據國外媒體報道，英偉達位于西雅圖的1200平米人工智能機器人研究實驗室里，一小群研究人員正在努力開發人工智能，驅動公司的未來。廚房工作臺旁的一只機械手臂舉起一罐食品并把它放進抽屜里。它還學會了如何清潔餐桌，如果你請求恰當，它可以幫助你做飯。而這些都是英偉達雄心勃勃人工智能總體規劃的第一步。

英偉達的人工智能機器人實驗室于今年年初成立，目前擁有28名員工，共可容納50名研究科學家、教師顧問和實習生。著名機器人專家、英偉達機器人研究高級主管、華盛頓大學教授迪特爾·福克斯(Dieter Fox)領導的實驗室旨在開發能夠與人類安全合作的下一代機器人，并有望改變制造、物流和醫療保健等行業。機器人領域也是人工智能面臨的眾多重大挑戰之一。在那些暢想未來的科幻小說中，機器人不僅擅長完成非常具體的任務，而且能夠表現得像人類一樣。

但實驗室的這種機器人所展現的也是一種復雜的屈伸運動。這是一個引人注目的演示，有效展示出英偉達的硬件和軟件當前能夠完成哪些功能以及未來能做什么。從另一方面說，這也是該公司期望在人工智能技術競爭日趨激烈情況下領先一步的最新決策。 自2005年起，英偉達開始優化用于人工智能的GPU，這是科技硬件歷史上最明智的商業決策之一。但現在面對日益激烈的市場競爭，鞏固這一領先地位將是英偉達25年來面對的最艱難考驗之一。

英偉達的最新實驗室配備了機器人有可能在現實世界中遇到的各種設備和現實環境。第一個場景是一個簡單的廚房，機器人廚房助手結合人工智能和深度學習技術檢測和跟蹤物體，了解門和抽屜的相對位置，還能夠打開和關閉它們從而取放物體。福克斯說:“過去機器人技術研究的重點是小型獨立項目，而不是完全集成化的系統。”“我們現在正組建一個由機器人控制和感知、計算機視覺、人機交互和深度學習等領域專家組成的跨學科合作團隊。”

西雅圖的研究小組得到了來自英偉達在圣克拉拉、馬薩諸塞州西部、多倫多和特拉維夫所設其他研究中心的大約60名研究人員的協助。這種多學科的研究方式有一個極其困難的目標:英偉達試圖展示其人工智能硬件和軟件可以將機器人從現在這種可以按照嚴格指令操作的精確定位機器轉變為動態和靈活的機器，能夠安全地與人類一起工作。

谷歌駐柏林的人工智能研究員薩米姆·瓦格納(Samim Wagner)認為，英偉達之所以要自行開展研究，主要原因之一是打造更好的人工智能硬件，然后再賣給其他人。他表示:“為了給機器學習開發可行且具有競爭力的硬件，英偉達在戰略上被迫進行高質量的機器學習研究。該公司與游戲和娛樂行業的一貫聯系，為其機器學習研究提供了一個焦點，這也是成功的關鍵。”這也從一方面解釋了為什么在英偉達的研究實驗室里會有這么多奇怪的實驗。

英偉達首席科學家兼高級研究副總裁比爾·戴利(Bill Dally)在談到廚房機器人助手時表示:“現在我們正在進行深入研究，讓機器人與環境進行互動成為可能。”“既然我們可以打造感知系統，就可以打造定位靈活的機器人。”

與英偉達的機器人實驗一樣，深度學習讓人工智能系統能夠解決以前不可能解決的問題。通過反復試錯，其已經在數字助手、計算機視覺、語言翻譯、聊天機器人、人臉識別等領域取得了突破性進展。而且，就像人工智能領域的許多突破一樣，這些突破在很大程度上依賴于英偉達的GPU。

英偉達的人工智能研究始于2010年加州帕洛阿爾托的Joanie "s Café餐廳。戴利說:“我們是在和人工智能專家吳恩達開完早餐會后進入人工智能領域的。”在那次早餐會上，吳恩達解釋了谷歌是如何在16000個CPU幫助下，訓練人工智能系統去識別貓的照片。當時吳恩達正在谷歌合作打造人工智能項目Google Brain。由于意識到幾乎沒有人有16000個CPU可供使用之后，戴利提出了一個挑戰。“我打賭我們可以用更少的GPU做到這一點，”他對吳恩達說。

會面后不久，戴利請英偉達的研究人員布萊恩·卡坦扎羅(Bryan Catanzaro)與吳恩達合作研究。戴利說:“我們用48個GPU實現的功能和他們用16000個CPU達到的效果差不多。”“當時我非常清楚，這將改變一切。”

英偉達的人工智能業務在一場關于識別貓的賭注中出現爆炸式增長。該公司沒有透露其在人工智能領域投入了多少，但相關文件顯示英偉達上一財年在研發上一共開支了18億美元，而其中的關鍵領域是游戲、人工智能和汽車。其開發的GPU在人工智能項目上的有效性在競爭對手中引發了一場混戰，英特爾、谷歌甚至Facebook都投入了巨額資金試圖迎頭趕上。

2018年7月，谷歌宣布正在開發用于設備機器學習的人工智能芯片。谷歌押注一種新型芯片，這是專為神經網絡機器學習設計的張量處理單元。在軟件領域，另一場同樣重要的競爭也正在展開。英偉達的代碼庫還面臨著與谷歌Tensorflow或Facebook的PyTorch等競爭對手框架的競爭。盡管困難重重，英偉達仍保持著自己的領先地位。

正如識別貓的挑戰所展現的，GPU在處理人工智能任務方面非常出色。主要是因為在運行與人工智能相關的并行計算問題時，GPU比CPU更好，因為人工智能中的許多計算是同時進行的。并行計算在神經網絡中尤其流行，其工作方式與動物大腦類似，可以像動物大腦一樣同時或并行執行許多任務。最終，英偉達希望自己能夠成為在每一部手機、每一臺電腦、每一個機器人和每一輛自動駕駛汽車中都植入人工大腦的公司。

2005年，在首席執行官黃仁勛的領導下，該公司搶占了人工智能熱潮的先機。當時該公司開發了一款軟件，使其GPU能夠處理現代人工智能最終需要的數百萬個微計算。英偉達的GPU現在分布在世界各地的數據中心，為數以千計的企業提供人工智能服務。2014年至2018年間，該公司數據中心優化芯片的營收增長了524%，有效提振了該公司的業績。

“我們是全世界的供應商，”戴利說。“每個人都通過英偉達的GPU訓練他們的深度神經網絡。”他補充說該公司的T4芯片被廣泛用于推理任務。Facebook和谷歌使用英偉達平臺為其平臺上的人工智能功能提供支持。幾乎所有的自動駕駛汽車公司都在使用英偉達的技術。英偉達還與騰訊、阿里巴巴和百度簽署了合作協議。

與廚房中的機器人一樣，英偉達的其他人工智能實驗也顯得兼收并蓄。它開發了一個創造性的生成對抗網絡，非常擅長創造超逼真的人臉圖像。在2018年12月發表的一篇論文中，該公司展示了最新生成的人臉圖像與四年前相比有多么逼真。

逼真面容并不是英偉達的生成對抗網絡能夠創造的唯一東西。英偉達還開發了一個轉換網絡，可以將冬天拍攝的照片轉換成美麗的夏日景色。你有婚禮當天遇到下雨的照片嗎?英偉達的人工智能可以讓它變成晴天。去年年底，英偉達還展示了全球首款使用人工智能生成圖形的視頻游戲演示。這個演示是一個駕駛模擬器，它是通過將人工智能生成的視覺效果與標準視頻游戲引擎相結合而構建的。

但前進道路上也有坎坷。英偉達暗示未來的道路會更加艱難。今年年初,Nvidia被迫將其第四季度營收預期調減了5億美元,此舉導致其股價暴跌近18%。2018年數字貨幣市場的一路下行也不斷挑戰著英偉達能夠承受打擊的底線。

就目前而言，英偉達GPU的適應性使其相對于競爭對手具有更多優勢：它們是數據中心、自動駕駛汽車、研究實驗室、數字貨幣挖掘平臺不可或缺的組成部分。只要你能想到的設備都會有一個GPU。但這種情況可能很快就會改變，這正會是英偉達的人工智能機器人實驗室發揮作用的地方。

“現在有很多新的人工智能硬件初創公司，”人工智能研究顧問斯蒂芬·梅里蒂(Stephen Merity)說。“他們對于英偉達來說很可能是一個威脅，但這是一個巨大的開放性問題，我無法想象這些初創公司能在早期實現大規模發展。”

其中之一就是英國的創業公司Graphcore，其在寶馬、紅杉資本以及谷歌DeepMind創始人的資助下，現在公司估值超過10億美元。Graphcore稱，其智能處理單元尚未投入大規模生產，處理速度比現有系統快100倍。對于英偉達來說，這可能會帶來比數字貨幣市場崩潰更令人頭疼的財務問題。

“我不知道人工智能硬件生態系統的最終狀態是什么樣子，”梅里蒂表示，“如果終極狀態是雙方擁有相同的硬件，那么英偉達就有優勢。如果它分成‘用于訓練人工智能的硬件’和‘在現實世界中使用的硬件’，那么Graphcore和其他類似初創公司可能會做得很好。”