導讀：NVIDIA圍繞人工智能領域的人工布局和創新，是智能A正大勢所趨，更是計算麗江美女上門預約（電話微信156-8194-*7106）提供頂級外圍女上門，可滿足你的一切要求NVIDIA在新時代的新使命。AI賦予了NVIDIA未來更大的新紀新想象力，NVIDIA也正引領人工智能走向更大的元N引領舞臺。

　　在過去，人工企業通向成功的智能A正可靠途徑是優化自身獨有的價值鏈。而如今，計算有遠見的新紀新企業在通過打造自身競爭優勢的主要方式，則更多地是元N引領依靠“連接”的力量。

　　9月26日，人工在北京舉辦的智能A正GTC CHINA 2017上，NVIDIA真正把人工智能和中國兩個關鍵詞實現了“連接”，計算為中國在人工智能創新大潮，新紀新以及第四次工業革命中后來居上、元N引領實現“彎道超車”提供了重要的突破口。

　　當天，英偉達創始人兼CEO黃仁勛面向3500名參會者，展示了一系列能夠加快人工智能大規模采用速度的創新技術，更表達了技術賦能中國市場的決心和信心。

　　正如黃仁勛所言：“NVIDIA作為一家平臺供應商，我們的任務就是不斷的讓這個平臺與時俱進，讓它做得更好，讓它不斷的進步，支持更多的人去創業創新，去實現自己的麗江美女上門預約（電話微信156-8194-*7106）提供頂級外圍女上門，可滿足你的一切要求夢想。”

　　在我看來，NVIDIA正將AI計算帶入新紀元，同時更開啟了屬于它的新時代。

　　人工智能計算新紀元

　　眾所周知，近幾年興起的人工智能浪潮，根本原因正是計算力的快速發展，結合互聯網、物聯網帶來的海量數據和深度學習等先進算法共同催生而成，其實際應用效果和社會影響力遠遠超出以往。

　　但是，隨著人工智能的快速發展，更深更大的算法模型、更復雜的架構正在成為趨勢。在這種情況之下，如果計算力不能相應增長，整個人工智能的學習過程將變得無比漫長。可以說，人工智能對計算的需求是永無止境的。

　　英偉達創始人兼CEO黃仁勛

　　所以，在黃仁勛看來，要推動人工智能不斷的發展，那么未來計算領域將被兩股力量所左右，具體來說：

　　一是，摩爾定律的終結，之所以有此判斷，是因為盡管晶體管的數量每年都以50%的速度增長，但CPU的性能每年僅僅只能增長10%。此外，設計人員更無法再創造出可以實現更高指令級并行的CPU架構。

　　二是，深度學習也以暴風般的速度和大數據一起席卷而來，深度學習的過程就是使用多個處理層對數據進行高層抽象，得到多重非線性變換函數的過程。就目前而言，深度學習通過構建深層神經網絡，并在海量數據的基礎上來模擬人類大腦的工作原理。

　　所以，從上述兩個角度來看，其實也就不難理解NVIDIA在這兩年中的快速崛起的真正秘訣，正是因為NVIDIA的GPU有效彌補了CPU的補足，大大加速了處理高強度計算負載的能力，從而讓GPU計算的潛力得以全面的釋放。

　　舉例來說，今年5月份NVIDIA發布的基于Volta架構的Tesla V100 GPU處理器，相較于CPU加速了40倍，因此只需要一臺8 GPU服務器即可替換160臺雙CPU服務器或者4個機架服務器，而每臺V100服務器更可節省約50萬美元。

　　此外，基于CUDA架構的NVIDIA GPU處理器，更將專用功能ASIC的卓越性能與通用編程模型相結合，為開發人員帶來了多種算法的可能性。數據顯示，CUDA開發人員的數量在5年里增加到了60萬人，增長了14倍；而CUDA的下載量達到了180萬，僅去年一年的下載量便增加了80萬。

　　對此，黃仁勛表示：“由于GPU強大的計算能力，我們可以將這種計算能力應用到人工智能訓練當中，進而推動整個深度學習革命式的發展。同時，GPU計算也為整個人工智能行業指明了前進的道路。”

　　不僅如此，在GTC CHINA 2017上，NVIDIA還正式發布的TensorRT 3 AI推理軟件，這款產品號稱“世界上最快的 TensorFlow 應用平臺”，它與NVIDIA GPU的結合就能夠基于所有的框架、為諸如圖像和語音識別、自然語言處理、視覺搜索和個性化建議等人工智能服務提供超快速且高效的推理。

　　關鍵的是，TensorRT 3還能夠快速優化、驗證并部署經過訓練的神經網絡，從而在超大型數據中心、嵌入式GPU或車用GPU平臺上開展推理工作。此外，其速度可達到CPU 的40倍，同時相較于基于CPU的解決方案，成本僅為其十分之一。

　　由此可見，NVIDIA正在創造出一個超越“摩爾定律”式的創新曲線圖，包括了傳統CPU搭配GPU加速器、管理人工智能與超級計算應用的新型分布式框架，以及前所未有的訓練數據的算法模型。可以說，NVIDIA的技術創新讓人工智能計算邁入了新紀元。

　　全方位賦能中國市場

　　今天，不少國家都意識到人工智能的戰略意義，因此具有一定科技競爭力的國家也都先后出臺了政策大力支持人工智能的發展，尤其是歐美日等發達國家紛紛推出人工智能計劃，并將人工智能上升至國家戰略的高度。

　　中國同樣也不甘落后，在國務院今年7月正式印發的《新一代人工智能發展規劃》中，就明確提出了中國AI“三步走”戰略、八大關鍵技術研究、數十個產業落地、AI人才的培養和引進、以及成立人工智能規劃推進辦公室等戰略規劃。

　　因此，對NVIDIA而言，在中國通往人工智能的道路上，不但要給開發者和合作伙伴提供全新的平臺和動力之源，也要帶來更多創新的的能量。換句話說，NVIDIA希望全方位賦能中國市場，在GTC CHINA 2017上，我們就看到了NVIDIA一系列令人驚訝的進展。

　　第一，阿里巴巴、百度和騰訊在內的中國頂級互聯網公司，已在各自的云服務中采用 NVIDIA Volta GPU處理器，這為人工智能推理和訓練提供了更快的速度和可擴展性，也意味著NVIDIA全面融入中國的AI云服務，同時更為諸多中國企業采用AI，提供了更加便捷的平臺。

　　第二，華為、浪潮、聯想等服務器廠商正在采用NVIDIA的HGX參考架構，為超大型數據中心提供基于Volta的加速系統。通過NVIDIA HGX合作伙伴計劃，這些合作伙伴可與NVIDIA共同合作，更快設計出各種符合超大規模數據中心需求的GPU加速人工智能系統，并投入市場，從而滿足各行各業對AI計算日益增長的需求。

　　第三，NVIDIA還與中國主流的科技公司展開更多的技術合作。例如，NVIDIA宣布將與京東共同合作，利用基于NVIDIA Jetson超級計算機模塊驅動的智能機器將人工智能引入物流與配送領域；將中國語音識別領域的巨頭科大訊飛單個服務器能同時處理的訪問量提高了10倍等等，這為中國更多行業的創新提供了重要的支持。

　　第四，在智慧城市領域，用于打造AI智慧城市的NVIDIA Metropolis平臺，則先后獲得了海康威視、浙江大華、阿里巴巴、華為的采用。Metropolis于今年5月份首次發布，是一個包含各種工具和技術從終端到云端的視頻分析平臺，以構建覆蓋交通與停車管理、執法、城市服務等各個方面更智能、更快速的AI應用，從而推動智慧城市的落地。

　　最后，NVIDIA還不斷踐行“授人以漁”的理念，在GTC CHINA2017上，NVIDIA深度學習學院宣布將聯手騰訊及麗臺科技，為開發者、數據科學家和研究人員提供人工智能動手實驗培訓，為中國培養下一代人工智能從業者打下堅實基礎。

　　除此之外，針對創新、創業公司，NVIDIA建立了GPU風險投資計劃，可為這些新創企業提供營銷、運營、財務以及其它方面的支持。在中國，NVIDIA參與了景馳科技投資項目。此前，NVIDIA還投資了中國自動駕駛卡車初創公司圖森未來。

　　不難看出，這其實正是NVIDIA領先的AI技術能力，以及適配本地化的服務，讓NVIDIA更加接地氣，更符合合作伙伴和開發者當下的的需求，這是NVIDIA開放平臺價值的體現，相信這一系列的舉措將大大提速中國乃至全球人工智能商業化的進程。

　　NVIDIA正引領新時代

　　在我看來，在人工智能落地的過程中，NVIDIA既是早期的探索者，也是落地的實踐者，更是未來的推動者。

　　首先，從探索者角度看，作為全球GPU行業的領導者，如今的NVIDIA無疑站在了時代的最前沿，在這背后是NVIDIA不斷在人工智能計算領域不斷創新，不斷探索的真實體現。

　　對此，黃仁勛表示：“NVIDIA不會做那些每一次好一點點的通用性處理器，而是要做在一些專門的領域、性能極好的處理器。”從這段話中，可以看出正是這種敢于創新，勇于創新的精神，讓NVIDIA在人工智能時代得以實現“完美的轉身”。

　　其次，從實踐者的角度看，人工智能時代的到來，NVIDIA在開啟一個全新市場機遇的同時，也積極加速人工智能的落地，通過NVIDIA系統性的提供包括芯片、軟件和服務等一系列的人工智能解決方案，讓NVIDIA技術賦能各行各業的價值得以充分釋放。

　　可以預期，不斷降低人工智能計算力工具的使用門檻，NVIDIA無疑將推動更為廣泛的人工智能領域的創新。

　　最后，從推動者的角度看，NVIDIA還在不斷超越和突破自我。例如，在自動駕駛領域，NVIDIA DRIVE是一款為自動駕駛行業帶來變革的端到端平臺，迄今為止以被145家自動駕駛初創公司采用。多種深度學習和計算機視覺算法將為L4和L5級別自動駕駛技術提供所需的多樣性和冗余性。

　　此外，在機器人領域，NVIDIA預覽了全球首款自主機器處理器Xavier，這是迄今為止最為復雜的片上系統，它的出現必將突破機器人與外部世界交互和執行復雜任務這個歷史性難題。

　　綜上所述，NVIDIA一系列圍繞人工智能領域的布局和創新，不僅是大勢所趨，更是NVIDIA在新時代的新使命。可以說，AI賦予了NVIDIA未來更大的想象力，而NVIDIA也正引領人工智能走向更大的舞臺。

(責任編輯：知識)