据TheVerge网站报道，英伟达发布了一块新型芯片，极大的推动了机器学习的极限。英伟达CEO黄仁勋本周二在公司年度GPU技术大会上发布的这款特斯拉P100 GPU，它可以执行深度学习神经网络任务，速度是英伟达之前高端系统的12倍。据英伟达表示，P100是英伟达倾力之作，研发费用高达20亿美元，在一个芯片上有1500亿个晶体管，使得它成为世界上最大的芯片。除了机器学习，P100还能进行各种高性能的计算任务——英伟达只是想让你们知道这款芯片非常擅长机器学习。
英伟达将八个P100芯片放入一个超级强大、价值129000美元的名为DGX-1的超级计算机，后者也是周二发布的。这款超级计算机已经预先装上了深度学习软件，它将于今年六月最先被送往美国麻省理工学院、斯坦福大学、加州大学伯克利分校以及其它大学的人工智能研究人员。
英伟达因为视频游戏行业生产强大的图像处理芯片而闻名，图像处理需要占用大量运算资源，神经网络深度学习也是如此。神经网络深度学习是一种人工智能，数据通过层层模拟的神经元输入，从而训练计算机识别复杂的模式。随着越来越多公司参与研发深度学习技术——谷歌、微软、亚马逊、Facebook、百度等等——英伟达将自身定位为人工智能芯片制造商。
“深度学习驱动的计算机能够执行我们无法想象的任务，”黄说道。“深度学习不仅仅是个领域或者一个应用程序。它远不止此，所以我们公司将全力以赴。”当涉及推动深度学习向前发展，处理能力至关重要。去年，微软研究人员在ImageNet 计算机视觉挑战斩获第一名，这是因为他们使用了一种比之前使用的深五倍的神经网络。根据发表在期刊《自然》上的一篇文章，DeepMind使用了巨大的计算能力训练它的人工智能AlphaGo，精确来说是1202个CPU和176个GPU。
一般来说，当数据变得越来越大越来越复杂时，深度学习机器执行任务所需要的神经层越多。这意味着为了建造更大的神经网络从而完成更强大的机器学习——例如，自动驾驶车辆实现更精确的图像识别——研究人员和数据科学家需要更强大的芯片，而英伟达旨在提供这类芯片。
