AI业界剧震！英伟达禁数据中心用GeForce做深度学习

本篇文章2441字，读完约6分钟

[新智元指南]英伟达最近悄悄修订了《用户许可协议》(eula)，禁止使用消费级显卡geforce在数据中心进行深度学习。这被认为是英伟达利用其市场优势推出高端处理器特斯拉系列的一项举措。特斯拉的建筑与geforce相似，但价格是后者的十倍。深度学习社区让英伟达创下了利润纪录，但英伟达表示，它希望继续像以前一样进行深度学习？十倍的价格！

英伟达首席执行官黄仁勋曾经说过，他最喜欢三样东西——游戏、gpu和深度学习。这三样东西也是英伟达的生命线。五年前，黄仁勋的英明判断使gpu从游戏走向了深度学习，这让他和他的公司站在了深度学习的领域。

然而，当一个市场被一个企业所垄断时，企业可能会采取各种措施来获取尽可能多的利润，甚至达到垄断的目的。

最近，日本公司泛在娱乐(泛在娱乐)的总裁兼首席执行官清水亮(Shimizu Liang)写了一篇文章，指责NVIDIA悄悄修改最终用户使用协议，禁止在数据中心使用geforce软件，称这一变化将影响到大量深入学习的研究人员和开发人员。

一块石头激起了成千上万的波澜，“NVIDIA的新eula禁止使用geforce GPUs在数据中心进行深度学习”已经成为今天reddit和其他网站的头条新闻。

这些商品仍然是为您购买的，但它们不能用于数据中心的深度学习

NVIDIA的最新eula不禁止在数据中心使用geforce显卡，但禁止在数据中心部署geforce支持软件(未经授权)。

修改后的NVIDIA geforce软件用户使用协议，没有数据中心部署，软件不能在数据中心使用。

软件不能被使用是什么意思？

这些商品仍供你购买，但不允许用于深度学习(但可以用于采矿，这将在后面详述)。

众所周知，英伟达产品畅销的主要原因是配套软件做得很好。正如清水亮在文章中所指出的，在实践中，NVIDIA可以说是世界上唯一一家提供api和足够的操作功能来进行深度学习的半导体公司。

英特尔和其他公司也在努力追赶，但与英伟达丰富的资源和知识产权相比，这些公司仍不愿处于追赶的位置。

Geforce vs tesla:性能没有太大不同，但价格却是天价

那么，geforce和特斯拉有什么区别呢？

英伟达最初为游戏开发图形处理器，其产品线包括游戏geforce系列和高端处理器tesla系列。一组简单的数字:

geforce gtx 1080:Pascal；2560个cuda内核；8个tflops(单个prec)；8gb GD DRX 5 320 GB/s；最大180 w

特斯拉p100:帕斯卡；3584个cuda内核；9.3 tflops(单一预燃室)；16 GB hbm 2 732 GB/s；最大250 w

这不是直觉。有人做了一个特别的比较。下图显示了平均培训时间。特斯拉击败了格福斯；在基准测试中；然而，它只快1.25倍(换句话说，训练时间减少了20%)。在mnist基准上，这种差异并不明显，这可能是由于时代的快速发展。

以deepconvlstm为基准，两者的能耗和温度分别为:

显然，特斯拉有更高的处理性能和稳定性，但这两个系列是基于帕斯卡架构，他们的硬件规格非常相似。

然而，就价格而言，特斯拉比geforce高出近10倍。

因此，那些使用图形处理器的用户，尤其是那些不需要连续运行和稳定性要求不高的用户，经常使用geforce而不是tesla，包括一些数据中心客户——毕竟，不是每个人都那么有钱，用户有敏锐的眼光，并且有性价比更高的解决方案。谁会抛弃他们？

英伟达利用其垄断地位玩卑鄙的把戏？

因此，在NVIDIA更新了eula之后，正如清水亮所说，“要在数据中心做深度学习项目，无论是商业还是学术，无论是在日本还是海外，都必须以高价购买特斯拉系列”，而便宜易用的geforce系列则被强行驳回。

"这显然是英伟达(日本)利用其垄断地位玩的把戏."清水亮这么说。

试想一下，为什么学生被迫支付10倍于合理成本的实验或商业研究费用而没有直接的商业应用？它几乎和游戏中使用的芯片一样，仅仅因为它被放在数据中心，价格就上涨了十倍。这有什么可疑的吗？

作为《星球大战》的粉丝，清水亮将英伟达的这一战略转变比作一阶的崛起。

黄，谁爱gpu，深入学习和星球大战，是比较麒麟？！

嗯.....题外话:麒麟是《星球大战》系列电影中的一个虚构的恶棍，他拥有强大的原力，然后堕落到原力的黑暗面，渴望像他的祖父达斯·维达一样强大。

清水表示，深度学习社区让英伟达获得了创纪录的利润，该公司如何回报深度学习社区？就像在说，“如果你想继续工作，给我们十倍的报酬。”

文章发表后，梁庆水的愤怒得到了很大的共鸣和回应[3]。

特里维萨

作为一家商业公司，英伟达可以完全自由地限制和授权软件的使用。

同时，英伟达只限制使用geforce在数据中心进行深度学习，一般非商业用户如大学和研究机构不会受到影响。

此外，geforce作为一种专门用于显卡的显卡，对于数据中心应用来说效率不高。从数据中心的角度来看，geforce最初不太可能是为了深度学习而购买的。事实上，英业达一直在向数据中心客户推广稳定性更好的特斯拉。

另一种可能是英伟达懒得为非图形应用优化geforce的软件。

然而，值得注意的是，NVIDIA的条款明确指出，尽管geforce不允许在数据中心进行深度学习，但不允许进行挖掘。这可能是针对amd和其他竞争对手的，因为行业普遍认为后者在采矿方面效率更高。

但最终，英伟达对“数据中心”没有明确的定义。企业的计算机房是“数据中心”吗？尽管互联网巨头不喜欢geforece，但初创公司可能会使用它。

总之，毫无疑问，这项新规定将会影响许多正在发展的深度学习项目。

还有，当你有时间的时候，你可以访问reddit，反对(谴责)NVIDIA，支持NVIDIA，激怒其他芯片公司...在深度学习领域，对eula的修改可以引起这样的浪潮，除了NVIDIA，还有多少？