NVIDIA Definitivt “Inte intresserad” av att bygga smarta mobiltelefoner

nvidia-ceo-computex-2016

nvidia-vd-computex-2016På Computex 2016 har NVIDIA: s VD Jen-Hsun Huang (“Jensen”) visat företagets senaste produkter för en liten mediepublik. Produkterna hade redan lanserats under de veckor som ledde till Computex och vi vet nu att GeForce GTX 1080 har sett ett stort allmänintresse och att NVIDIAs razzia inom djupt lärande AI-datacenter kommer att vara en av NVIDIAs snabbast växande företag. Den mest intressanta delen av detta möte var att ta en titt på “vad NVIDIA tycker” om branschen och hur den positionerar sig.

Han tillfrågades om NVIDIA skulle tävla igen i handenheten / surfplattens processor med sina Tegra-chips. NVIDIAs VD svarade entydigt: ”Vi är inte längre intresserade av den marknaden”. Han tillägger: “Vem som helst kan bygga smartphones, och vi är glada att njuta av dessa enheter, men vi låter någon annan bygga dem”.

Frågan fortsätter att komma tillbaka men svaret är inte riktigt nytt: NVIDIA har meddelat förra året att de skulle bli av med sin ICERA LTE-modemverksamhet, en nyckelkomponent som krävs för att vara en seriös utmanare i den mobila SoC-verksamheten. Detta signalerar en ganska definitiv avsikt att avvika från denna sektor, och den intressanta frågan är “varför”?

NVIDIA säger att de kommer att fokusera på var de kan verkligt separera sig från tävlingen och gör vad den gör bäst: bygg massivt parallella datorarkitekturer som kan krossa bort ”Computationally obegränsat” problem.

”Computationally unbounded” är ett nyckelbegrepp att förstå om du vill förstå NVIDIAs framgång med att bygga några av de mest komplexa och största chipsen. Termen avser datorproblem som, av naturen, dra nytta av en nästan oändlig mängd datorer.

NVIDIA avvek från dessa när det gick efter smarttelefonens SoC-marknad med sina olika Tegra-mobilchips. Det verkade vara meningsfullt (vid den tiden) för NVIDIA att försöka komma in på smarttelefonmarknaden, men två saker ledde till slut till utgången:

1 / Smartphones drar inte gränserna att beräkna på en nivå där NVIDIA skulle ha en naturlig fördel. Telefoner kan bli snabbare och snabbare, men sanningen är att beräkningsprestanda eller beräkningstäthet inte är ett “primärt behov” för denna typ av produkt. Spelprestanda var aldrig en faktor för att köpa en telefon, och det finns inget sådant som en ”speltelefon”.

Dessutom var inte Tegra alltid det snabbaste alternativet när Tegra-telefonerna dyker upp, om de alls gjorde det. Qualcomm, Apple och Imagination befann sig aldrig i en situation där de skulle “skämmas” av någon skillnad i prestanda på ett ihållande sätt. De gick till och med i offensiven många gånger och slog NVIDIA-GPU: er vid viktiga riktmärken.

Sanningen är: datorprestanda har en stödjande roll i smartphones. Smartphones är först och främst kommunikationsenheter och Qualcomm förblir ledande på denna marknad eftersom det först och främst är ett kommunikationsföretag som har gjort sig relativt oumbärligt och bekvämt för sina OEM-kunder.

“Det finns inget sådant som en speltelefon”

2 / Bättre affärsmöjligheter för NVIDIA har dykt upp sedan. Deep Learning AI-datacenter, bilbearbetning och VR / PC-spel är tillväxtmarknader där NVIDIA kan använda en enda GPU-arkitektur för att skapa en enorm differentiering och sätta ett hårt tryck på konkurrenterna. Allt detta har möjliggjorts på grund av AI-genombrott under de senaste åren, och eftersom dessa innovationer effektivt kan påskyndas av GPU: er.

I slutet av dagen var och förblir NVIDIA ett GPU-företag. Massivt parallellbearbetning på NVIDIA startade med datorgrafik (CG) eftersom det i sig är ”beräkningsmässigt obegränsat”. Med programmerbara grafikprocessorer blev accelererande fysik eller AI möjlig, men “grafik” förblir grunden för allt NVIDIA gör. Allt kommer från GeForce-serien. Allt finns på grund av grafikbranschen.

Grafik finansierar den FoU som krävs för att bygga dessa massivt parallella marker. Grafik är den primära marknaden för NVIDIA. Grafik är fortfarande den första “anledningen till att vara” i varje NVIDIA-arkitektur, inklusive den senaste, Pascal.

Expansion utanför grafiken har krävt mer än ett decennium av investeringar i arkitektur, programvara, forskning och utvecklarrelationer. Men denna investering verkar betala mer och mer utdelning i takt med att den mycket lukrativa datacenterverksamheten utvecklas tack vare djupt lärande AI och andra icke-grafiska vetenskapliga tillämpningar. Detta är något som andra GPU-leverantörer som AMD, Intel eller ARM inte har kunnat reproducera i stor skala.

Jen-Hsun Huang nämnde att att göra bilar säkrare genom bättre elektronisk “medvetenhet” kraftigt skulle kunna minska 1 M död / år i USA. Det sociala bidraget skulle vara obestridligt, men det råkar också vara ett företag med stor potential framöver. Det är därför NVIDIA fungerar på plattformar som NVIDIA DRIVE.

De senaste kvartalsresultaten imponerade investerare tillräckligt för att lyfta aktien, som är en rekordhög nivå på ~ $ 46 (aktie: NVDA). För närvarande verkar NVIDIA ostoppbar inom sitt område, och till och med Googles AI-processormeddelande verkar inte påverka investerarnas förtroende.

Googles avslöjade inte tillräckligt med information för att samhället skulle kunna bekräfta (eller avfärda) ett verkligt hot mot NVIDIA, och eftersom det ser ut som att Googles chip skulle vara bättre på Inferens (som “använder” AI: s redan förvärvade kunskap) än vid Training ( ”Undervisa” AI och bygga kunskap) vilket är mycket mer datorintensivt. Faktum är att det finns andra inferenschipstillverkare som Movidius som också hävdar att de har en mycket bättre energieffektivitet än grafikprocessorer.

Googles egen bedömning av chipets konkurrenskraft (prestanda / Watt) baserades på NVIDIAs senaste generationens arkitektur som heter Maxwell. Sedan dess lanserades NVIDIA Pascal-arkitekturen med förbättringar av AI-inferens och övergripande högre effektivitet. NVIDIA hävdar två gånger högre prestanda och 3 gånger bättre energieffektivitet. Servrar som NVIDIA DGX-1 har en otrolig beräkningstäthet som motsvarar “hundratals” klassiska servrar, enligt NVIDIAs uppskattning.

“GPUS ÄR EKONOMISKT EFFEKTIVT”Trots upp- och nedgångar har GPU: er överträffat andra typer av processorer när det gäller att lösa dessa “beräkningsgränslösa” problem. GPU: er är också ekonomiskt effektiva och denna verklighet har gått i uppfyllelse eftersom GPU: er stöds av PC-marknaden, vilket i själva verket är porten till den (GPU-drivna) HPC-marknaden (high performance computing).

Trots upp- och nedgångar har GPU: er överträffat andra typer av processorer när det gäller att lösa dessa “beräkningsgränslösa” problem. GPU: er är också ekonomiskt effektiva och denna verklighet har gått i uppfyllelse eftersom GPU: er stöds av PC-marknaden, vilket i själva verket är porten till den (GPU-drivna) HPC-marknaden (high performance computing).

Trots upp- och nedgångar har GPU: er överträffat andra typer av processorer när det gäller att lösa dessa “beräkningsgränslösa” problem. Det finns helt enkelt inget slut på detta inom överskådlig framtid. Denna verklighet har gått i uppfyllelse eftersom GPU: er stöds av PC-marknaden, vilket i själva verket är porten till den (GPU-drivna) HPC-marknaden (high performance computing).

“DET ÄR ENKLET BÄTTRE FÖRETAG FÖR NVIDIA ÖVRIGT”

Smarttelefonens SoC-verksamhet är fortfarande enorm men det är inte längre den typ av plattform där NVIDIA vill eller kan bidra till. Smartphone SoC-striden måste vara blåmärken för NVIDIA, men företaget var tillräckligt smart för att dra sig tillbaka när det insåg att det inte fanns någon väg till seger (möjligen redan 2013). Det finns helt enkelt bättre affärer för NVIDIA någon annanstans.

För NVIDIA-fans finns det ytterligare en chans att se en GeForce GPU i en smartphone en dag: NVIDIA kan licensiera sina GPU-mönster precis som ARM eller Imagination är … men det här är en annan historia, och det finns inget tecken på att det händer när som helst snart.

Arkiverat i allmänhet. Läs mer om Computex, Computex 2016, GPU och NVIDIA.