圖形芯片大廠 NVIDIA (英偉達(dá)) 于 26 日在中國臺北舉行的 GPU 技術(shù)大會 (GTC Taiwan) 上，創(chuàng)辦人暨CEO黃仁勛發(fā)布主題演講時表示，在全球 AI 深度學(xué)習(xí)運(yùn)算的興起之下，人工神經(jīng)網(wǎng)絡(luò)的運(yùn)用凸顯出 GPU 運(yùn)算的特性。而且，借由深度學(xué)習(xí)運(yùn)算能夠延續(xù)遲緩成長多年的摩爾定律持續(xù)演進(jìn)，并且成為目前人工智能技術(shù)主流演算方式。

2017 年的 NVIDIA GTC Taiwan 訂出了包括“人工智能的多元應(yīng)用”、“人工智能應(yīng)用于工業(yè)生產(chǎn)”與“人工智能與產(chǎn)業(yè)發(fā)展”等三大大會主題，且邀請產(chǎn)官學(xué)界講師來分享借由 GPU 的運(yùn)算，以協(xié)助各領(lǐng)域產(chǎn)業(yè)升級。并且，透過人工智能應(yīng)用，達(dá)成產(chǎn)業(yè)數(shù)字轉(zhuǎn)型的目標(biāo)。黃仁勛指出，當(dāng)前一般的電腦運(yùn)算依然需要 CPU 來進(jìn)行。不過，在大量資料分析的工作上，借助 GPU 運(yùn)算能力已經(jīng)成為趨勢。所以，當(dāng)前的人工智能技術(shù)主要是以仰賴 CPU 與 GPU 的分工與合作為運(yùn)算架構(gòu)來執(zhí)行工作。

黃仁勛強(qiáng)調(diào)，在過去 5 年內(nèi)，投資在人工智能新創(chuàng)產(chǎn)業(yè)上已經(jīng)成長 10 倍，其總產(chǎn)值達(dá) 66 億美元的規(guī)模。在此同時，有關(guān)深度學(xué)習(xí)的論文發(fā)布，也在過去 3 年也成長 10 倍。其中，有超過 3,000 個論文內(nèi)容被提出，可以想像的是，人工學(xué)習(xí)與深度學(xué)習(xí)的議題身受重視。于是，NVIDIA 在 GTC 2017 提出的 GPU Cloud 服務(wù)，將可讓企業(yè)、新創(chuàng)公司借由云端協(xié)圖工作的方式，得到更強(qiáng)大的運(yùn)算能力，借此達(dá)成各種深度學(xué)習(xí)的需求。其中包括人工智能模式的建立、電腦視覺應(yīng)用、自動駕駛技術(shù)的發(fā)展，以及面對越來越多的物聯(lián)網(wǎng)使用需求等。

另外，借由深度學(xué)習(xí)模式，目前已經(jīng)可透過 GPU 加速應(yīng)用，來達(dá)成 3D 影像中的即時自然光影追跡、臉部表情與口語同步、動畫人物動作的自我表現(xiàn)、測量影像中的物件相對距離，或是讓機(jī)器手臂判斷與移動物件等技術(shù)。而面對這些未來的需求，NVIDIA 也宣布推出學(xué)習(xí)模型加速器 TensorRT 3，使得深度學(xué)習(xí)效率大幅提升，進(jìn)而在運(yùn)算設(shè)備成本上進(jìn)行明顯的節(jié)省。

黃仁勛進(jìn)一步表示，借由 TensorRT 3 速器，可以使得原本需要 160 組CPU，每秒分析 4.5 萬張照片的運(yùn)算需求，簡略到只要配置 8 張 Tesla V100 的單組 NVIDIA HGX GPU 的電腦即可達(dá)成相同運(yùn)算效能。而且，僅需要原本四分之一體積、二十分之一電力損耗，以及原本六分之一左右的成本支出就可以建構(gòu)出這樣的運(yùn)算能量?！斑@些節(jié)省下的成本就是金錢，這對企業(yè)來說非常的重要！”黃仁勛表示。

最后，黃仁勛表示，過去用在 CPU 制程上的摩爾定律已到尾聲，電晶體雖然每年持續(xù)增長 50%，但 CPU 效能成長僅 10%，使得 CPU 不可能再成長。因此，透過 GPU 運(yùn)算的深度學(xué)習(xí)將是另一種解決方案。而 NVIDIA 的 GPU 是產(chǎn)業(yè)專用加速器，將能補(bǔ)足 CPU 在大量運(yùn)算上的不足。而 Nvidia 也為自主運(yùn)算時代打造一系列的平臺架構(gòu)，包括 Jetson 超級電腦、JetPack 開發(fā)人員套件、DIGITS、Issac 機(jī)器人虛擬實驗室與深度學(xué)習(xí)單位等，以滿足當(dāng)前自主機(jī)器的世代即將來臨的需求。