2018年已经拉开了序幕，去年人工智能技术应用大爆发，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。
英伟达的禁令
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、自动驾驶，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系列产品，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是服务器专用的 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，说得通俗一些，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。
相比物美价廉的Geforce，5万美元会拦住不少人
不过到目前为止，人工智能仍然是烧钱的生意，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？
GPU的作用
深度学习是人工智能技术的一种算法，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，但是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优势，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的架构，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，目前全球大部分深度学习框架都对 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？
AI+安防
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+安防的方案分成两种：前端方案和中后端方案，前端方案是通过人工智能摄像头的芯片，实现智能化采集，而中后端则是将普通摄像头采集到的视频数据，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，全部是基于英伟达的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统中，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。
人工智能领域的竞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，甚至整个人工智能的风口中，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。
帮尼有话说
垄断地位使得英伟达有了前所未有的霸气，对于海康、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技术走得更快。对于有志向通过深度学习算法，打算在人工智能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，万一哪天英伟达宣布产品涨价，全球的人工智能企业恐怕都会受牵连。
