Nvidia发布了一款最新的芯片，它突破了机器学习的极限。特斯拉公司首席执行官黄仁勋昨日在英伟达GPU技术年会上透露，这款特斯拉P100 GPU可以执行深度学习神经网络任务，速度是该公司此前的高端系统的12倍。Nvidia声称，P100对Nvidia来说是一个巨大的承诺，研发成本超过20亿美元，它在一个芯片上搭载了高达1500亿个晶体管，使P100成为世界上最大的芯片。除了机器学习之外，P100还可用于各种高性能计算任务——Nvidia只想让您知道它的功能​很擅长机器学习​.

除了P100的推出之外，英伟达还将其中的8台装进了一台价值12.9万美元的超级计算机DGX-1中，这台超级计算机昨天也宣布上市。这显示马的机器来准备运行，与深入学习软件预装。今年6月，它将首先交付给麻省理工学院、斯坦福大学、加州大学伯克利分校等机构的人工智能研究人员。在台上，黄奇帆称DGX-1为“机器的一头野兽”

“一台机器的野兽”

Nvidia为视频游戏行业打造了高性能图形处理芯片。图形处理需要大量的计算能力。神经网络深度学习也是如此，这是一种人工智能，通过层层模拟的神经元输入数据，训练计算机识别复杂的模式。随着越来越多的科技公司致力于开发深度学习技术——谷歌、微软、亚马逊、脸书、百度，榜单还在继续——英伟达将自己定位为人工智能芯片**商。

“以深度学习为动力的电脑可以完成我们无法想象的编写软件的任务，”黄在台上说深度学习不仅仅是一个领域或一个应用程序。比这个大得多。所以，我们公司全力以赴。”

在推进深度学习方面，处理能力至关重要。去年，微软的研究人员在ImageNet计算机视觉挑战赛中获得第一名，因为他们使用的神经网络比过去使用的任何神经网络都要深五倍。根据发表在《自然》杂志上的一篇论文，DeepMind使用了巨大的计算能力来训练它的围棋AI AlphaGo-1202 CPU和176 GPU。

通常情况下，数据越大、越复杂，深度学习机器需要的神经元层就越多。这意味着为了建立更大的神经网络，将允许更令人印象深刻的机器学习壮举得以完成-€” 例如，自动驾驶汽车中更精确的图像识别——研究人员和数据科学家需要更强大的芯片。英伟达计划建造它们。