nVIDIA|Nvidia考虑收购Arm？打的什么算盘 Nvidia考虑收购Ar

北京时间7月23日凌晨，Bloomberg发布消息称Nvidia正在收购ARM，引起了半导体业界的关注。2016年，日本财团软银以320亿美元的价格收购了ARM 。当时的软银风头正劲，孙正义在当时下了大赌注押注人工智能和IoT，而全资收购ARM正是软银在IoT领域的一笔巨额投资。
【nVIDIA|Nvidia考虑收购Arm？打的什么算盘】访问购买页面:
京东NVIDIA系列商品汇总

文章图片

然而，在最近两年，随着几个软银重金投资的公司经营不尽如人意，软银正在选择战略收缩，其中一项重要举措就是打算把ARM的IoT部门合并进软银，而剩下的ARM则会重新上市或者出售给有意向的买家。正是在这个时间节点上，传出了Nvidia和ARM进行收购谈判的新闻。

为什么Nvidia对ARM感兴趣？

与软银自2016年开始走下坡路不同，Nvidia从2016年至今股价已经涨了8倍有余。作为半导体行业人工智能领域的领头羊，Nvidia目前可谓是不差钱，因此考虑高规格收购一些重要标的也是情理之中。

文章图片

那么，为什么Nvidia会考虑收购ARM呢？我们认为，从技术和市场上至少有两种动机。首先，Nvidia虽然在云端人工智能领域处于遥遥领先的地位，但是其多年来对于移动市场的尝试都不够成功。10年前，在智能手机兴起的时候，Nvidia试图以Tegra系列进入移动设备市场，可惜Tegra并没有得到太多移动设备厂商的认可，最终未能成为主流。在人工智能兴起之后，Nvidia尝试凭借在服务器端的优势向下打终端人工智能市场，为此推出了Jetson系列移动端人工智能平台。Jetson系列仍然是基于轻量级的GPU架构，而在移动端对于能效比和成本都非常苛刻，因此Jetson的设计还是显得太“重”，目前Jetson仍然没有进入主流应用，而是停留在学界研究使用和一些工业应用中，其出货量离“终端智能”的海量前景还相距甚远。

Nvidia另一个进入移动端人工智能的尝试是开源的NVDLA，NVDLA是Nvidia发布的深度学习加速器IP，它并不基于GPU架构，而是为了终端深度学习做了优化。NVDLA的性能数字很漂亮，但是在市场和发布时间上并不占优势——当时主流移动端SoC公司都已经有（或者非常接近有）自己的配套深度学习加速器IP（包括ARM，海思等等），而SoC厂商对于自家深度学习加速器IP的支持和Nvidia能提供的开源IP支持的力度不可同日而语，因此最终NVDLA也并没有在移动端得到大量的使用。

相反，ARM在移动端SoC的霸主地位目前无人可以动摇，目前主流移动设备SoC都离不开ARM的IP授权，因此Nvidia如果想要一统云端-终端人工智能市场，那么通过收购ARM来实现对于终端人工智能市场的渗透肯定是合理的考量。ARM目前在移动端的产品包括CPU，GPU和深度学习加速器，其IP和Nvidia在人工智能方面的CUDA编程生态也存在非常好的互补性。

除了移动端之外，Nvidia另一个收购ARM的动机或许不是那么显而易见，但是却也是非常重要，那就是云端服务器的处理器。目前，云端服务器的主流处理器仍然是基于x86架构，然而ARM在云端服务器领域的势头也非常好。亚马逊在早些时候公布了基于自研ARM CPU的AWS云服务器，而华为也发布了基于ARM架构自研鲲鹏CPU的泰山系列服务器，其处理器性能可以媲美Intel至强处理器。

对于Nvidia来说，目前在云端服务器端的应用主要是基于人工智能加速的GPU，并且在人工智能生态上确实全球领先，但是如果想要进一步在云端服务器做突破，则需要在云端走入人工智能之外的应用，或者在云端人工智能领域应用到更多的领域。这两者都需要CPU——目前，云端服务器上还有大量非人工智能的应用跑在CPU上，除此之外，即使是人工智能应用，也有大量算法难以用GPU加速，因此也是跑在CPU上。如果Nvidia想要加强其在云端服务器领域的市场占有率，或者想要在云端人工智能领域巩固其主导地位，那么收购一个CPU公司并且和其GPU生态整合到一起将会是一个非常好的方案。目前，CUDA在GPU领域已经是公认的人工智能标准生态，如果Nvidia能凭借其在人工智能领域的强势，把GPU和CPU生态打包去打开服务器市场也很有机会。