2017年即将过去的时候，Nvidia（英伟达）悄然更新了其终端用户使用协议。具体的协议可以点击下面的链接：
这份协议的推出最早在日本引起了轩然大波，然后迅速波及全球。这份协议究竟修改了什么？为什么会引起如此大的争议？
限制GeForce软件用作数据中心
最大的争议来自协议2.1.3小节最后一个条款。这个条款翻译过来是不能将GeForce的软件用作数据中心，但是可以用来做矿机。挖矿是可以的。
英伟达的股票（股票代码：NVDA）在过去一年中上涨了一倍。 上涨的主要动力是虚拟现实火爆带来的对显卡需求增长，以及其显卡被广泛用于深度学习。英伟达抓住了人工智能这个突破点，为其显卡开发了完备的人工智能开发SDK。英伟达的CUDA平台配合相应的开发包如cuDNN可以对接诸多主流人工智能框架，如谷歌的Tenorflow等。这些软件可以将深度学习中最消耗计算资源的运算分发到到显卡上无数的并行计算单元中去。英伟达的GeForce系列显卡由于其极高的性价比而成为机器学习的入门神器，是无数人工智能学者，学生，爱好者以及小的人工智能初创公司的首选。
很多初创公司和学校都选择用很多GeForce显卡组成集群来加速深度学习的训练或者寻找更优的架构，同时为学生或者客户提供算力来进行学习或者实验。这些显卡集群就是这份软件使用协议中被禁止的数据中心。这一禁令给科研和小型初创公司的运营带来了很大冲击。
除了禁止机器学习的使用外，这份协议特别提出不限制将GeForce作为矿机。
为什么GeForce不能用作数据中心？
有媒体近日采访了英伟达询问关于这一用户使用协议更新的原因。英伟达的公关给出的回复是GeForce不是为了7*24，每周七天每天24小时开机，这样高强度的使用而设计了。为了用户体验，为用户着想起见，一切从用户的角度着想，所以就不要用了。
猛地听起来有道理，可是仔细考虑下似乎又不太合理。既然不建议7*24使用，那为啥挖矿不禁止？挖矿才是真的7*24运行啊。
参见英伟达官方的数据中心网页英伟达数据中心解决方案，英伟达推荐的Tesla和Titan。这是其高端GPU，可以提高大幅提升的性能，以及10倍的价格。可以猜测英伟达试图通过这一禁令迫使众多机器学习的初创公司和研究机构购买利润更高的产品。
那为什么不迫使挖矿的也转？这个问题就更有意思了。比特大陆这样的国内矿机方案商和矿场运营商采用的是自己设计的专用芯片。如果英伟达试图强迫矿机升级，那必然的结果是丢失这个市场。
所以，英伟达就是利用其在深度学习领域的垄断地位来谋求更高的利润。
这与最近苹果被坐实对老iPhone进行了性能限制有异曲同工之妙。
iPhone性能限制
其实谷歌早在几年前就已经意识到苹果可能干了些什么。下图是谷歌用户搜索关键字“iPhone slow”的统计，如下图所示。可以看到这个关键字”iPhone 变慢”的搜索频次总会在新一代iPhone发布时会达到顶峰。
这表示什么？大家想想你手机中空气质量监控APP什么时候使用频次最高？肯定是空气质量差的时候。很多人同时搜索iPhone变慢的原因只有一个，就是iPhone真地普遍性地变慢了。也说明过了一段时间后这个问题又慢慢消失了，或者大家终于无赖地承认了这个事实。
谢谢众多网友。终于有人用跑分软件把iPhone升级到iOS11前后的跑分贴了出来。终于有很多人干了同样的事。终于有人将苹果告上法庭。终于苹果限制手机性能这个事实被坐实了。终于苹果出来道歉了。
苹果的公关出来说，之所以限制前几代iPhone的性能纯粹是为了给用户最好的体验，所以，限制了用户手中iPhone的性能！
听起来颇有点无厘头的感觉。
苹果的解释是老旧iPhone的电池性能变差在天冷的时候可能意外关机，出于对用户体验的考量，所以限制性能来提升电池性能。
iPhone作为智能手机中的翘楚，使用了诸多科技手段来提升手机性能。既然是为了解决天冷时电池的问题，为什么不加任何限制地削减性能？为什么不只在温度低于某个阈值的时候才限速？为什么不在手机电量低于某个阈值后再开始限速？有好事，强大和无所不能的网友更换了电池之后发现问题依旧。这说明苹果的限制是针对特定的机型，根本没有考虑用户电池的实际情况。
和英伟达一样，苹果就是滥用自己的垄断地位来强迫用户更换手机。就是所谓的强制更新换代。让我们拭目以待苹果应对这几起诉讼，如何在法庭对此做出解释。
水能载舟也能覆舟
英伟达在深度学习领域的地位也许看起来牢不可破，这是的它可以无视用户的需求而随心所欲。苹果这几年的微微创新加更多颜色的创新窘境之下，其市值仍然突破新高，奔人类历史上第一个万亿美金公司而去。而iPhone的无数死忠粉无论如何也会去买新的iPhone。
这就是达到了垄断地位的公司的境界。而对消费者来说就是灾难，因为没有太多的选择。
选择其实是有的。广告时间。深度学习，英特尔的Xeon Phi同样提供了良好的解决方案。可以预见很多的用户可以转到英特尔解决方案。Xone Phi结合英特而的FPGA和通用CPU，可搭建专业的深度学习平台。有感兴趣的朋友可以和作者联系。
