禁止资料中心使用 GeForce 的 NVIDIA，是在滥用垄断地位吗？

对不少游戏玩家来说，NVIDIA 旗下的 GeForce 消费级显卡一直是热门之选；随着人工智慧和深度学习兴起，GeForce 又被某些用户用于进行深度学习相关工作。

对于想省点钱的用户来说，这没什幺问题；但急于用深度学习来提升 Tesla 高阶 GPU 销量的 NVIDIA，却不乐意了。

近日，日本 Ubiquitous Entertainment 总裁兼 CEO 清水亮发文称，NVIDIA 更新了 EULA（End User License Agreement，终端机用户许可协定），禁止用户在资料中心部署 GeForce 配套软体。

GeForce 的配套软体，是 GeForce 用来发挥自身硬体效能必须的；软硬体的深度结合，也正是 NVIDIA 的优势所在。

正如清水亮文中所说，NVIDIA 是全世界唯一一家提供 API 和半导体满足大量乘积累加函数运算（sufficient multiply-accumulate operation）需求的公司，后者正是深度学习的基础。

据了解，目前大多数深度学习框架和程式库都依赖 CUDA，而 CUDA 正是 NVIDIA 独立推出的并列计算架构；这意味着失去了 NVIDIA 官方驱动支援，GeForce 将无法用于深度学习。

至于第三方为 NVIDIA 显示卡开发的 Nouveau 驱动，并不支援 CUDA。

换句话说，没有 NVIDIA 官方的软体许可，使用 GeForce 进行深度学习训练几乎无法进行。

据此，清水亮认为，NVIDIA 更新意味着，无论消费用户还是企业用户，都无法再採用 GeForce 显示卡，在各自的资料中心执行深度学习工作。

清水亮指责，很明显 NVIDIA 是滥用在 GPU 领域的垄断地位；尤其是对想进行深度学习实验的学生群体和还未能商业化的企业而言，这种做法非常不合理。

对此，地平线创始人兼 CEO 余凯评论也认为：

实际上，NVIDIA 不仅修改条款，且已根据条款採取行动。2017 年 12 月 21 日，日本着名云端服务商 SAKURA 宣布停止提供基于 GeForce Titan X 的主机，原因正是收到 NVIDIA（日本）要求停止使用 Geforce 系列的书面通知。

当然，如果用户要继续深度学习训练，可买 NVIDIA 旗下 Tesla 系列 GPU，后者是专门针对深度学习推出的高阶产品。

但问题在于，Tesla 比 GeForce 效能其实并没有高出特别多，而后者已经够用；但 Tesla 的价格却贵得多，甚至贵达 10 倍以上。

这里以 GeForce GTX 1080 和 Tesla P100 比较。双方都採用 PASCAL 架构，CUDA 核心数分别为 2560 和 3584（后者比前者多不到一半），单核心 TFLOPS 后者略多，当然在显示记忆体速率和最大功率的提升比较明显。

实际的训练测试，双方表现如下图：

可看出能耗和温度方面，Tesla P100 的确比 GeForce GTX 1080 有效能和稳定性优势，但这种优势并不是辗压性的品质优势。

体现在价格，GeForce GTX 1080 官网价格为 549 美元；而 Tesla P100 在 Thinkmate 的报价为 5,699 美元。超过 10 倍的价格差距，就可是绝对辗压了。

Tesla 非常好，但是价格超高；GeForce 差了点，但能凑合着用，且价格非常低。因此，对想做深度学习研究却又阮囊羞涩的用户来说，GeForce 显然是性价比更好的选择。

因此，NVIDIA 明显是想切断将 GeForce 用于深度学习的这条低门槛路径，以此推动 Tesla 的销量；而更高的价格意味着更高的利润。

嗯，NVIDIA 就是想多赚点钱罢了。资讯服务网站 Solidot 也表示，NVIDIA 的消费者级显示卡 GeForce 和企业级显示卡如 Quadro 和 Tesla 架构相似，但价格天上地下，因此可能会有企业将消费级显示卡用于 AI 应用部署到资料中心。对于 NVIDIA 禁止将 GeForce 用于资料中心，Solidot 评论：

不过，NVIDIA 几乎切断 GeForce 与资料中心纽带同时，还留下一条后路：如果用户将 GeForce 用于基于资料中心的区块链，NVIDIA 表示这样做倒可以。

由此看来，区块链之所以倖免，可能是因为在这领域 NVIDIA 的优势并没有像深度学习领域的绝对优势；无论 AMD 家显示卡，还是自订的挖矿机，在挖矿场域都不会比 NVIDIA 的显示卡逊色。

最后，英文版和日文版 EULA 已更新的前提下，中文版还没有更新，但既然 NVIDIA 已在日本市场痛下杀手，恐怕其他地区也很难避免。