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 (gtc taiwan) 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 nvidia gtc taiwan 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 gtc 2017 提出的 gpu cloud 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 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，借由 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。
酷冷至尊MB400L智瞳机箱评测 配置精简但留给玩家的可玩性很高
电视机与机顶盒电源开关联动方法
智能制造与数字化转型
稳压电源保护电路图
以车流量为核心的智能交通灯自动控制系统
GPU自主运算时代来临，人工智能将实现多元应用
大数据+深度学习下，BigDL框架的利弊与应用教程
硝基化合物电化学还原衍生的偶氮化合物用于高性能锂电池
声控玩具小猫的电路
虹科方案 | 您的通用软件无线电外设升级了吗？虹科提供最新高频5G毫米波解决方案
稀土机遇和挑战，对汽车产业的影响？
Dixons Carphone在英国和爱尔兰的移动业务收入为8.3亿英镑
有机肥养分检测仪的检测项目
日本福岛推“机器人拖拉机” 拓展创新农业
一文解析锂电池工作原理及应用
如何最大限度提高 Wi-Fi/蓝牙双模物联网设计的电池续航时间
灵高超声波换能器会影响与电路系统的匹配性吗？
因汽车将停产，通用汽车下月起裁员超1300人
雷达液位计和导波液位计的区别 雷达液位计的基本工作原理
USB、HDMI标准重大改进，下一代的VR设备，将只有一根USB Type-C
2017 年的 nvidia gtc taiwan 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 gtc 2017 提出的 gpu cloud 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 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，借由 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。
酷冷至尊MB400L智瞳机箱评测 配置精简但留给玩家的可玩性很高
电视机与机顶盒电源开关联动方法
智能制造与数字化转型
稳压电源保护电路图
以车流量为核心的智能交通灯自动控制系统
GPU自主运算时代来临，人工智能将实现多元应用
大数据+深度学习下，BigDL框架的利弊与应用教程
硝基化合物电化学还原衍生的偶氮化合物用于高性能锂电池
声控玩具小猫的电路
虹科方案 | 您的通用软件无线电外设升级了吗？虹科提供最新高频5G毫米波解决方案
稀土机遇和挑战，对汽车产业的影响？
Dixons Carphone在英国和爱尔兰的移动业务收入为8.3亿英镑
有机肥养分检测仪的检测项目
日本福岛推“机器人拖拉机” 拓展创新农业
一文解析锂电池工作原理及应用
如何最大限度提高 Wi-Fi/蓝牙双模物联网设计的电池续航时间
灵高超声波换能器会影响与电路系统的匹配性吗？
因汽车将停产，通用汽车下月起裁员超1300人
雷达液位计和导波液位计的区别 雷达液位计的基本工作原理
USB、HDMI标准重大改进，下一代的VR设备，将只有一根USB Type-C