黄仁勋: GPU 自主运算时代来临，深度学习将延续摩尔定律

2017-10-30 10:31:08 来源: technews

点击

图形芯片大厂NVIDIA于26 日在台北举行的GPU 技术大会(GTC Taiwan) 上，创办人暨执行长黄仁勋发表主题演讲时表示，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，藉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慧技术主流演算方式。

2017 年的NVIDIA GTC Taiwan 订出了包括「人工智慧的多元应用」、「人工智慧应用于工业生产」与「人工智慧与产业发展」等三大大会主题，且邀请产官学界讲师来分享藉由GPU 的运算，以协助各领域产业升级。并且，透过人工智慧应用，达成产业数位转型的目标。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，当前的人工智慧技术主要是以仰赖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，投资在人工智慧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表，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GTC 2017 提出的GPU Cloud 服务，将可让企业、新创公司藉由云端协图工作的方式，得到更强大的运算能力，借此达成各种深度学习的需求。其中包括人工智慧模式的建立、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，藉由深度学习模式，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TensorRT 3，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，藉由TensorRT 3 速器，可以使得原本需要160 组CPU，每秒分析4.5 万张照片的运算需求，简略到只要配置8 张Tesla V100 的单组NVIDIA HGX GPU 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。

完全无人驾驶汽车4年内上路

据路透社报道，NVIDIA首席执行官黄仁勋（Jensen Huang）星期四表示，4年内人工智能技术将催生完全无人驾驶汽车，但试图降低外界对来自加密货币矿主对该公司显卡需求激增的预期。

NVIDIA因设计显卡芯片在游戏产业大名鼎鼎，但最近数年不断跨界新领域，其中包括高性能计算、人工智能和自动驾驶汽车。

NVIDIA跨界新领域获得了丰厚回报，过去一年公司股价累计涨幅达到170%，市值也水涨船高地达到1160亿美元。

在NVIDIA在台北举办的一次会议上发言时，黄仁勋表示：“在不超过4年时间里将有完全无人驾驶汽车上路，完全自动驾驶汽车成为主流需要的时间，取决于其他因素。”

苹果、Facebook、Alphabet、亚马逊和华为等全球科技巨头，纷纷投入巨资开发和提供利用人工智能技术的服务和产品，寻求新的增长引擎。

苹果首席运营官杰夫·威廉斯（Jeff Williams）本周早些时候表示，公司将其移动设备看作是未来主要的人工智能平台。

黄仁勋表示：“企业中有许多任务可以实现自动化处理，社会生产力将得到提高。”

但黄仁勋降低了对加密货币拉动公司营收强劲增长的预期。AMD本周表示，来自加密货币的需求将会趋缓。

黄仁勋说：“每个季度加密货币业务给我们带来逾1亿美元营收，在我们营收中的占比很低。”

加密货币是利用加密技术保证安全的数字货币，可以交易。矿主利用计算机处理加密货币交易，并获得加密货币。

责任编辑：星野