从最初用于游戏娱乐、视觉计算到如今的超级计算、云计算、大数据， GPU正不断释放强劲的计算潜力，更新着人们对于GPU的认识，如今更是成为数据中心、超算中心的标配，广泛应用于深度学习、大数据、石油化工、传媒娱乐、科学研究等行业。其中，深度学习指的是计算机使用神经网络自主学习的过程，深度学习技术是一项创新的计算引擎，涉及从语音和图像识别、医药研究到全自动驾驶汽车的多元领域，得益于GPU的应用，近几年深度学习的精准度大幅提高。

针对深度学习的四个发布

NVIDIA全球副总裁 PSG&云计算业务中国区总经理 Ashok Pandey

日前，在以“GPU计算开启深度学习的大门”为主题的大会上， NVIDIA全球副总裁、PSG兼云计算业务中国区总经理Ashok Pandey公布了NVIDIA针对深度学习的四个发布。

全球最快的GPU，GeForce GTX TITAN X。它采用 NVIDIA Maxwell GPU 架构的 TITAN X，结合 3,072 个处理核心、单精度峰值性能为 7 teraflops，加上板载的 12GB 显存，在性能和性能功耗比方面皆是前代产品的两倍。凭借强大的处理能力和 336.5GB/s 的带宽，让它能处理用于训练深度神经网络的数百万的数据。

针对研究人员的深度学习平台，DIGITS DevBox。它采用四个 TITAN X GPU、从内存到 I/O，DevBox 的每个组件都进行了最佳化调试，软件上它预装开发深度神经网络所需要使用到的各种软件，包括 DIGITS 软件包、最受欢迎的深度学习架构 – Caffe、 Theano 和 Torch，还有 NVIDIA 完整的 GPU 加速深度学习库 cuDNN 2.0。

用于自动驾驶汽车的深度学习平台，DRIVE PX。其定位是自动驾驶车载电脑，基于Tegra X1s处理器，DRIVE PX可以利用VPE视频处理引擎、GPU、ISP和CPU对摄像数据进行处理，再输出到显示设备和行车记录仪上。其搭载NVIDIA深度学习架构，能够依赖基于NVIDIA GPU的超算云端进行学习分析，再发回DRIVE PX。

十倍于MAXWELL的下一代Pascal架构。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，这主要得益于以下三大设计特色：第一，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。第二，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。第三，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， 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。

英伟达深度学习中国战略

Ashok Pandey表示：“NVIDIA公司的诸多技术正在彻底转变显示世界的面貌，使其成为充满互动与探索的世界，相信有了GPU的助力，深度学习会给人们的生活带来更多奇迹。NVIDIA将为中国的深度学习提供更多的技术平台和解决方案，并继续与中国的合作伙伴一起积极参加和推动深度学习生态链的构建。”

在硬件方面，为了推动中国企业在深度学习领域的研究，NVIDIA通过与曙光、浪潮等合作伙伴密切合作，为中国的深度学习研究产业链提供平台级支持。在软件方面，NVIDIA一直在积极推动CUDA开发平台的广泛应用。目前 CUDA已经成为深度学习计算编程人员的必备工具。

在应用领域，深度学习的研究将逐渐改变人们的生活方式。2015年1月，NVIDIA与爱奇艺建立了视频深度学习联合实验室。百度建立的计算机视觉系统Deep Image在ImageNet图像分类和识别测试中已非常接近人类的水平。腾讯搭建的基于GPU的深度学习平台Mariana，目前已支持了基于语音识别技术的语音输入法、语音开放平台、长按语音消息转文本等产品。这些产品的普及正改变着人机交互方式。

NVIDIA也正密切关注新兴企业在深度学习研究领域的进展，北京文安科技将GPU强大的计算性能应用到了智能交通、公共安全等解决方案中，加速了图像智能分析，并实现了更低功耗、更强大的性能和更多的功能，将为未来传统视频监控的智能化提供更多可能。旷视科技使用NVIDIA的GPU技术，大幅提高了旗下产品Face++的深度人脸识别的成功率。

北京航空航天大学教授 国家十二五 863计划高效能计算机及应用服务环境 重大项目总体组组长钱德沛

上海交通大学高性能计算中心副主任林新华

基于NVIDIA GPU技术的高性能计算网络，可以大幅度加快深度学习模型的构建，帮助研究和开发人员更好地进行基础研究和实际应用的开发。北京航空航天大学教授、国家" 十二五 863计划高效能计算机及应用服务环境" 重大项目总体组组长钱德沛教授和上海交通大学高性能计算中心副主任林新华也在现场发表演讲，肯定了NVIDIA GPU技术对于中国高性能计算领域的贡献。

写在最后

深度学习的研究前景不可限量，其发展需要英伟达与各个产业生态链合作伙伴的深入合作，需要全面推进深度学习在各个行业、高校以及研究机构的应用，需要建立起深度学习行业的快速发展的生态系统。