黃仁勛在1993年創立了一家叫做NVIDIA的公司，于1999年發明了圖形處理器GPU，從此GPU就改變了世界。特別是在游戲領域，NVIDIAGPU幾乎已經成為了游戲設備的標配。如今，NVIDIA獲得超過7300個專利，其中包括很多對現代計算有深刻影響的技術。

　　6年前，黃仁勛開始意識到人工智能對于未來人類社會的巨大影響力，開始帶領公司整體往人工智能方向轉型。2016年，NVIDIA密集發布了全線人工智能GPU芯片、系統、軟件和服務，而公司定位轉向成為“世界上偉大的人工智能公司之一”。

　　NVIDIA全球副總裁兼中國區總經理張建中說：“NVIDIA現在是一家人工智能公司，我們不再單一生產GPU芯片，而是系統性提供人工智能解決方案，包括芯片、服務器、軟件和服務等。我們不再是一家GPU公司。”

　　從NVIDIA的AI產品布局說起

　　盡管NVIDIA從6年前開始布局人工智能AI產品，但到了2016年才推出了比較完整的產品線，特別是在2016年9月13日的GTC CHINA 2016(NVIDIAGPU技術大會)上發布的推理加速器Tesla P4/P40，形成了深度學習的核心產品。

　　可能有人會問，什么是“推理加速器”?

　　首先，NVIDIA選取的人工智能路線為基于神經元網絡的深度學習算法，而這一算法有兩大核心組成部分，分別是“訓練”用于獲得神經元網絡模型，以及把訓練好的神經元模型用于“推理”。簡單理解，把基于神經元網絡的深度學習用于圖像識別，比如用海量花卉類圖片“訓練”出神經元網絡模型，這個模型就能用于識別新圖片里的花卉(“推理”)。

　　其次，NVIDIA于兩年前宣布了新一代PASCAL GPU芯片架構，這是NVIDIA的第五代GPU架構，也是首個為深度學習而設計的GPU，它支持所有主流的深度學習計算框架。在今年上半年，NVIDIA針對“訓練”推出了基于PASCAL架構的Tesla P100芯片以及相應的超級計算機DGX-1;而在9月的北京GTC大會上，NVIDIA針對“推理”推出了基于PASCAL的產品Tesla P4/P40，主要區別在于小尺寸的P4可用于任何服務器，而大尺寸的P40則需要定制服務器。

　　為什么要針對“推理”設計加速器呢?這是因為用于深度學習的神經元網絡模型正在變成規模巨大。以百度用于語音識別的神經元網絡為例，這個模型從2014年的2500萬個參數暴漲到2015年的1億個參數，而浮點運算則從2014年的2ExaFLOPS(每秒百億億次浮點計算)飆升到2015年的20ExaFLOPS，但錯誤率卻下降了40%。而2015年Image Net大賽的冠軍，即微軟的殘差網絡ResNet達到了152層，而2012年的冠軍Alex Net卻只有8層。這就是推理加速器的誕生緣由，即針對上百層和數以萬計參數的神經元網絡的大規模并行計算。

　　所以，Tesla P100是用于“訓練”的GPU，Tesla P4/P40是用于“推理”的GPU，這兩個產品都是針對企業和數據中心而設計。在更小型設備的物聯網層，NVIDIA則在今年3月推出了第二代嵌入式計算機Jetson TX1用于無人機、機器人、智能攝像頭等，以及9月推出的第二代自動汽車駕駛計算機Drive PX2。