《霹雳游侠》变为现实 NVIDIA创人工智能基础 _ 游民星空 GamerSky.com

　　2015年将是图形技术全球领导品牌NVIDIA硕果累累的一年，就在上个月我们刚刚迎来了GeForce 900系列桌面级显卡真正的旗舰，Maxwell架构的完全体——TITAN X显卡。量变引发质变，这一代图形处理器的强大计算能力对这个时代的影响将绝不仅限于PC的图形计算层面，在深度学习技术方面它所拥有的高效率让未来人工智能平台获得有力依托，可应用在从现金医药研究到全自动架势汽车的多元领域。

　　2月14日，NVIDIA在中国北京筹办的技术媒体分享会上，NVIDIA为与会记者勾勒出用它图形芯片技术所创造的未来。同时会上我们还获悉NVIDIA下一代芯片架构Pascal（帕斯卡）的一些信息，预计在明年适当的时候它会与大家见面。

NVIDIA全球副总裁兼中国区总经理张建中致辞

NVIDIA中国区高级市场总监刘念宁发言

本次媒体分享会由NVIDIA中国区公关经理何京主持

NVIDIA中国区企业传播高级经理金洋

NVIDIA中国区技术市场经理施澄秋讲解技术细节

TITAN X深度学习运算所需时间是Intel 16核至强处理器的二十分之一

　　NVIDIA表示，只有如GPU这般超大规模的并行通用计算核心才能满足未来人工智能的深度学习所需。

自动驾驶汽车是人工智能应用的典型范例

　　就拿汽车自动驾驶技术举个简单的例子，汽车电脑从接受周边环境传感器数据到做出操作判断，并根据操作判断进行深度学习，这需要处理器拥有能与人类大脑潜意识所媲美的反应速度，从某种意义上来讲，哪怕相差1秒钟的时差都可能严重影响行车安全。

　　相较于当前的 Maxwell 处理器，NVIDIA 预计于明年推出的 Pascal 架构 GPU 将使深度学习应用中的计算速度加快十倍。

老黄手持TITAN X

　　NVIDIA 联合创始人、总裁兼首席执行官黄仁勋先生在于硅谷举办的 GPU 科技大会开幕主题演讲活动上，对四千名与会嘉宾揭露 Pascal 架构的细节与处理器的最新发展蓝图。

在深度学习方面Pascal架构的性能将表现优于Maxwell

　　他对听众们说：「得益于过去三年我们在研发工作上取得的成果，我们将从这个价值数十亿美元的改良产品中获益」。

　　深度学习指的是计算机使用神经网络自主学习的过程，这个趋势的兴起让 NVIDIA 又进一步改进了原本在去年 GTC 即公布的 Pascal 架构设计内容。

　　Pascal 架构 GPU 的三大设计特色将大幅加快训练速度，精准地训练更丰富的深度神经网络，犹如人类大脑皮层的资料结构将成为深度学习研究的基础。

人工智能的实现基础：深度学习

　　再加上 32GB 的显存（是NVIDIA 新发布的旗舰级产品 GeForce GTX TITAN X 的 2.7 倍），Pascal 架构可进行混合精度的计算任务。它将配备 3D 堆叠显存，提升深度学习应用程序的速度性能多达5倍；另搭配 NVIDIA 的高速互连技术 NVLink 来连接两个以上的 GPU，可将深度学习的速度提升达十倍。

令对称望尘莫及，Pascal架构相比Maxwell架构的三大改进

混合精度计算 – 达到更精准的结果

　　混合精度计算让采用 Pascal 架构的 GPU 能够在 16 位浮点精度下拥有两倍于 32 位浮点精度下的速率的计算速度。

　　更出色的浮点计算性能特别提高了深度学习两大关键活动：分类和卷积的性能，同时又达到所需的精准度。

3D堆叠显存–更快的传输速度和优秀的省电表现

　　显存带宽限制了数据向 GPU 传输的速度。采用 3D 堆叠显存将可提高比 Maxwell 架构高出三倍的带宽和近三倍的容量，让开发人员能建立更大的神经网络，大大提升深度学习训练中带宽密集型部分的速度。

　　Pascal 采用显存芯片逐个堆叠的技术，位置接近 GPU 而不是处理器板更往下的地方。如此就能把输出在显存与 GPU 间往返的距离从几英寸减缩到几毫米，大幅加快传输速度和拥有更好的省电表现。

NVLink–更快的数据移动速度

　　Pascal 架构加入 NVLink 技术将使得 GPU 与 CPU 之间数据传输的速度，较现有的 PCI-Express 标准加快5到12倍，对于深度学习这些需要更高 GPU 间传递速度的应用程序来说是一大福音。

　　NVLink 可将系统里的 GPU 数量增加一倍，以共同用于深度学习计算任务上；还能以新的方式连接 CPU 与 GPU，在服务器设计方面提供较 PCI-E 更出色的灵活性和省电表现。

　　或许在笔者有生之年，可以看到 《霹雳游侠》和《终结者》走出荧幕，变为现实，感谢NVIDIA。