Nvidia已收购Arm。这对于AI，边缘计算以及为这些芯片编写软件的人们的未来意味着什么？
美国的图形芯片制造商英伟达上周宣布，它将以400亿美元的价格从日本投资公司软银手中收购英国的Arm Holdings。对于为AI，数据处理或嵌入式系统编程的任何人，这都意味着您的数据密集型应用程序将很快运行……
美国的图形芯片制造商英伟达上周宣布，它将以400亿美元的价格从日本投资公司软银手中收购英国的Arm Holdings。这一举动对科技行业产生了重大影响。对于为AI，数据处理或嵌入式系统编程的任何人，这都意味着您的数据密集型应用程序将很快在具有本机Nvidia GPU支持的ARM设计的芯片上运行。
Arm Holdings是Arm Processors背后的企业。ArmProcessors是智能传感器芯片，用于为全球90％以上的智能手机供电，从自动驾驶汽车到烤面包机再到洗衣机，应有尽有。尽管该公司没有制造能力，但它却将自己描述为技术的“ 瑞士”：它将芯片设计许可给任何需要它们的公司，并允许其他人进行实际制造。
根据新协议的条款，由于英国公司Nvidia宣布将在剑桥以及Arm总部附近开设AI研究中心，Arm将继续将总部设在剑桥。该研究中心将充当AI科学家与全球研究人员之间协作的中心枢纽。
那么，这对我们的读者（每天写代码的人们）意味着什么？此次收购可能会对从事嵌入式系统开发的人员产生重大影响。开始学习诸如CUDA（计算机统一设备架构）及其SDK之类的平台可能会有所帮助。您处理云中大量数据的能力可能会加快，而同时将强大的机器学习算法安装到设备上的能力可能需要越来越少的内存。请继续阅读以了解该交易背后的背景知识，以及这对计算和编程领域的意义。
从图形到人工智能
虽然Nvidia以支持现代视频游戏的图形卡而闻名，但在最近几年中，其技术已经出现了许多新的应用程序：人工智能，数据处理和加密货币挖掘都转向了Nvidia GPU。来自新领域的需求激增如此之快，以至于在2018年，比特币矿工对Nvidia卡的抢购导致了全球短缺。尽管加密货币繁荣的最繁忙日子可能已经过去，但并行进行大规模数据处理的应用仍在继续激增。
在为复杂的逻辑过程设计CPU的情况下，对GPU进行了优化以并行处理许多浮点计算。3D渲染需要随着顶点旋转进行大量的算术计算。对于机器学习和其他大数据处理操作，GPU对并行算术的关注是天作之合。
英伟达已经提供了将其GPU与Arm芯片设计结合起来的产品，以创建数据处理主力。在2019年末，该公司创建了一个基于Arm的GPU加速服务器，旨在非常快速地处理信息。购买Arm可能是一种双倍赌注的方式，即GPU将成为流行的数据处理工具。
收购的结果是，尼维达现在将被置于Arm的物联网生态系统和基于云的AI边缘计算的最前沿。边缘计算是指一种在本地存储和处理信息的方法，而不是在数英里之外的中央数据仓库中进行处理。英特尔收购Movidius时也采取了类似的举措。
如果边缘计算以这些芯片公司希望的方式成熟，则公司可以节省在本地收集信息 并立即对关键数据采取行动的费用。对于延迟敏感的任何应用程序，例如自动驾驶汽车，即使是毫秒级的数据处理延迟也是不可接受的。
随着Arm的加入，英伟达有可能成为从微处理器到平板电脑，手机到路灯，洗衣机到自动驾驶汽车等所有领域的主导力量。
计算领域的哪些变化使这成为可能？
在过去的几年中，云计算改变了软件架构，分布式软件可以根据其即时需求自动扩展其计算资源。例如，到2022年，预计全部企业中的大部分或全部软件需求将依赖于SaaS（三个主要云计算类别之一，以及IaaS和PaaS）中的86％。
同时，摩尔定律保持稳定，半导体继续缩小（可能在2021年保持其尺寸），这使越来越多的设备具备了计算能力。将其与易于获得的可扩展计算能力相结合，您将拥有一个世界，其中一切都是计算机，并且需要专用的硬件。
随着这些设备中开发出越来越复杂的应用程序，边缘计算的想法应运而生。现在不再在处理数据并将其发送到设备，而是在设备上处理数据，以解决网络延迟问题或网络不存在的问题，这两种情况在发展最快的国家中很普遍。
如前所述，Nvidia擅长的那些GPU非常擅长并行处理和处理数据。总体而言，计算行业最值得关注的进步之一就是GPU大量涌入了众多不同的解决方案（例如3D映射，图像处理和深度机器学习），以至于传统的CPU能力无法保持。起来。
开发人员格局可能会发生什么变化
对于开发人员来说，这可能意味着数据处理速度的新领域将打开。可以将这些数据强国作为附件添加到云产品中，从而使这对复杂的ETL管道具有无缝的好处。对于较小设备上的集成芯片组，可能是图形和数据处理限制增加了，从而允许具有改进的图形的移动应用程序和具有更复杂的AI的IoT设备。
说到人工智能，神经网络可能同时变得更复杂和更小。可以开发专用的AI硬件来支持消费者应用程序。当前在功能强大的数据处理和预测应用程序中使用的神经网络软件可能会找到新的用例，或者会出现新的应用程序，这些新的应用程序为广泛的人们提供小规模的AI好处。
但是最大的影响可能是更多的开发人员需要了解CUDA（计算统一设备体系结构）框架 SDK。与SIMD内在函数相似，此SDK允许程序直接访问GPU的并行处理。而且，如果Nvidia设法统一CPU和GPU的物理内存，则可以为优化和改进开辟许多新途径。
最后，尽管如此，许多细节可能会从使用库和高级编程语言编写代码的任何人那里抽象出来。唯一肯定会受到影响的编码器是直接与嵌入式系统一起工作的编码器。
结论
Nvidia收购Arm可能会对整个科技行业产生持久影响。Nvidia不仅在物联网和基于云的边缘计算中成为更大的参与者（以至于可以说它们将成为最具影响力的单一参与者），而且Arm许可的主要公司，例如Apple，Intel和三星可能希望将芯片和微处理器设计转移到其他来源。
所有这些中最大的好处可能是大型公司和较小的初创公司都已开始开发可处理复杂神经网络的基于AI的微处理器。这意味着我们很可能会看到微处理器的持续创新，其规模是前所未有的。
评论专区