附加功能，可以引导用户购买，或者增加某个应用的使用时间，如此而已。

可能很快迎来炒作高峰期
从“炒作周期”的角度来看，高峰期马上就要来到了。部分是由于尽管专从应用角度来看缺乏实质性的消费者使用案例，但是英伟达的数据中心部门仍然膨胀性地预期它将会从其他工作负荷类型上攫取市场份额，并且大量部署 AI 应用。

所以，尽管现在有很多公司都愿意投资开发 AI，并购买相应的硬件测试机器学习 / 深度学习推论等工作负荷，但是我们对于直接投资 AI 能产生多少实质性的收入，现在这些工作还会继续投资 AI 多久都越来越持怀疑态度。

除非确实有可行的专门针对 AI 应用的商业模式，否则即便有可以直接面向的企业市场，也不会存在消费者市场。惬意市场可能会很快意识到，并没有可行的途径将 AI 应用变现为真金白银。所以，投资者应该在新兴的消费者 AI 应用采用阶段密切关注销售和盈利。

请记住，视频流花了十年时间才成为移动 / 光纤网络中最主要的工作负荷和数据消费者。此外，视频消费的起飞是由网络生态系统和新技术的发展带动起来的。传统电视节目的授权许可、YouTube 和 Facebook、Snap 这类社交网络的出现，共同为原生互联网内容的消费铺平了道路。

在提高工作负荷 / 网络计算之前，必须精心实施内容分发。今天，视频流占用了 70%的互联网流量，代表了 AWS Cloud 和谷歌数据中心相当大一部分营收。

这样的逻辑也适用于对 AI 工作负荷终端市场的描述。工作负荷本身并不是和最终用户相隔离的。最终，人工智能必须转换为一种可行的商业模式，使得公司愿意投资人工智能，这样才能对得上英伟达的增长模型。

在自动驾驶之外，我们还没有看到其他的 AI 或 ML 专属应用，而且自动驾驶的市场应用也没有铺开，现有汽车的服役和生产上的限制都决定了自动驾驶市场几十年内都不会达到饱和。

结论
我们认为 AI 的潜在市场不容忽视，但是现在人们似乎夸大了它的机会。此外，我们了解到，许多人对自主学习、人工智能以及它们将如何影响我们未来的生活感到兴奋。不过，无论如何，我们都不会接近好莱坞大片中关于人工智能的科幻地步。

炒作固然有道理，但是就像我们在虚拟现实、无人机和智能手表上所看到的那样，它们和大众市场还有一段距离。而且，如果没有最终的消费者，那么市场就会限制在科学和试验上，以及能够增强现有应用的使用体验的小规模部署上。

更多有关人工智能的资讯，欢迎访问 与非网人工智能专区

与非网编译内容，未经许可，不得转载！