GPU自主运算时代来临，人工智能将实现多元应用.doc

《GPU自主运算时代来临，人工智能将实现多元应用.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、GPU自主运算时代来临，人工智能将实现多元应用　　图形芯片大厂NVIDIA(英伟达)于26日在中国台北举行的GPU技术大会(GTCTaiwan)上，创办人暨CEO黄仁勋发布主题演讲时表示，在全球AI深度学习运算的兴起之下，人工神经网络的运用凸显出GPU运算的特性。而且，借由深度学习运算能够延续迟缓成长多年的摩尔定律持续演进，并且成为目前人工智能技术主流演算方式。　　2017年的NVIDIAGTCTaiwan订出了包括“人工智能的多元应用”、“人工智能应用于工业生产”与“人工智能与产业发展”等三大大会主题，且邀请产官学界讲师来分享借由GPU的运算，以协助各领域产业升级。并且，透过人工智能

2、应用，达成产业数字转型的目标。黄仁勋指出，当前一般的电脑运算依然需要CPU来进行。不过，在大量资料分析的工作上，借助GPU运算能力已经成为趋势。所以，当前的人工智能技术主要是以仰赖CPU与GPU的分工与合作为运算架构来执行工作。　　黄仁勋强调，在过去5年内，投资在人工智能新创产业上已经成长10倍，其总产值达66亿美元的规模。在此同时，有关深度学习的论文发布，也在过去3年也成长10倍。其中，有超过3,000个论文内容被提出，可以想像的是，人工学习与深度学习的议题身受重视。于是，NVIDIA在GTC2017提出的GPUCloud服务，将可让企业、新创公司借由云端协图工作的方式，得到更强大的

3、运算能力，借此达成各种深度学习的需求。其中包括人工智能模式的建立、电脑视觉应用、自动驾驶技术的发展，以及面对越来越多的物联网使用需求等。　　另外，借由深度学习模式，目前已经可透过GPU加速应用，来达成3D影像中的即时自然光影追迹、脸部表情与口语同步、动画人物动作的自我表现、测量影像中的物件相对距离，或是让机器手臂判断与移动物件等技术。而面对这些未来的需求，NVIDIA也宣布推出学习模型加速器TensorRT3，使得深度学习效率大幅提升，进而在运算设备成本上进行明显的节省。　　　　黄仁勋进一步表示，借由TensorRT3速器，可以使得原本需要160组CPU，每秒分析4.5万张照片的运算需

4、求，简略到只要配置8张TeslaV100的单组NVIDIAHGXGPU的电脑即可达成相同运算效能。而且，仅需要原本四分之一体积、二十分之一电力损耗，以及原本六分之一左右的成本支出就可以建构出这样的运算能量。“这些节省下的成本就是金钱，这对企业来说非常的重要！”黄仁勋表示。　　最后，黄仁勋表示，过去用在CPU制程上的摩尔定律已到尾声，电晶体虽然每年持续增长50%，但CPU效能成长仅10%，使得CPU不可能再成长。因此，透过GPU运算的深度学习将是另一种解决方案。而NVIDIA的GPU是产业专用加速器，将能补足CPU在大量运算上的不足。而Nvidia也为自主运算时代打造一系列的平台架构，包

5、括Jetson超级电脑、JetPack开发人员套件、DIGITS、Issac机器人虚拟实验室与深度学习单位等，以满足当前自主机器的世代即将来临的需求。