AI訓(xùn)練與推理的案例
2023年人工智能訓(xùn)練與推理工作站、服務(wù)器、集群硬件配置推薦
新增RTX6000Ada-最大9塊，性能超過8塊A100 80GB，
a2. intel 4代Xeon超頻處理器+最大6塊GPU
2）新機型： 科研型（GA320i) 、高性能-GX650M(9塊RTX6000 Ada卡)、極致超頻GT430M(6塊卡)
3）熱門應(yīng)用： ChatGPT、人工智能、仿真計算、蛋白質(zhì)折疊、冷凍電鏡、圖像處理等
4）AI開發(fā)框架：支持PyTorch、TensorFlow、Keras，Caffe、Theano、MXNet、MatLAB
5）系統(tǒng) ：獨有的Windows、Linux、虛擬系統(tǒng)、集群系統(tǒng)，科研應(yīng)用和使用率大幅提升
6）環(huán)境 ：A1）靜音級辦公環(huán)境, A2）多機GPU集群
7）性能承諾：最快硬件架構(gòu)-->任何品牌同一配置，同一性能，直接退貨
目錄
1 高性價比--深度學(xué)習(xí)科研超頻工作站配置方案
2 深度學(xué)習(xí)高性能工作站配置方案
3 地球最強大--深度學(xué)習(xí)超算工作站配置方案
4 市場唯一配備A100高速AI便攜工作站配置方案
5 具備超頻能力--深度學(xué)習(xí)超算服務(wù)器配置方案
6 支持A100+水冷---人工智能超級工作站配置方案
7 2022年最強大的深度學(xué)習(xí)多機集群配置方案
（一）深度學(xué)習(xí)科研超值型硬件配置方案
計算架構(gòu)：intel第13代超頻處理器(8核5.8GHz)+RTX4090/RTX6000Ada+DDR5 5600
計算特點：RTX6000Ada，性能超RTX4090/超A100，超2塊RTX3090Ti
報價日期：2023年04月21日
No
產(chǎn)品型號
主要配置
顯存
CUDA-FP32
展開 2023年人工智能訓(xùn)練與推理工作站、服務(wù)器、集群硬件配置推薦
，RTX6000Ada是一款非常合適的A100備用型號
?
（二）GPU AI集群系統(tǒng)相關(guān)產(chǎn)品介紹
下面是西安坤隆計算機科技有限公司提供的基于ChatGPT科研型AI集群配置方案
（1）GPU計算服務(wù)器（計算節(jié)點）
相關(guān)機型：UltraLAB GX658
技術(shù)特點：
GPU 配備最高8塊nvidia RTX/Tesla系列GPU計算卡，
CPU 采用intel第3代Xeon可擴展處理器,支持PCIe 4.0 x16接口
網(wǎng)口配備100G IB網(wǎng)口，
硬盤采用SSD，
保證硬件配置計算更強、io帶寬更高、整機性能全方位優(yōu)化，保證多用戶多任務(wù)神經(jīng)元完美計算能力。
展開 AI 中的歸納推理
案例研究：AI 中的歸納推理
讓我們考慮一個用于診斷患者的醫(yī)療診斷系統(tǒng)案例。在這里，我們將使用上面討論的步驟來應(yīng)用歸納推理。
觀察：患者出現(xiàn)嚴(yán)重胸痛、呼吸急促和頭暈。
可能的假設(shè)：
患者心臟病發(fā)作。
患者有嚴(yán)重的焦慮或驚恐發(fā)作。
患者患有急性消化不良。
附加信息：AI 系統(tǒng)訪問患者的電子健康記錄并記錄高膽固醇水平和心臟病家族史。
誘拐推理過程： AI 根據(jù)患者的病史和生活方式評估癥狀。患者的病史用于計算每個假設(shè)的概率。
誘拐推理結(jié)論： 根據(jù)癥狀和病史，AI 系統(tǒng)假設(shè)患者很可能正在經(jīng)歷心臟病發(fā)作。
Abductive Logic 在 AI 中的應(yīng)用
要在 AI 的背景下理解歸納推理，必須徹底了解歸納推理在 AI 系統(tǒng)中的角色和目的。歸納推理是人工智能 （AI） 中機器學(xué)習(xí)算法的基礎(chǔ)，使系統(tǒng)能夠為可觀察數(shù)據(jù)推斷出最合理的解釋。要將歸納推理納入人工智能，必須訓(xùn)練機器人使用這種推理來得出結(jié)論。
以下是 AI 系統(tǒng)如何應(yīng)用歸納推理：
診斷系統(tǒng)：通過識別與現(xiàn)有病例密切相關(guān)的模式，醫(yī)療診斷中的 AI 可以根據(jù)癥狀提出診斷。
故障檢測：通過識別異常并將其與可能的原因聯(lián)系起來，制造業(yè)中的 AI 系統(tǒng)可以預(yù)測設(shè)備故障。
自然語言理解：AI 模型通過假設(shè)隱含的含義或上下文來利用誘拐來理解語音或文本。
展開 AI 中的演繹推理
演繹推理是人類的一種批判性思維技能，它被集成到 AI 系統(tǒng)中以增強 AI 的決策能力。在本文中，我們將了解演繹邏輯以及示例以及如何將其集成到 AI 系統(tǒng)中。
目錄
什么是演繹推理？
演繹推理的推理規(guī)則
Modus Ponens
托倫斯的手法
假設(shè)三段論
AI 中的演繹推理
1. 基于規(guī)則的系統(tǒng)
2. 邏輯編程
3. 自動定理證明 （ATP）
案例研究：在 AI 中利用演繹推理進行醫(yī)學(xué)診斷
演繹推理在 AI 中對醫(yī)學(xué)診斷的作用
從演繹推理得出的結(jié)論
演繹推理在 AI 中的應(yīng)用
挑戰(zhàn)和限制
結(jié)論
什么是演繹推理？
演繹推理是人類推理的一個方面，它從提供的前提中得出合乎邏輯的結(jié)論。演繹推理根據(jù)必然性原則運作：如果前提是正確的，那么結(jié)論也是正確的。
演繹推理的基本原則包括三段論、modus ponens 和 modus tollens。讓我們考慮一個例子，modus ponens 斷言，如果 p 暗示 q 并且 p 為真，那么 q 也必須為真。我們可以使用邏輯運算符、真值表和推理規(guī)則來分析演繹論點。
演繹推理的推理規(guī)則
Modus Ponens
Modus Ponens 演繹推理的基本規(guī)則。演繹推理的論證形式有一個條件陳述和導(dǎo)致結(jié)論的前提。
展開 
AI 中的歸納推理
圖像分類：歸納推理廣泛用于圖像分類任務(wù)。機器學(xué)習(xí)模型可以通過在標(biāo)記的圖像數(shù)據(jù)集上進行訓(xùn)練來學(xué)習(xí)識別與特定對象類相關(guān)的模式和特征。例如，我們可以用數(shù)千張貓圖像訓(xùn)練 AI 系統(tǒng)，以學(xué)習(xí)定義貓的常見特征，使其能夠?qū)⒖床灰姷膱D像分類為貓或非貓。
自然語言處理：歸納推理在情感分析或文本分類等自然語言處理任務(wù)中至關(guān)重要。通過分析大量標(biāo)記的文本數(shù)據(jù)，AI 模型可以識別文本中表示情緒的模式或?qū)⑽臋n分類為不同的類別。然后，這些模型可以從觀察到的模式中進行泛化，以對新的、看不見的文本進行分類。
歸納推理的優(yōu)缺點
優(yōu)勢：
靈活處理不確定或不完整的數(shù)據(jù)。
能夠從特定示例進行概括，以預(yù)測看不見的實例。
適應(yīng)不斷變化的環(huán)境和處理復(fù)雜問題域的能力。
弊：
如果不仔細(xì)正則化和驗證，容易出現(xiàn)過擬合。
由于依賴于觀察到的模式而不是顯式規(guī)則，因此可能缺乏邏輯一致性。
難以為得出的結(jié)論或預(yù)測提供解釋。
挑戰(zhàn)和限制
過擬合：如果模型變得與訓(xùn)練數(shù)據(jù)過于緊密，則歸納學(xué)習(xí)算法容易出現(xiàn)過擬合。當(dāng)模型在訓(xùn)練數(shù)據(jù)中捕獲噪聲或特定實例時，會發(fā)生過擬合，從而導(dǎo)致不可見數(shù)據(jù)的泛化和性能不佳。
有限的解釋：歸納推理可能難以解釋得出的結(jié)論。這些模型側(cè)重于識別模式和趨勢，但可能缺乏闡明其預(yù)測或決策背后的根本原因的能力。
數(shù)據(jù)質(zhì)量：歸納學(xué)習(xí)在很大程度上依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和代表性。如果數(shù)據(jù)有偏差、不完整或質(zhì)量低下，它會顯著影響歸納推理過程的準(zhǔn)確性和可靠性。
結(jié)論
歸納學(xué)習(xí)使機器能夠從具體示例進行概括并根據(jù)觀察到的模式做出預(yù)測，而演繹學(xué)習(xí)則應(yīng)用邏輯規(guī)則和原則來得出具體結(jié)論。AI 中歸納推理的未來在于增強與深度學(xué)習(xí)的集成、開發(fā)混合模型、改進數(shù)據(jù)處理技術(shù)以及擴展到特定領(lǐng)域的應(yīng)用程序。
展開 深度學(xué)習(xí)訓(xùn)練與推理計算平臺硬件配置完美選型2020v1
人工智能隨著核心算法、計算能力的迅速提升，以及海量聯(lián)網(wǎng)數(shù)據(jù)的支持，在本世紀(jì)終于迎來了質(zhì)的飛躍，人工智能將是未來應(yīng)用最廣泛的技術(shù)之一，在市場經(jīng)濟領(lǐng)域帶來更多的機遇與機會，在醫(yī)學(xué)領(lǐng)域可以大大加快診斷速度和準(zhǔn)確性，在軍事領(lǐng)域人工智能武器將成為未來武器的王牌……
（一）了解深度學(xué)習(xí)算法
深度學(xué)習(xí)兩個主要過程：訓(xùn)練（Training）和推理（Inference）。
官方免費 | 3DIC HBM的信號與電源完整性分析在AI芯片的應(yīng)用
簡介：
HBM是云端AI訓(xùn)練和推理芯片的一個典型配置。HBM相對于傳統(tǒng)DDRx設(shè)計來說有更高的帶寬和功耗效率，時延很低，占用面積小的特點。如果采用相似的帶寬和存儲大小的情況下，GDDR6的PCB占用面積是HBM2的6倍，功耗消耗多3倍，芯片設(shè)計面積接近2倍，HBM的優(yōu)勢比較明顯。但是HBM設(shè)計實施卻很困難，除了滿足嚴(yán)苛的interposer設(shè)計規(guī)則及信號完整性規(guī)則外，還必須考慮高位寬（1024 bits/2048 bits甚至4096 Bits）同步開關(guān)噪聲問題。本次研討會將聚焦HBM設(shè)計面臨的挑戰(zhàn)，并以一個全新的視角刨析針對3DIC HBM信號和電源完整性問題和相應(yīng)的解決方案。
講師簡介：
張書強，Ansys中國半導(dǎo)體事業(yè)部技術(shù)支持經(jīng)理，自2010年加入Ansys以來，一直從事芯片-封裝-系統(tǒng)協(xié)同設(shè)計和協(xié)同仿真領(lǐng)域的技術(shù)支持工作。主要研究領(lǐng)域：芯片-封裝-系統(tǒng)電源/信號/熱完整性協(xié)同仿真分析，芯片功耗噪聲簽核分析。
時間：
2020/05/07 16:00~17:00
報名方式：
掃碼報名
或點擊鏈接報名：http://event.31huiyi.com/1854380264/index?c=jishulink
展開 【Ansys線上直播回看】3DIC HBM的信號與電源完整性分析在AI芯片的應(yīng)用
『點擊觀看直播回放』
HBM是云端AI訓(xùn)練和推理芯片的一個典型配置。HBM相對于傳統(tǒng)DDRx設(shè)計來說有更高的帶寬和功耗效率，時延很低，占用面積小的特點。如果采用相似的帶寬和存儲大小的情況下，GDDR6的PCB占用面積是HBM2的6倍，功耗消耗多3倍，芯片設(shè)計面積接近2倍，HBM的優(yōu)勢比較明顯。但是HBM設(shè)計實施卻很困難，除了滿足嚴(yán)苛的interposer設(shè)計規(guī)則及信號完整性規(guī)則外，還必須考慮高位寬（1024 bits/2048 bits甚至4096 Bits）同步開關(guān)噪聲問題。
此次網(wǎng)絡(luò)直播吸引了眾多觀眾在線觀看，在會后我們也陸續(xù)收到在線觀眾以及其他用戶前來詢問，在此附上本場網(wǎng)絡(luò)直播錄播內(nèi)容，供大家回看學(xué)習(xí)。
隆重向大家推出Ansys行業(yè)應(yīng)用大講堂“仿真體系建設(shè)驅(qū)動數(shù)字創(chuàng)新”系列在線研討會；5月，我們還將迎來Ansys 2020 R1針對SI/PI和EMC技術(shù)亮點及案例系列專題網(wǎng)絡(luò)研討會。非常有幸邀請到多位高級工程師為系列專題助陣，歡迎積極報名參加并關(guān)注后續(xù)精彩內(nèi)容！
▼▼▼2020 Ansys網(wǎng)絡(luò)研討會有獎反饋 - 可免費獲取本場錄播和講解資料，參與者均可獲得千元培訓(xùn)券及技術(shù)鄰金幣獎勵！
關(guān)于Simulation World
Simulation World是一場面向全球觀眾且為免費的在線虛擬盛會，將于2020年6月10日-11日舉行，屆時，來自Ansys，客戶和合作伙伴多名演講者將在此發(fā)表主題演講。內(nèi)容涵蓋自動駕駛、電氣化、工業(yè)物聯(lián)網(wǎng)以及后疫情時代的數(shù)字化轉(zhuǎn)型等前沿趨勢探討，Ansys合作伙伴也將在其冠名的虛擬展廳中展示相關(guān)解決方案。立即掃碼報名！
『或點擊此處進入報名通道』
展開 英偉達(dá)發(fā)布全球最強 AI 芯片 H200：性能飆升 90%，Llama 2 推理速度翻倍
在人工智能方面，英偉達(dá)表示，HGX H200 在 Llama 2（700 億參數(shù) LLM）上的推理速度比 H100 快了一倍。HGX H200 將以 4 路和 8 路的配置提供，與 H100 系統(tǒng)中的軟件和硬件兼容。它將適用于每一種類型的數(shù)據(jù)中心（本地、云、混合云和邊緣），并由 Amazon Web Services、Google Cloud、Microsoft Azure 和 Oracle Cloud Infrastructure 等部署，將于 2024 年第二季度推出。
英偉達(dá)此次發(fā)布的另一個關(guān)鍵產(chǎn)品是 GH200 Grace Hopper“超級芯片（superchip）”，其將 HGX H200 GPU 和基于 Arm 的英偉達(dá) Grace CPU 通過該公司的 NVLink-C2C 互連結(jié)合起來，官方稱其專為超級計算機設(shè)計，讓“科學(xué)家和研究人員能夠通過加速運行 TB 級數(shù)據(jù)的復(fù)雜 AI 和 HPC 應(yīng)用程序，來解決世界上最具挑戰(zhàn)性的問題”。
GH200 將被用于“全球研究中心、系統(tǒng)制造商和云提供商的 40 多臺 AI 超級計算機”，其中包括戴爾、Eviden、惠普企業(yè)（HPE）、聯(lián)想、QCT 和 Supermicro。其中值得注意的是，HPE 的 Cray EX2500 超級計算機將使用四路 GH200，可擴展到數(shù)萬個 Grace Hopper 超級芯片節(jié)點。
展開 網(wǎng)絡(luò)研討會報名 | 芯片SI/PI與可靠性分析系列
除了在汽車與5G領(lǐng)域，諸如HPC、AI、模擬電路、FPGA、傳感器等其他芯片應(yīng)用中，也越來越多的依靠仿真技術(shù)來減少流片失敗的風(fēng)險，加快芯片上市進程。而要完成這些仿真任務(wù)并非易事，需要多物理場仿真技術(shù)來同時考慮電熱耦合，熱應(yīng)力耦合等作用，還需要芯片-封裝-系統(tǒng)(CPS)聯(lián)合仿真技術(shù)來實現(xiàn)更高精度的仿真結(jié)果。繼<全新升級的電機設(shè)計和聲品質(zhì)仿真>專題后，近期「芯片SI/PI與可靠性分析」專題系列又將華麗登場，屆時更多有關(guān)芯片信號完整性、電源完整性及可靠性主題將在這里與您呈現(xiàn)，立即報名參與更多Ansys專題研討會！
【芯片SI/PI與可靠性分析】
活動形式：網(wǎng)絡(luò)直播
時間：每天16:00
費用：免費
5月7日 | 3DIC HBM的信號與電源完整性分析在AI芯片的應(yīng)用
簡介：HBM是云端AI訓(xùn)練和推理芯片的一個典型配置。HBM相對于傳統(tǒng)DDRx設(shè)計來說有更高的帶寬和功耗效率，時延很低，占用面積小的特點。如果采用相似的帶寬和存儲大小的情況下，GDDR6的PCB占用面積是HBM2的6倍，功耗消耗多3倍，芯片設(shè)計面積接近2倍，HBM的優(yōu)勢比較明顯。但是HBM設(shè)計實施卻很困難，除了滿足嚴(yán)苛的interposer設(shè)計規(guī)則及信號完整性規(guī)則外，還必須考慮高位寬（1024 bits/2048 bits甚至4096 Bits）同步開關(guān)噪聲問題。本次研討會將聚焦HBM設(shè)計面臨的挑戰(zhàn)，并以一個全新的視角刨析針對3DIC HBM信號和電源完整性問題和相應(yīng)的解決方案。
掃碼報名
5月14日 | 超大規(guī)模芯片電源完整性簽核平臺RedHawk-SC應(yīng)用分享
簡介：隨著工藝及發(fā)展，工藝的variation更加復(fù)雜，芯片設(shè)計的margin越來越小。
展開 網(wǎng)絡(luò)研討會報名 | 芯片SI/PI與可靠性分析系列
除了在汽車與5G領(lǐng)域，諸如HPC、AI、模擬電路、FPGA、傳感器等其他芯片應(yīng)用中，也越來越多的依靠仿真技術(shù)來減少流片失敗的風(fēng)險，加快芯片上市進程。而要完成這些仿真任務(wù)并非易事，需要多物理場仿真技術(shù)來同時考慮電熱耦合，熱應(yīng)力耦合等作用，還需要芯片-封裝-系統(tǒng)(CPS)聯(lián)合仿真技術(shù)來實現(xiàn)更高精度的仿真結(jié)果。繼<全新升級的電機設(shè)計和聲品質(zhì)仿真>專題后，近期「芯片SI/PI與可靠性分析」專題系列又將華麗登場，屆時更多有關(guān)芯片信號完整性、電源完整性及可靠性主題將在這里與您呈現(xiàn)，立即報名參與更多Ansys專題研討會！
【芯片SI/PI與可靠性分析】
活動形式：網(wǎng)絡(luò)直播
時間：每天16:00
費用：免費
5月7日 | 3DIC HBM的信號與電源完整性分析在AI芯片的應(yīng)用
簡介：HBM是云端AI訓(xùn)練和推理芯片的一個典型配置。HBM相對于傳統(tǒng)DDRx設(shè)計來說有更高的帶寬和功耗效率，時延很低，占用面積小的特點。如果采用相似的帶寬和存儲大小的情況下，GDDR6的PCB占用面積是HBM2的6倍，功耗消耗多3倍，芯片設(shè)計面積接近2倍，HBM的優(yōu)勢比較明顯。但是HBM設(shè)計實施卻很困難，除了滿足嚴(yán)苛的interposer設(shè)計規(guī)則及信號完整性規(guī)則外，還必須考慮高位寬（1024 bits/2048 bits甚至4096 Bits）同步開關(guān)噪聲問題。本次研討會將聚焦HBM設(shè)計面臨的挑戰(zhàn)，并以一個全新的視角刨析針對3DIC HBM信號和電源完整性問題和相應(yīng)的解決方案。
展開 
【產(chǎn)品技術(shù)】中科行智 | GIVS視覺平臺發(fā)布AI訓(xùn)練和部署工具包
（GIVS AI深度學(xué)習(xí)訓(xùn)練平臺）
GIVS AI深度學(xué)習(xí)訓(xùn)練平臺涵蓋了分類、定位、分割與OCR四大功能模塊，每個模塊包含多種量級模型，共集成了十多種高精度神經(jīng)網(wǎng)絡(luò)模型。
參數(shù)設(shè)置簡潔方便，并預(yù)先進行默認(rèn)值優(yōu)化，用戶也可根據(jù)任務(wù)的復(fù)雜程度，對模型類型和訓(xùn)練參數(shù)進行自定義設(shè)置。模型訓(xùn)練完成后可進行一鍵導(dǎo)出，與GIVS AI運行端無縫銜接。
成功案例丨開發(fā)時間從1小時縮短到3分鐘：如何利用歷史數(shù)據(jù)訓(xùn)練AI模型，預(yù)測設(shè)計性能？
然而，為了突破開發(fā)瓶頸并加速決策流程，Hero決定超越傳統(tǒng)FEA方法，引入人工智能（AI）和機器學(xué)習(xí)技術(shù)。為了幫助其CAE工程師在日常工作流中順利應(yīng)用AI和機器學(xué)習(xí)，Hero需要高效、強大且用戶友好的工具支持。</p><p><br></p><p>Hero的首個AI驅(qū)動項目聚焦于摩托車把手的設(shè)計優(yōu)化。作為摩托車的核心部件，把手的設(shè)計直接影響人機工程學(xué)、騎手姿勢以及車輛的操控性、平衡性、舒適性和整體風(fēng)格。由于其重要性，團隊通常需要投入大量時間進行把手的設(shè)計與優(yōu)化。為了實現(xiàn)目標(biāo)并縮短設(shè)計周期，Hero選擇了Altair的AI驅(qū)動技術(shù)。</p><p><br></p><p><br></p><p><strong>Altair解決方案</strong></p><p>Hero 選擇了Altair<sup>?</sup> PhysicsAI?，這是一項強大的幾何深度學(xué)習(xí)技術(shù)，能夠利用歷史數(shù)據(jù)訓(xùn)練AI模型，并在傳統(tǒng)FEA方法所需時間的一小部分內(nèi)生成物理預(yù)測結(jié)果。PhysicsAI的工作流程已無縫集成到仿真與設(shè)計平臺 Altair<sup>?</sup> HyperWorks<sup>?</sup>中，這使得Hero的所有用戶，無論技能水平如何，都能輕松將這一解決方案融入現(xiàn)有流程。</p><p><br></p><p>為了充分利用PhysicsAI，Hero首先將現(xiàn)有數(shù)據(jù)分為訓(xùn)練集和測試集：訓(xùn)練集用于基于歷史仿真數(shù)據(jù)訓(xùn)練機器學(xué)習(xí)模型，測試集則用于評估和量化AI模型的預(yù)測準(zhǔn)確性。由于Hero的產(chǎn)品線涵蓋多種車型（如運動型摩托車、探險摩托車、通勤摩托車和巡航車等），團隊使用了多樣化的把手?jǐn)?shù)據(jù)集，以確保AI模型能夠生成準(zhǔn)確的結(jié)果。</p><p><br></p><p>數(shù)據(jù)分割和模型訓(xùn)練是AI驅(qū)動工程流程中的關(guān)鍵步驟。
展開 AMD EPYC 128核心256線程 CPU計算服務(wù)器/GPU服務(wù)器仿真計算、HPC計算、大數(shù)據(jù)分析、
人工智能與機器學(xué)習(xí)： 適合模型訓(xùn)練和推理，尤其適合中等規(guī)模或作為大型集群的一個計算節(jié)點。
科研計算： 在物理、化學(xué)、生物、氣象等領(lǐng)域進行復(fù)雜的數(shù)值模擬。
虛擬化與云計算： 可以創(chuàng)建大量的虛擬機，作為私有云或虛擬桌面的主機。
媒體與娛樂： 用于三維渲染、視頻編碼等任務(wù)。
美國半導(dǎo)體指數(shù)，20年新高
正如半導(dǎo)體行業(yè)觀察早前報道，GPU起家的英偉達(dá)，在過去幾年每一步都踏準(zhǔn)了科技進步的紅利，從區(qū)塊鏈，比特幣到AI人工智能，原有圖形計算的顯卡瞬間轉(zhuǎn)變?yōu)橹苯幽芡ㄟ^密碼運算挖出“金子”的金礦，賣的風(fēng)聲水起。在礦潮接近尾聲之際，英偉達(dá)更是推出了鎖算力的顯卡和專業(yè)礦卡兩種規(guī)格，擺明了礦老板和玩家的錢兩手都要抓，這樣的表現(xiàn)，英偉達(dá)股價哪有不翻倍的道理？
在ASIC礦機逐漸替代GPU后，英偉達(dá)又順利的踏上了AI的東風(fēng)，是當(dāng)前服務(wù)器領(lǐng)域AI訓(xùn)練和推理的絕對壟斷者，占據(jù)了四大云平臺（微軟，谷歌，亞馬遜，阿里）95%以上的份額，數(shù)據(jù)中心領(lǐng)域成為英偉達(dá)增長的重要動力，為英偉達(dá)創(chuàng)造了一條寬廣而深厚的護城河。
同時，隨著英偉達(dá)成功收購Mellaonx又提前業(yè)界一步成為網(wǎng)絡(luò)處理卡DPU的先鋒，在這次收購的競爭中戰(zhàn)勝了英特爾，英偉達(dá)在云端和數(shù)據(jù)中心領(lǐng)域進一步壯大，業(yè)務(wù)收入將有望迎來大幅提升。從英偉達(dá)2021財年第二季度財報能看到，游戲業(yè)務(wù)雖仍是英偉達(dá)營收的主要來源，達(dá)到了30.6億美元，但數(shù)據(jù)中心業(yè)務(wù)緊隨其后，營收達(dá)到了23.7億美元，未來隨著AI和數(shù)據(jù)中心的興起，市場對GPU的需求的暴增，給英偉達(dá)帶來巨大機遇和市場空間。
英偉達(dá)在股價和市值上的突飛猛進，與其采用多點開花戰(zhàn)略息息相關(guān)，也是資本市場對于英偉達(dá)在AI領(lǐng)域前景的反應(yīng)。
觀察其上市以來的股價表現(xiàn)，可以發(fā)現(xiàn)英偉達(dá)股價的騰飛集中在2015年之后。2015年英偉達(dá)收入47億美元，當(dāng)時股價為20美元，而僅在兩年后，英偉達(dá)的收入增至近70億美元，如今股價則早已躥升至200美元。股價轉(zhuǎn)折背后，其實是英偉達(dá)的一次堅定轉(zhuǎn)型，并且在人工智能領(lǐng)域占據(jù)了絕對的先發(fā)優(yōu)勢。
展開 