GPU/FPGA和CPU有什么关系？

作为NVIDIA全球GTC大会中最重要的一站之一，GTC China于9月26日正式登陆北京。本次大会，教主黄仁勋奉上了一场题为“一个全新的计算时代(A NEW COMPUTING ERA)”的主题演讲，并正式发布了首款可编程推理加速平台NVIDIA TensorRT 3、自动驾驶开放平台NVIDIA DRIVE、首款自主机器处理器Xavier。同时，他宣布与阿里、腾讯、百度中国三大云服务提供商达成合作协议，为后者提供人工智能GPU芯片。主题大会结束后，教主黄仁勋参加了媒体的见面会，接受了媒体采访。

自主机器要解决三个方面的问题

黄仁勋认为，对于自主机器或者机器人而言，必须要解决三大方面的根本问题。首先要解决的是为自主机器或者机器人打造一个人工智能的平台，其次是为自主机器提供一个虚拟的，学会做机器人的环境，最后是把人工智能的大脑放到自主机器框架中去。

黄仁勋坦言，当前这三个问题还没有完全解决，三项工作正在并行中，例如 Xavier就是正在进行中的自主机器项目，另外还有Issac机器人项目，通过它可以打造一个虚拟的让机器人学习的环境。

黄仁勋表示，NVIDIA将很快把这三方面的基础打好，整个的产业会在产业基础架构好后推动自主机器正式的生产。随后10到15年，大家将会看到智能领域难以置信的进步。

CUDA是CPU与GPU的完美组合

GPU是否替代CPU?相比FPGA，GPU有哪些优势?

黄仁勋认为，GPU不会替代CPU，将会与CPU进行协同工作，这也是为什么称之为加速器。他表示，无论是CPU还是FPGA，都是通用型的计算芯片，而GPU是专用型的芯片，在专用问题上能够发挥巨大的能量，超过CPU几十倍，是最好的专用架构解决方案。例如，GPU非常适合图形计算和人工智能方面的计算。

FPGA的优势是非常灵活，以太网、声卡等都可以采用FPGA的解决方案。但GPU没有这么大的灵活性，它主要用来进行并行计算加速。但是从性能上来讲，FPGA根本无法与GPU对比，其上千倍的性能差距并不适合用来做人工智能。黄仁勋表示，人工智能的每一个神经网络都可以用FPGA来进行设计，但非常复杂，这也是为什么BAT在人工智能初级阶段采用FPGA，后来选择GPU的主要原因，主要是因为当初没有GPU的解决方案，有了GPU，就不再使用FPGA了。

NVIDIA三年前决定把GPU做成执行处理的Tensor，为了达到计算性能专门进行了调优。作为全球首款可编程AI推理加速引擎，NVIDIA TensorRT 3在性能上得到了进一步提升，运行在Volta上的TensorRT 3，在图像分类方面比最快的CPU还要快40倍，在语言翻译方面则要快140倍。

黄仁勋强调，术业有专攻，NVIDIA不会做通用型的CPU，而是要做极好的专用处理器，而CUDA就是CPU与GPU的完美组合。

NVIDIA看好的人工智能行业

谈到NVIDIA看好的人工智能行业，黄仁勋表示，交通运输行业是我们目前正在大力拓展的行业，当然这个交通运输并不只是包括交通工具，而是指人工智能化的交通运输，例如滴滴就是一家大型的人工智能公司，物流未来将会实现人工智能。

除了交通运输之外，黄仁勋表示未来NVIDIA更看好医疗健康这一领域。他表示，医疗键康的市场体量相当大，人工智能的应用可以帮助科研人员进行新药的研发，对疾病的早期检测以及临床效果的取样等，过去很多解决不了的问题，有了人工智能，这些问题则能够全部解决。

在上午的发布会上，NVIDIA公布了五个领域的人工智能方案，其共同特点是没有GPU是无法实现的。黄仁勋表示，五大领域的项目挑战相当高，NVIDIA为每一个项目或解决方案提供了独一无二的价值。虽然现在的很多项目无法百分之百的成功，但一旦成功，将给社会带来巨大的贡献。

NVIDIA投资的三大原则

本次全球GTC大会中国站，NVIDIA不但宣布了与BAT的合作，而且还宣布投资了景驰、丽台等公司。谈到NVIDIA投资的原则，黄仁勋表示NVIDIA投资主要有三大原则：一是所投资的公司必须具备愿景目标;二是所投资的公司需要英伟达的帮助;三是必须是优秀的公司。

黄仁勋表示，英伟达提供的平台，让大家利用平台去创业，并希望大家都能够取得成功。作为平台供应商，英伟达要做的是不断进步，让平台做得更好。他表示，英伟达不是自闭的公司，而是一家开放型的公司，因此我们愿意跟所有公司进行合作，共同推动AI技术的发展