2020-12-14
7845
導讀： 因為AI、VR/AR與自駕車應用(yong)(yong)(yong)需(xu)求提高后，也促使GPU重要性與日俱增，甚至為了(le)因應深(shen)度(du)學習與AI應用(yong)(yong)(yong)趨勢，新世代GPU反而希望盡可能(neng)在晶片中(zhong)裝入(ru)了(le)更(geng)多電晶體和核心(xin)數，來(lai)提高大量同(tong)性質(zhi)的(de)資料計(ji)算(suan)能(neng)力(li)。 GPU應用(yong)(yong)(yong)因AI開始有了(le)截然不同(tong)的(de)新轉變(bian)，不只讓一(yi)些(xie)支援高度(du)平行運算(suan)應用(yong)(yong)(yong)的(de)高階(jie)GPU相繼問世，現在連(lian)整(zheng)套GPU深(shen)度(du)學習專用(yong)(yong)(yong)伺服器也搶灘登(deng)陸，要助企業加快AI應用(yong)(yong)(yong)。
AI崛起(qi) GPU竄升(sheng)成一線(xian)主角
AI人工智慧、虛擬/擴增實境（VR/AR）與(yu)自動駕(jia)駛技(ji)術，在過去一(yi)年引起(qi)很高的市場關(guan)注，而一(yi)舉躍(yue)升成(cheng)為當(dang)前最(zui)火紅(hong)的熱門話題，特別是以深度學(xue)習(xi)（Deep Learning）為首的AI應用，過去幾個(ge)月來，因為Google的AI電(dian)腦AlphaGo接連大敗歐洲和南(nan)韓國圍棋棋王，更在全世界吹(chui)起(qi)一(yi)股AI風(feng)潮，使得現在不只有大型(xing)科技(ji)或網路公(gong)司要大力投(tou)資AI，就連各國政府也都要砸重金扶植AI產業(ye)。
目前(qian)一些大(da)型科技或(huo)網路(lu)業者，例如Google、Facebook、亞馬遜AWS、IBM、微(wei)軟與百(bai)度等，都陸續已在云(yun)端服務(wu)中融入AI服務(wu)，做(zuo)為電(dian)腦視覺、語音辨識和機器人(ren)等服務(wu)用(yong)(yong)途，甚至，也開始(shi)有越(yue)來越(yue)多規模較(jiao)小(xiao)的新創(chuang)或(huo)網路(lu)公(gong)司(si)，如Api.ai、Drive. ai、Clarifai與MetaMind等，打算將AI開始(shi)應用(yong)(yong)在各行各業的領域(yu)上。
GPU開始(shi)在AI應用逐漸嶄露(lu)頭角
然而，決定這些AI服務能不(bu)(bu)能獲得(de)(de)(de)更好(hao)發揮(hui)的(de)關(guan)鍵，不(bu)(bu)只(zhi)得(de)(de)(de)靠(kao)機器學習的(de)幫忙，甚至得(de)(de)(de)借助深(shen)度學習的(de)類神經演算法，才能加深(shen)AI未來(lai)(lai)的(de)應(ying)用。這也使(shi)得(de)(de)(de)近(jin)年(nian)來(lai)(lai)，GPU開始在一(yi)些AI應(ying)用當中(zhong)逐(zhu)漸嶄露頭角(jiao)。這是(shi)因為不(bu)(bu)論是(shi)AI、VR/AR，還是(shi)自動(dong)駕駛(shi)技術(shu)的(de)應(ying)用，雖(sui)然各(ge)有不(bu)(bu)同用途，但他們普遍都(dou)(dou)有一(yi)個共同的(de)特色，都(dou)(dou)是(shi)需要大量平行運算（Parallel Computing）的(de)能力，才能當作(zuo)深(shen)度學習訓(xun)練(lian)模型使(shi)用，或(huo)者是(shi)將圖形繪(hui)制(zhi)更貼近(jin)真實呈現。
所(suo)謂的(de)(de)(de)平(ping)行運(yun)(yun)(yun)算(suan)(suan)(suan)(suan)泛指(zhi)的(de)(de)(de)是(shi)(shi)將(jiang)(jiang)大(da)量且(qie)密集的(de)(de)(de)運(yun)(yun)(yun)算(suan)(suan)(suan)(suan)問(wen)題，切割成一個個小的(de)(de)(de)運(yun)(yun)(yun)算(suan)(suan)(suan)(suan)公式(shi)，而(er)在(zai)(zai)同時間內并行完成計(ji)算(suan)(suan)(suan)(suan)的(de)(de)(de)一種運(yun)(yun)(yun)算(suan)(suan)(suan)(suan)類型(xing)。而(er)GPU則是(shi)(shi)最能(neng)夠將(jiang)(jiang)平(ping)行運(yun)(yun)(yun)算(suan)(suan)(suan)(suan)發揮到極致(zhi)的(de)(de)(de)一大(da)關鍵(jian)，這是(shi)(shi)因為GPU在(zai)(zai)晶片架構上，原本就(jiu)(jiu)被設計(ji)成適合以(yi)分散式(shi)運(yun)(yun)(yun)算(suan)(suan)(suan)(suan)的(de)(de)(de)方式(shi)，來加速完成大(da)量且(qie)單調式(shi)的(de)(de)(de)計(ji)算(suan)(suan)(suan)(suan)工作，例如圖形(xing)(xing)渲染等。所(suo)以(yi)，過(guo)去(qu)像(xiang)是(shi)(shi)高細膩電玩畫面(mian)所(suo)需的(de)(de)(de)大(da)量圖形(xing)(xing)運(yun)(yun)(yun)算(suan)(suan)(suan)(suan)，就(jiu)(jiu)成為了GPU最先被廣為運(yun)(yun)(yun)用(yong)的(de)(de)(de)領域(yu)，現(xian)在(zai)(zai)，VR/AR則是(shi)(shi)進一步打算(suan)(suan)(suan)(suan)將(jiang)(jiang)原本就(jiu)(jiu)擅于繪圖運(yun)(yun)(yun)算(suan)(suan)(suan)(suan)的(de)(de)(de)GPU發揮得(de)更淋(lin)漓(li)盡致(zhi)，來呈現(xian)出高臨(lin)場感的(de)(de)(de)3D虛擬實境(jing)體驗(yan)。
當然在(zai)游戲繪圖運(yun)算外，后(hou)來(lai)GPU也被拿來(lai)運(yun)用在(zai)需要(yao)大量同質(zhi)計算的科學研究中(zhong)使用。甚至近年(nian)來(lai)，GPU也開(kai)始(shi)因(yin)為深度學習的關(guan)系，而在(zai)一(yi)些(xie)AI應用當中(zhong)擔任(ren)重要(yao)角色。
深度學(xue)(xue)(xue)習(xi)其實是機器學(xue)(xue)(xue)習(xi)類神經(jing)(jing)網(wang)(wang)(wang)路的(de)其中(zhong)一個(ge)分(fen)支，深度學(xue)(xue)(xue)習(xi)本身(shen)(shen)是由很(hen)多小(xiao)的(de)數學(xue)(xue)(xue)元件組合(he)成(cheng)一個(ge)復雜模(mo)(mo)型，就(jiu)像是腦神經(jing)(jing)網(wang)(wang)(wang)路一般，可以(yi)(yi)建構出多層次的(de)神經(jing)(jing)網(wang)(wang)(wang)路模(mo)(mo)型，來(lai)分(fen)別處理不(bu)同層次的(de)運算工作(zuo)，這些神經(jing)(jing)網(wang)(wang)(wang)路本身(shen)(shen)并不(bu)做判(pan)斷(duan)，只重覆相同計算工作(zuo)，使(shi)得(de)GPU在(zai)深度學(xue)(xue)(xue)習(xi)方面可以(yi)(yi)獲(huo)得(de)很(hen)好的(de)發揮(hui)，而隨著(zhu)網(wang)(wang)(wang)路、云端和硬體技術(shu)成(cheng)熟所帶來(lai)巨量(liang)的(de)資料，也造就(jiu)了現(xian)在(zai)所需完成(cheng)訓練的(de)深度學(xue)(xue)(xue)習(xi)模(mo)(mo)型，比起以(yi)(yi)前(qian)更需要大量(liang)高階(jie)GPU的(de)平(ping)行運算能力，才足以(yi)(yi)應付(fu)得(de)了。
GPU平行運(yun)算性價比(bi)贏過CPU
因(yin)(yin)為AI、VR/AR與(yu)自駕(jia)車應用需求提(ti)高后(hou)，也促(cu)使GPU重要性(xing)與(yu)日(ri)俱增，甚至為了因(yin)(yin)應深度(du)學習與(yu)AI應用趨勢，新世代GPU反而希望盡可能在(zai)晶片中(zhong)裝(zhuang)(zhuang)入了更多電晶體和核心(xin)數(shu)，來提(ti)高大量(liang)同(tong)性(xing)質(zhi)的(de)資料計(ji)算(suan)能力。若(ruo)是(shi)以Nvidia新的(de)Tesla P100系列的(de)GPU加速器產品來舉(ju)例說明的(de)話，在(zai)這個GPU加速器內總共(gong)裝(zhuang)(zhuang)有(you)3，584個CUDA核心(xin)數(shu)（單精度(du)條件(jian)下），其(qi)內含(han)的(de)電晶體數(shu)更一(yi)舉(ju)超過(guo)了150億顆，數(shu)量(liang)幾乎是(shi)前(qian)一(yi)代Tesla M40 GPU的(de)翻倍，在(zai)雙(shuang)精度(du)條件(jian)下的(de)浮點運算(suan)能力，更高達有(you)5.3 TFLOPs。
當然GPU之外(wai)，CPU本(ben)身也具有計(ji)算(suan)(suan)(suan)處理(li)的能力，不過在處理(li)平(ping)行(xing)(xing)運算(suan)(suan)(suan)時，臺灣(wan)大學資(zi)工(gong)(gong)系副教(jiao)授洪(hong)士灝認為(wei)(wei)，GPU的CP值（性(xing)價比）比CPU還(huan)要高。這是(shi)因(yin)為(wei)(wei)GPU原本(ben)就(jiu)擅(shan)長(chang)處理(li)大量高同質性(xing)的資(zi)料(liao)計(ji)算(suan)(suan)(suan)工(gong)(gong)作，而CPU則擅(shan)于通用(yong)(yong)型任(ren)務的資(zi)料(liao)處理(li)，所(suo)以對于一些需(xu)要大量單調式運算(suan)(suan)(suan)工(gong)(gong)作的應用(yong)(yong)，就(jiu)很適合使用(yong)(yong)GPU來(lai)執行(xing)(xing)，例如(ru)利用(yong)(yong)深度學習(xi)神經網路訓練(lian)模型來(lai)實現AI應用(yong)(yong)，或者(zhe)是(shi)用(yong)(yong)繪圖運算(suan)(suan)(suan)呈現VR/AR所(suo)需(xu)的高細(xi)膩畫面，都很適合用(yong)(yong)GPU的方式來(lai)進行(xing)(xing)計(ji)算(suan)(suan)(suan)。
另外從Nvidia官方所公布的(de)(de)(de)(de)一份CUDA C Programming Guide設計指南中也揭露了在(zai)2013年(nian)前的(de)(de)(de)(de)過去10年(nian)間(jian)，GPU與(yu)CPU兩(liang)者(zhe)在(zai)單精(jing)度與(yu)雙精(jing)度浮點(dian)運(yun)算(suan)(suan)(suan)（Floating-Point Operations Per Second，FLOPS）發展的(de)(de)(de)(de)比較(jiao)差(cha)異。整體來看，GPU與(yu)CPU發展越到(dao)后期，兩(liang)者(zhe)在(zai)浮點(dian)運(yun)算(suan)(suan)(suan)處(chu)理能力的(de)(de)(de)(de)差(cha)距，有(you)逐漸被拉大的(de)(de)(de)(de)趨勢，這(zhe)是因(yin)為越到(dao)后面(mian)才推出的(de)(de)(de)(de)新款GPU，更加強(qiang)調浮點(dian)運(yun)算(suan)(suan)(suan)的(de)(de)(de)(de)重(zhong)要(yao)性，而(er)盡可能要(yao)提高GPU浮點(dian)運(yun)算(suan)(suan)(suan)的(de)(de)(de)(de)處(chu)理能力。所以(yi)，現在(zai)許(xu)多超級電(dian)腦(nao)內都有(you)使用GPU，來大幅提高浮點(dian)運(yun)算(suan)(suan)(suan)的(de)(de)(de)(de)實力。
AI崛起 GPU竄(cuan)升成(cheng)一線主角
從(cong)Nvidia官方(fang)所(suo)公布的(de)一份CUDA C Programming Guide設計指南(nan)中也部分揭露了在(zai)2013年前的(de)過(guo)去10年間，GPU與CPU兩者在(zai)單精(jing)度與雙精(jing)度浮點運算發展的(de)比較(jiao)差異(yi)。
整體來看(kan)，GPU與CPU發展越(yue)到后期，兩者在浮(fu)(fu)點運(yun)(yun)算(suan)處理能(neng)力(li)的差距，有(you)逐漸被拉大的趨勢，這是因為越(yue)到后面才推(tui)出的新款GPU，更加強了浮(fu)(fu)點運(yun)(yun)算(suan)的能(neng)力(li)。
今年GTC大(da)會聚焦AI、VR/AR與(yu)無(wu)人汽車應(ying)用
今年(nian)在美國圣荷西舉行的(de)GTC技術大會（GPU Technology Conference），也(ye)因為(wei)AI、VR/AR、無人(ren)汽車(che)的(de)關系而(er)格外備(bei)受矚目(mu)。今年(nian)總共吸(xi)引了全球(qiu)超過(guo)5千人(ren)參加，更有將近上百(bai)位的(de)全球(qiu)媒體、分析師到(dao)場，還有多(duo)達2百(bai)家(jia)廠商參展，規模是歷年(nian)來最大。而(er)做為(wei)主辦方的(de)Nvidia今年(nian)氛圍也(ye)很不(bu)一樣，Nvidia不(bu)僅在現場同時發布多(duo)款與深(shen)度學習和(he)AI有關GPU新品，還針對了原本(ben)就擅長(chang)的(de)VR/AR與自(zi)(zi)動駕駛(shi)應(ying)用領(ling)域推出了新的(de)開發工具和(he)產(chan)品，希望(wang)就此能讓VR/AR與自(zi)(zi)動駕駛(shi)可(ke)以更進一步應(ying)用。
也正因(yin)為AI、VR/AR與(yu)自(zi)駕(jia)車讓(rang)GPU的(de)應(ying)用(yong)更廣了，因(yin)而造就了GPU在(zai)這(zhe)次GTC大(da)(da)會扮演的(de)重要性和應(ying)用(yong)性明顯提高不少，特別是AI與(yu)深(shen)度(du)學習的(de)應(ying)用(yong)方面(mian)，今(jin)年更成為會場(chang)(chang)上最(zui)炙手可熱的(de)技術話題，在(zai)為期4天超過240場(chang)(chang)大(da)(da)小場(chang)(chang)的(de)GPU主(zhu)題講座中，有半數以上都圍繞(rao)著AI與(yu)深(shen)度(du)學習而打轉(zhuan)，這(zhe)還不包(bao)括了來(lai)自(zi)2位人工智慧界的(de)重量(liang)級AI大(da)(da)師，分別是IBM人工智慧研究和技術策略的(de)IBM Watson 技術長Rob High與(yu)豐田(tian)汽車研究機構執行長Gill Pratt，今(jin)年都親自(zi)到場(chang)(chang)分享他(ta)們(men)所觀察到的(de)最(zui)夯AI技術和應(ying)用(yong)新進(jin)展。
Nvidia執行(xing)長(chang)黃仁勛在今年主題(ti)演說中(zhong)也強調(diao)GPU未來(lai)角色的(de)(de)重要(yao)性，將替深(shen)(shen)度(du)(du)學習(xi)與(yu)AI開啟一種前(qian)所未有的(de)(de)全新運(yun)算(suan)模式（Computing Model），將促使深(shen)(shen)度(du)(du)學習(xi)成為未來(lai)企業甚至每個人，都不能加以忽視(shi)的(de)(de)大事(shi)（Big Deal ），甚至將開啟另一種AI即(ji)平臺的(de)(de)新服(fu)務模式（AI-as-a-Platform）。而為了搶攻AI與(yu)深(shen)(shen)度(du)(du)學習(xi)市場，Nvidia今年甚至還罕(han)見地，首(shou)度(du)(du)發(fa)表世上第(di)一臺整(zheng)套式深(shen)(shen)度(du)(du)學習(xi)專用(yong)的(de)(de)超級電腦DGX-1。
AI專(zhuan)用(yong)(yong)伺(si)服器(qi)將助(zhu)企業加快深(shen)度學習應用(yong)(yong)
Nvidia在(zai)這臺(tai)深度學習專用(yong)的(de)超級電腦DGX-1內(nei)，使用(yong)了(le)伺服器(qi)專用(yong)的(de)GPU加速器(qi)Tesla P100為基礎而(er)打造完成，Tesla P100采用(yong)了(le)新一代(dai)Pascal架構設計(ji)，比(bi)前(qian)一代(dai)Maxwell架構的(de)GPU加速器(qi)，在(zai)用(yong)來訓練神經網路的(de)效能方面，Nvidia宣稱，Tesla P100足(zu)足(zu)有提升12倍(bei)之多。
Nvidia在(zai)這組超級(ji)電腦內(nei)總共裝入8張Tesla P100加速卡，使得(de)DGX-1在(zai)半精度(du)（FP16）的(de)浮點運(yun)算(suan)次數每秒高達有(you)170TFLOPS，如此高度(du)的(de)運(yun)算(suan)能(neng)力，Nvidia甚至宣稱，只要有(you)了DGX-1，就(jiu)等同(tong)于擁用(yong)(yong)了250臺x86伺服器而(er)搭建的(de)運(yun)算(suan)叢集規(gui)模，將有(you)助于企業在(zai)深(shen)度(du)學習(xi)方面獲得(de)更好的(de)應用(yong)(yong)效果。
而(er)靠著DGX-1的(de)(de)(de)(de)高度運算能力(li)，也因而(er)縮短(duan)了過去用(yong)來做為深度學習(xi)訓(xun)(xun)練(lian)所(suo)需花費的(de)(de)(de)(de)冗長時(shi)(shi)間，若以(yi)單組2路Xeon E5伺(si)(si)服(fu)器(qi)和DGX-1進行比較的(de)(de)(de)(de)話(hua)，根據Nvidia測試的(de)(de)(de)(de)結果，在做為AlexNet機(ji)器(qi)學習(xi)的(de)(de)(de)(de)模型訓(xun)(xun)練(lian)方面，DGX-1完成訓(xun)(xun)練(lian)所(suo)花費的(de)(de)(de)(de)時(shi)(shi)間要遠比Xeon E5伺(si)(si)服(fu)器(qi)還快許多，Xeon級伺(si)(si)服(fu)器(qi)得要花150小(xiao)時(shi)(shi)才(cai)能做完的(de)(de)(de)(de)訓(xun)(xun)練(lian)，DGX-1只須2小(xiao)時(shi)(shi)就能完成。若以(yi)訓(xun)(xun)練(lian)機(ji)器(qi)辨識照(zhao)片來舉(ju)例的(de)(de)(de)(de)話(hua)，所(suo)代表的(de)(de)(de)(de)是，每天被喂給(gei)DGX-1機(ji)器(qi)做訓(xun)(xun)練(lian)的(de)(de)(de)(de)照(zhao)片，數量高達有13億(yi)張。
除了(le)GPU以外，這臺(tai)DGX-1還有配置了(le)一個(ge)2路Xeon E5 CPU處理器(qi)(qi)，系統(tong)記憶體部分(fen)最(zui)大則可(ke)支援512GB DDR4的(de)(de)記憶體容量，并也配備有7TB大小的(de)(de)SSD硬碟，至于(yu)電力(li)供(gong)給部份(fen)則是使用一臺(tai)3U高(gao)度3，200瓦的(de)(de)電源(yuan)供(gong)應設(she)備，還支援了(le)NVLink 混合式立(li)方網格 （NVLink Hybrid Cube Mesh）技術，可(ke)提(ti)供(gong)更高(gao)速GPU互連(lian)的(de)(de)能力(li)，網路部分(fen)則提(ti)供(gong)了(le)雙10GbE連(lian)接埠和一個(ge)100Gb的(de)(de)Quad InfiniBand高(gao)速網路介(jie)面(mian)，而使得每臺(tai)DGX-1機(ji)器(qi)(qi)的(de)(de)總傳(chuan)輸頻寬，每秒(miao)最(zui)高(gao)可(ke)達768GB。
不僅如此，Nvidia在這(zhe)臺(tai)DGX-1中加入許多新(xin)(xin)的(de)(de)深(shen)(shen)度(du)學(xue)習軟(ruan)體功(gong)能，像是新(xin)(xin)增加的(de)(de)Nvidia深(shen)(shen)度(du)學(xue)習GPU訓練系統（Deep Learning GPU Training System，DIGITS），可(ke)用來協助企(qi)業(ye)設計(ji)一(yi)個(ge)完整且互動的(de)(de)神經(jing)網路(lu)，還支(zhi)援了 CUDA深(shen)(shen)度(du)神經(jing)網路(lu)圖庫(ku)（CUDA Deep Neural Network library，cuDNN ）的(de)(de)v5新(xin)(xin)版本，可(ke)用來做為設計(ji)神經(jing)網路(lu)時可(ke)供GPU加速的(de)(de)函式圖庫(ku)。DGX-1系統內也提(ti)供了一(yi)些深(shen)(shen)度(du)學(xue)習優(you)化(hua)的(de)(de)框架，例如Caffe、Theano與Torch等，另還搭配一(yi)套云端管理存取(qu)的(de)(de)工具和一(yi)個(ge)容器應(ying)用儲存庫(ku)（Repository ）。
Nvidia這(zhe)臺(tai)深度學習專(zhuan)(zhuan)用的(de)超(chao)級電腦DGX-1，主(zhu)要是使用了伺服(fu)器(qi)(qi)專(zhuan)(zhuan)用GPU加(jia)速器(qi)(qi)Tesla P100來打造完成(cheng)的(de)AI專(zhuan)(zhuan)用伺服(fu)器(qi)(qi)，因而在(zai)這(zhe)臺(tai)機器(qi)(qi)內總共(gong)裝入8張Tesla P100加(jia)速顯卡，使得DGX-1在(zai)半精(jing)度（FP16）的(de)浮點運(yun)算(suan)次數每(mei)秒可高達170TFLOPS，如(ru)此高度的(de)運(yun)算(suan)能力，Nvidia甚至宣稱，這(zhe)幾乎等同于用250臺(tai)x86伺服(fu)器(qi)(qi)而搭建的(de)運(yun)算(suan)叢(cong)集規模，將助(zhu)企(qi)業獲得更好的(de)深度學習作用。
GPU將(jiang)擠(ji)身(shen)成(cheng)為AI伺服器界的(de)一線主角
而從Nvidia這次所(suo)發布DGX-1的(de)銷售策略來看(kan)，除了要積極搶攻深度(du)學習與(yu)AI市(shi)場外，也不難看(kan)出(chu)(chu)Nvidia想(xiang)要透過推出(chu)(chu)整套式AI專(zhuan)用的(de)GPU伺(si)服(fu)器，好(hao)讓自己也開始變身(shen)成為一家能提(ti)供(gong)特殊GPU解決方案的(de)伺(si)服(fu)器供(gong)應商。
而(er)這樣的(de)作法所帶來(lai)的(de)其中(zhong)一(yi)(yi)個改變，便是也開始(shi)讓GPU應用位置有了截(jie)然不同以往的(de)轉變。相較(jiao)于過去GPU只在(zai)游戲(xi)或研究領域受到重(zhong)視(shi)，但(dan)在(zai)伺(si)服器(qi)應用當(dang)中(zhong)，GPU始(shi)終淪為配角(jiao)，CPU才是主角(jiao)，CPU處理(li)器(qi)規格決定(ding)了一(yi)(yi)臺(tai)伺(si)服器(qi)工作效能的(de)高(gao)低(di)，但(dan)現在(zai)，在(zai)一(yi)(yi)些(xie)特殊深(shen)度學習或AI專用的(de)伺(si)服器(qi)當(dang)中(zhong)，GPU受重(zhong)視(shi)的(de)程度有時(shi)反而(er)還高(gao)過了CPU，GPU反倒竄(cuan)升成為一(yi)(yi)線主角(jiao)。
以前，CPU是伺(si)服(fu)器效能高低(di)的(de)關鍵，但(dan)現(xian)在(zai)，在(zai)這(zhe)些深度學(xue)習或AI等特(te)定用途的(de)伺(si)服(fu)器當中(zhong)，GPU則是變成(cheng)了關鍵，GPU擁有的(de)核心數量多寡，決定了能不能將深度學(xue)習與AI更進(jin)一步(bu)延伸應(ying)用，CPU反(fan)(fan)而變成(cheng)了配角，兩者位置(zhi)恰恰好顛(dian)倒了過來，不過這(zhe)種(zhong)情況，目前只有在(zai)一些特(te)殊運算用途的(de)AI設備中(zhong)才(cai)看得到，但(dan)也確實反(fan)(fan)應(ying)了GPU應(ying)用位置(zhi)，正(zheng)在(zai)逐漸改(gai)變當中(zhong)。
當然(ran)，除了AI與(yu)深(shen)度學習需要(yao)用(yong)(yong)到GPU外(wai)(wai)，另(ling)(ling)一個(ge)需要(yao)用(yong)(yong)到GPU的VR/AR應用(yong)(yong)也(ye)成(cheng)為今(jin)年GTC大(da)會(hui)的另(ling)(ling)一大(da)熱門焦點。除了現場(chang)有Nvidia技術(shu)(shu)人(ren)員(yuan)展示結合GPU技術(shu)(shu)的各類(lei)VR應用(yong)(yong)外(wai)(wai)，展區(qu)內也(ye)設有VR Village體驗區(qu)，參加者(zhe)可以現場(chang)試用(yong)(yong)Oculus與(yu)HTC Vive這兩款已正式(shi)出售的VR頭戴(dai)式(shi)裝置，現場(chang)體驗VR帶來的沉浸式(shi)視覺效果。
而(er)從這(zhe)些VR展示體驗(yan)當(dang)中(zhong)(zhong)，也(ye)說(shuo)明了(le)VR技術(shu)已(yi)開(kai)始跨入(ru)大眾(zhong)化的(de)(de)(de)(de)實用階(jie)段，而(er)且不只運(yun)用在游戲(xi)娛樂領域，其他專業領域也(ye)開(kai)始能與VR結合(he)，像(xiang)是Nvidia在這(zhe)次大會(hui)中(zhong)(zhong)就推(tui)出了(le)一個(ge)Iray VR新(xin)應用，能將原本設(she)計好(hao)的(de)(de)(de)(de)3D場景(jing)或(huo)物件模型(xing)，經過Iray渲(xuan)(xuan)染(ran)技術(shu)，在虛擬實境中(zhong)(zhong)呈(cheng)現貼近真(zhen)實情境的(de)(de)(de)(de)影像(xiang)渲(xuan)(xuan)染(ran)效果，讓(rang)VR不只是當(dang)作游戲(xi)使用而(er)已(yi)，未來(lai)就連設(she)計后的(de)(de)(de)(de)3D制圖也(ye)能用VR渲(xuan)(xuan)染(ran)技術(shu)呈(cheng)現。當(dang)然在持續提高(gao)(gao)VR影像(xiang)畫面細(xi)膩度和更(geng)快速(su)的(de)(de)(de)(de)即時(shi)反應的(de)(de)(de)(de)同時(shi)， VR技術(shu)的(de)(de)(de)(de)下一步(bu)也(ye)需要搭配更(geng)高(gao)(gao)階(jie)的(de)(de)(de)(de)GPU，才(cai)能達到(dao)更(geng)深度沉浸式的(de)(de)(de)(de)高(gao)(gao)臨(lin)場感體驗(yan)。
除此之(zhi)外，在(zai)無(wu)(wu)人汽車(che)應用方(fang)面(mian)也有新(xin)進展(zhan)。Nvidia將(jiang)參與(yu)協助(zhu)打造(zao)首輛賽(sai)車(che)用的(de)無(wu)(wu)人汽車(che)的(de)計畫(hua)，將(jiang)采(cai)用Nvidia自動駕駛(shi)平臺Drive PX2做為(wei)(wei)汽車(che)電腦系統核心，未來這(zhe)輛無(wu)(wu)人賽(sai)車(che)完成以后(hou)，重量預估(gu)將(jiang)達1噸(dun)重，并且將(jiang)會(hui)參加即將(jiang)在(zai)2016至(zhi)2017年賽(sai)季(ji)，由Formula E電動方(fang)程式首度(du)(du)舉(ju)辦(ban)的(de)Roborace無(wu)(wu)人駕駛(shi)賽(sai)事。這(zhe)場(chang)無(wu)(wu)人賽(sai)車(che)比賽(sai)，預估(gu)將(jiang)會(hui)有10支隊(dui)伍，共(gong)20輛的(de)無(wu)(wu)人汽車(che)參賽(sai)，共(gong)同(tong)在(zai)同(tong)個(ge)賽(sai)車(che)場(chang)上較勁。每輛無(wu)(wu)人賽(sai)車(che)硬體配備(bei)都完全相同(tong)，所以最后(hou)決勝關鍵(jian)將(jiang)決定于(yu)哪只(zhi)隊(dui)伍可以運用機器學習，甚至(zhi)借助(zhu)深度(du)(du)學習的(de)類神經演算(suan)法，盡可能提高駕駛(shi)判斷(duan)的(de)預測能力(li)，才能做到在(zai)以毫秒為(wei)(wei)競速單位的(de)賽(sai)車(che)場(chang)上稱王。
Nvidia這次還首度(du)用VR來(lai)呈現火(huo)星(xing)(xing)地(di)理環境，讓(rang)穿(chuan)戴者可(ke)以沉(chen)浸在有如真(zhen)實火(huo)星(xing)(xing)圍繞的(de)(de)視(shi)覺(jue)感受當(dang)中，這些環境資料(liao)都(dou)是從搜集科學(xue)專(zhuan)用衛星(xing)(xing)的(de)(de)精確影像資料(liao)，以及火(huo)星(xing)(xing)任(ren)務取(qu)得(de)數年(nian)的(de)(de)探測數據，所建構出貼(tie)近火(huo)星(xing)(xing)地(di)形(xing)和氣候的(de)(de)虛擬實境。Nvidia執(zhi)行長黃仁勛(xun)現場(chang)(chang)還與(yu)蘋(pin)果共同(tong)創(chuang)辦人Steve Wozniak遠端視(shi)訊(xun)連線，并邀請他現場(chang)(chang)示(shi)范如何用VR來(lai)玩(wan)火(huo)星(xing)(xing)探險游戲，沒(mei)想到Steve Wozniak卻(que)顧不(bu)得(de)旁人，自己就在現場(chang)(chang)玩(wan)開(kai)了(le) ，惹得(de)現場(chang)(chang)笑聲(sheng)一片(pian)，連人稱科技(ji)頑童的(de)(de)他也難以抵擋VR的(de)(de)魅(mei)力，也正說明了(le)VR技(ji)術已開(kai)始(shi)走入(ru)實用階段(duan)。
