为什么一家显卡公司忽然在人工智能领域有了巨大影响力？一家图形解决方案的供应商与人工智能行业又能有多少瓜葛？

◆ GPU对深度学习的助推力

到今天，人工智能研究已经有六十多年的时间。从最简单的文字对话，到电脑程序战胜人类国际象棋大师，人工智能在竖立了一个里程碑之后似乎就进入了平台期，再无标志性的成绩出现。然而最近两三年，计算机的智能水平突然得到了明显提升:识别图片和语音正确率超过人类，自动驾驶汽车开始上路，参加智力问答竞赛获得冠军，甚至曾经被认为无法战胜人类的围棋领域，人工智能也成绩斐然。这些成绩的背后，都离不开一种叫深度学习的算法，而运行这种算法的硬件平台，大多都在使用NVIDIA生产的GPU。

NVIDIA中国区总裁张建中在接受中关村在线视频专访时表示，这一两年机器的智能水平突然提升得益于三个因素。第一，大数据；第二，深度学习的算法；第三，强大的计算内容。这三个因素综合在一起，在人工智能的研究领域产生很大的突破，图形图像和语音的识别准确度都大幅度提升。

NVIDIA中国区总裁张建中

GPU强大的并行运算能力缓解了深度学习算法的训练瓶颈，从而释放了人工智能的全新潜力，也让NVIDIA顺利成为人工智能平台方案供应商。然而深度学习带来的飞跃是否会很快进入平台期，人工智能研究和应用会有新的热点吗？

在张建中看来，人工智能由于算法的原因，永远达不到百分之百的精准度，因此永远都有提升的机会。“通过不停的迭代提升精度和准确度，越往后难度越高，需要的计算量、数据量、算法模型和深度学习的层次更高，这些都会随着我们工作当中不停的积累和提升，这是一个良性循环的过程。”

至少在现阶段，我们看到深度学习算法在人工智能应用领域还有很大潜力。在以往的研究中，一个特定的应用在面对海量数据时，可能需要几个月甚至几年的时间才能完成训练，这显然不能满足实际应用的要求。以NVIDIA GPU为代表的并行处理技术进入人工智能领域，则极大缓解了计算层面的瓶颈，让深度学习成为实用的算法。

◆ 超前的架构设计为AI兴起奠定基础

在计算机图形解决方案领域，NVIDIA早已占据领导地位，而现在它在人工智能领域也同样重要。在图形应用中，GPU里专门设计的多个计算单元可以高速完成复杂的图形学计算，瞬间渲染出清晰逼真的图像。但是在NVIDIA看来，GPU不仅能处理图形，还有潜力完成更多应用领域的数据处理，实现新的算法优化。可以说NVIDIA早在二十年前就已经为今天的人工智能浪潮埋下了伏笔。

NVIDIA中国区总裁张建中在采访中透露，NVIDIA在做CUDA架构的时候就预测到超级计算机极大的潜力。“为了让GPU可以百分之百的编程，我们就调整了CUDA架构，每一个处理器并行在一起，从几百个做到几千个，成为今天超级计算机的核心根本。全新架构能够让超级计算机运算更快，在很小的功耗上发挥最大的计算能力。”目前GPU在超级计算机行业有相当大的应用，我国的天河1号就是采用NVIDIA的GPU做大型数据处理。

NVIDIA的CUDA架构为GPU在深度学习领域铺路

GPU大规模并行计算架构恰好符合深度学习的需要，通过几年的研发和积累，GPU已经成为超级计算机的重要支撑，极大的提升了机器学习的运算能力。人工智能的并行算法在过去可能需要一两年的时间才能看到结果，在GPU的强大计算能力的支持下，深度学习的算法得以突破，可以在短时间内高效能的得到数据结果。

首页<上一页12下一页>尾页