由 NVIDIA 輝達（NASDAQ：NVDA）所主導、贊助支持之 2017 年 GPU Technology Comference （圖形處理器技術研討會，後簡稱 GTC），在美西時間 2017 年 5 月 8 日起於美國舊金山灣區南灣的聖荷西會議中心展開。第三天一早的重頭戲為台裔美籍、 NVIDIA 創辦人兼執行長黃仁勳（Jensen Huang）的主題演說：「為人工智慧革命提供動力（Powering the AI revolution）」。（編按：與其隨後在台北 Computex 2017 的演說同題名，內容則分別稍有增刪）
黃仁勳在 2017 GTC大會演講的重點，主要都環繞在人工智慧的一切。演講伊始，黃仁勳就以輕鬆的口吻介紹 CPU （電腦處理器）核心在摩爾定律（Moore's Law）的描述下， 40 年來的成長限制。黃仁勳話風一轉，提及 NVIDIA 在 1993 年創立後，製作出 GPU （圖形處理器）產品，並在 2007 年左右，發現 GPU 相對於 CPU 的演算特別適合用來大量平行運算數學運算，因此 NVIDIA 推出 CUDA 框架，以基礎程式語言 C 的延伸集，透過 CPU 作為指導 GPU 分拆平行運算的架構，來加速特殊程式需求的演算時間。
黃仁勳引用了史丹佛大學校長 John L. Hennessy 在校內課程介紹並引用其研究處理器效能成長的數據指出，GPU 的演算效能將以每年 1.5 倍速成長，相對於 CPU 每年 1.1 倍速的成長幅度，到 2025 年將達 1000 倍的差距。「GPU 將比 CPU 對於特定領域的演算擁有更大優勢！」黃仁勳強調。
程式，其實是一大堆由程式設計師所寫好的工作流程，電腦必須按照工作流程規則執行工作。電腦科學家很快發現一個電腦一次只能執行一個指令是很慢的事，人類最好能讓電腦同時執行很多事，因此我們開始在應用層次至演算層次把工作流程拆開，使之可以平行執行。由於科學家與工程師、甚至藝術家（讀者不妨先想像動畫、遊戲與電影等領域之創作）對於演算法與應用程式的需求，我們對於軟體平行運算的要求越來越高，也帶動了 GPU 運算的需求出現與成長。（所以最早做 GPU 為了遊戲效果一點都不意外）
從 GPU 演算帶動人工智慧發展
隨著人類對演算的需求因為大數據、機器學習與人工智慧等應用越來越高，我們發現這些領域的演算也都可以依賴 GPU 執行，造就人們越來越重視 GPU 演算。黃仁勳提及，對電腦科學家而言，仰賴GPU加速的演算至少可以分成四個層次，從基礎架構（Architecture）、系統（System）、演算法（Alorithm）至應用程式（Application），NVIDIA是從下至上（改進演算架構，並提供更好、更快的系統與演算法生態系）、乃至從上至下（隨著應用程式的需求，改進演算法、系統甚至架構），往復不斷地改進、強化每一層次對 GPU 運算的需求，甚至有人稱 NVIDIA 對於 GPU 演算的精進達成了摩爾定律平方的效果。
GPU 有多重要？ 8 年前 NVIDIA 第一次辦 GTC，參加者人數剛破千，會場就在 2017 年 GTC 舉辦地聖荷西會議中心斜對面的 Fairmont 飯店。這個會議每年的參加者數以 30 % 成長，今年已經有超過 7000 人與會。黃仁勳並引用內部數字，說明 11 年來開發者數成長超過 110 倍，目前已經有超過 50 萬人註冊成為 GPU 的開發者，2016 年下載 CUDA 與相關的 SDK 更突破百萬次以上。
GPU 應用轉變幅度有多大？第一年的 GTC，拍攝星際大戰成名的製作公司盧卡斯影業的技術長，首次在此揭露如何運用電腦運算產生真實火焰的影像。但 2017 年的 GTC，雖有 10 家的 VR 公司直接拿成品掩飾準備搶奪由高盛、富達、軟銀與其他公司所提供共六個每名 150 萬美金的投資現金，也有 20 家 VR 新創在會場裡直接做展示。但在全會場共四天近 600 場演說裡，有 60% 都與人工智慧、深度學習等主題與工具有關、全球前 15 大的科技公司（如 IBM、Google、Microsoft、Amazon 等）全部都參加 GTC，更有高達 80 家的 AI 新創團隊群聚於此。
現代商用人工智慧於 2012 年後大規模爆發
今日所談的人工智慧，往往與機器學習或深度學習等字眼混合運用，事實上，人工智慧比較接近大眾所熟悉、能夠掌握理解的字眼，雖然目前字詞上運用的定義，往往讓大眾想像早超越實際技術討論的範圍，但目前整體來說仍大都是這類技術應用的結晶。人工智慧的發展曾經在歷史上多次因為運算瓶頸而停滯，最近的快速進展主因卻為大量實體世界的數位化資料累積總成本快速降低，與運算速度的快速提升，其中後者與 GPU 運算發展緊密相連。
從在人工智慧研究知名的瑞士人工智慧實驗室 IDSIA (Istituto Dalle Molle di Studi sull'Intelligenza Artificiale) ，發現在神經網絡的研究上可以透過 GPU 運算來進行加速開始（透過 CUDA 對卷積神經網絡，Convolutional Neural Network, CNN 的運算進行最佳化）；到多倫多大學的 Alex Krizhevsky 用 GPU 加速自己透過 CNN 模型改進所做出的 AlexNet 在 2012 年圖形分辨的知名比賽 ImageNet 中獲勝。人工智慧或深度學習的應用終於在商業上有了劇烈爆發性的應用與成長。Google Photo 能夠輕易分辨出人、貓、海邊等圖片資訊、NVIDIA如今與許多車廠合作改裝汽車實驗自動駕駛（Autonumous Driving）的可能性、AlphaGo在圍棋比賽中打敗人類、跨語言翻譯應用乃至自然語言處理的人工智慧助理等。
人工智慧的學術研究相關進展也在 2012 年後大規模爆發。2016 年參加人工智慧相關的學術研討會（NIPS、ICML、CVPR 與 ICLR）人數較 2014 年成長兩倍來到 13,000 人。（在電腦科學的學術領域，由於學術研討會論文審查、發表與交流速度較期刊更快，許多前瞻研究都追求研討會發表更甚於期刊發表，因此在相關領域觀察各研討會人員參加數、投稿量與文章錄取率，往往遠比學術期刊更有應用價值）Udacity 上已經有超過 20000 人修過人工智慧相關的學程，矽谷在人工智慧新創方面的投資在四年間則增加了 9 倍。
NVIDIA 在人工智慧的一系列佈局
本次 GTC NVIDIA 主要為以下六個領域超過 1300 家 AI 新創合作，涵蓋：健康、物聯網與製造、零售與電子零售業、自動駕駛、金融、網路應用（Cyber）、建築、工程與營建（AEC, Architecture, Engineering and Construction）、安全與智慧影像分析（IVA, Intelligent Video Analysis）、平台與API、資料管理、開發平台、商業智慧與視覺化。
以下，《數位時代》將為你全面剖析，整理 NVIDIA 在 GTC、Computex 所宣布的一連串新產品與服務，並分別針對不同服務細節進行追索訪問，分別看 NVIDIA 在人工智慧領域中，關於硬體、軟體與雲和汽車與機器人市場的深度佈局。
下載檔案 下載檔案 - sdfsdfdsfsd - sdfsdfsfdfsdfsd
下載檔案 
