从视觉计算到人工智能的距离有多远？

年轻的时候，能够拥有一块顶级性能的NVIDIA的显卡，是作为游戏迷的我的梦想，但直到已经不再年轻，我也从来不曾拥有一块可以称之为顶级性能的NVIDIA显卡。但当有一天，作为记者的我来参加NVIDIA GTC China 2016大会的时候，居然惊奇的发现，NVIDIA已经从当初的顶尖视觉计算公司蜕变成为一家出色的人工智能计算公司。那么，从视觉计算到人工智能的距离到底有多远？NVIDIA GTC China 2016将给我们答案。

与GPU的不解之缘

当NVIDIA联合创始人、总裁兼首席执行官黄仁勋在首次在中国举办的NVIDIA GTC上宣布NVIDIA已经从一家视觉计算公司转变成为一家人工智能计算公司的时候，历史和现代仿佛在此刻交汇融合。

NVIDIA于1993年由黄仁勋、克里斯·马拉科夫斯基和卡蒂斯·普里姆联合创办，一直以来NVIDIA都致力于视觉计算领域。 1997－1998年，NVIDIA发布了RIVA个人电脑绘图处理器产品线，同年5月，售出第一千万个绘图处理器。2000年NVIDIA收购了一代王者著名的3dfx的知识产权。2002年2月，NVIDIA售出第一亿个绘图处理器。而真正令NVIDIA声名鹊起的最著名的GeForce绘图处理器产品线则于1999年首次亮相。1999年8月，NVIDIA 发布 GeForce 256，这是行业第一个显示图形处理单元 (GPU，Graphics Processing Unit)，从此，NVIDIA和GPU接下不解之缘。

GPU通常来说是显卡的“心脏”，但 GPU是专为执行复杂的数学和几何计算而设计的，例如浮点运算、并行计算等，这些计算是图形渲染所必需的。而事实也证明在浮点运算、并行计算等方面，GPU可以提供数十倍乃至于上百倍于CPU的性能。

GPU生来是为图形计算而设计，本来与人工智能相距甚远，就连黄仁勋本人也表示，未曾预见到GPU会和人工智能搭上关系，直到深度学习的出现。

GPU与深度学习

深度学习源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深度置信网络(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。

深度学习至今已经发展了20多年，但深度学习与GPU真正搭上关系还是要归功于一个名叫Alex Krizhevsky的年轻人，2012年，Alex Krizhevsky在多伦多大学AI实验室设计了一款可以自动学习的视觉识别软件，这款软件可以通过从大量的数据中学习来提高自身的视觉识别能力，这其中涉及的算法就是深度学习。而在此过程中，Alex发现，利用GPU，通过一种叫做CUDA的计算模式可以非常好的适用到深度学习这种并行计算密集型应用当中。基于此，Alex设计了叫做AlexNet的深度学习神经网络，并击败了当时最佳的计算机视觉专家级算法，获得ImageNet竞赛的冠军。而这仅仅是AlexNet通过两颗 NVIDIA GTX 580 GPU几天训练的成果， AlexNet的成功以及难以想象的高质量的深度学习水平吸引了所有计算视觉科学家，人工智能科学家的关注，开启了GPU在深度学习领域的先河，点燃了深度学习这种新型计算模式的大爆炸。此后，GPU逐渐在深度学习领域日趋普及，而GPU也从此开始和人工智能结缘。

2012年斯坦福大学的Andrew Ng和NVIDIA研究室发现了一种用多GPU的方式来训练超大数据模型的方法，从而确定了GPU在人工智能领域的重要地位。

从视觉计算到人工智能

GPU与深度学习的密切关系奠定了NVIDIA从一家视觉计算公司转变成为一家人工智能计算公司的物理基础，而NVIDIA CEO 黄仁勋果敢的决定，才真正使得NVIDIA成为一家真正的人工智能计算公司。

在谈到这一点时，黄仁勋表示：“从一开始，NVIDIA主要关注的重点就是在计算领域当中比较特殊的一个部分，在这一部分，性能是非常重要的，我们从来没有企图做常见的和基础的计算，这从一开始就不是我们公司的使命所在。我们的计算类型叫加速计算，我们知道加速计算最大的市场就是在游戏当中的图形计算，还有一些其他的加速计算的应用，包括工业设计、电影制作、CAD等等，这些都是计算非常密集的应用领域，我们虽然没有预见到因为深度学习的出现使得GPU成为人工智能的重要部分，但我们相信这种计算类型会有很强和很好的增长潜力。而当我第一次知道深度学习，了解深度学习之后，我就开始意识到深度学习这样一种应用对于未来的世界，对于整个人类的未来都是非常重要的，而且对于GPU加速计算来说是一个非常完美的应用领域。于是，六年前，NVIDIA开始往深度学习、人工智能方向转变，因为我确实可以看到人工智能未来的巨大潜力。正是因为我们本身所具有的这种能力，所以我相信作为NVIDIA公司来说，我们有责任推动人工智能的进一步发展。我也相信人工智能对于GPU加速计算来说是最完美的任务，因此，我们现在把NVIDIA全力投入到人工智能计算当中。”

新产品助力人工智能

为了全力打造一家人工智能计算公司，NVIDIA在此次GTC大会上，重磅推出了专门针对深度学习的多款新产品。

其中，Tesla P40和P4是全球首次专门针对深度学习推理设计的加速器，可以使用经过训练的深度神经网络来识别语音、图像或文字，以响应用户和设备的查询。基于全新的Pascal架构推论加速器以及全新的INT 8指令集，P40能40倍加速CPU的推断能力。而功耗仅仅为50W的P4，专为加速1U OCP服务器设计，能效与处理推理工作负载的CPU相比提高40倍。据NVIDIA解决方案架构副总裁Marc Hamilton透露，新的基于INT 8指令集的P40和P4具有强大的性能，在执行单精度浮点计算时，P40可以达到47万亿次/秒的计算能力，而个头和功耗更小的P4也能达到22万亿次/秒的计算能力。Marc Hamilton表示，Tesla P40和P4高性能的计算能力将大大提高计算机的推理能力，虽然FPGA或者其它的一些专用定制化的处理器也可以实现这样的高性能，但对于这些定制和的处理器来说，最大的挑战在于编程人员的能力和开发的时间。

而TensorRT 则是NVIDIA在此次大会上发布的性能优化推理引擎。TensorRT使用已经训练过的网络对引擎进行优化，支持所有的推理网络，可以将复杂度减少2到3倍，但是网络的精准度不会受到影响。Marc Hamilton表示，在人工智能方面，通过NVIDIA端到端深度学习训练系统，Tesla P100，再加上深度学习的框架，在推理端使用的DeepStream SDK、Tensor RT以及Tesla P40和P4，NVIDIA可以不断的推进人工智能计算的发展。

此外，在此次GTC大会上，黄仁勋还宣布了NVIDIA在智能设备、智能城市、智能交通等方面新的进展，并宣布推出NVIDIA端到端深度学习平台，其中，基于NVIDIA DRIVE PX2驱动的自动驾驶汽车给现场的3000多名观众留下了深刻的印象，其实际演示也激起了现场的阵阵掌声和欢呼声。

新伙伴 共建人工智能生态

在此次大会上，NVIDIA还宣布了与阿里巴巴、百度、科大讯飞、京东等众多合作伙伴的合作，共同打造人工智能生态系统，其中，与京东在人工智能方面的合作最为引入瞩目，据悉，从2015年开始，NVIDIA就和京东进行了合作，NVIDIA的GPU和深度学习技术在包括在线客服机器人、图像分类等京东业务中得到广泛应用。基于双方一直以来的良好合作，双方宣布建立战略合作关系，以加深在人工智能技术研发领域的合作。通过将NVIDIA的GPU平台与京东的大数据业务场景结合起来，今后NVIDIA将助力京东在深度学习、VR和AR等人工智能领域的推进。京东集团首席技术顾问翁志表示：“人工智能的发展需要算法、数据、硬件，NVIDIA是这方面我们非常倚赖的伙伴，我们的机器学习多半都是应用在GPU之上。京东的数据在预处理中进行训练运算的时候用了NVIDIA 的TESLA M40。在机器学习和AR、VR方面，我们两家公司有着非常广泛的合作场景和机会，在这里我非常自信地和大家分享，这些场景下通过NVIDIA的GPU，京东跑得更快，做得更好。同时，京东作为最重要的销售渠道之一，会联手NVIDIA在中国销售1800万片GPU，接下来我们将持续合作，互惠共赢。”

而对于在人工智能生态中占有重要地位的开发者生态的建设，NVIDIA也是不遗余力，据悉，在过去两年，GTC的参会人数增长了4倍，而NVIDIA开发者则增长了3倍达到了400000人，而使用NVIDIA GPU的人工智能开发者则增长了25倍。NVIDIA全球副总裁、中国区总经理张建中表示:“开发者对我们公司是非常重要的，我们在中国开发者生态建设上的投入非常大，一是在线下的地区，我们很多年前跟很多大学开发了一个CUDA训练课程，很多学生可以通过此课程学习深度学习算法。我们把深度学习的认证跟考试培训结合在一起，在国内培养了很多人才和技术力量。而对于国内很多大的ISV公司，我们会直接提供技术支持，开发者有什么技术问题可以直接咨询NVIDIA的专家。同时，我们还有线上支持的平台，开发者社区，开发者可以通过这些平台相互咨询各种各样的难题，工程师也会随时在社区上回答开发者提出的问题。”

共推人工智能的美好未来

在此次GTC大会Keynote的最后，黄仁勋总结道:“人工智能的想象空间是巨大的，我非常高兴大家今天能够来到这里，了解GPU深度学习的潜力，这是一个新的计算方法，这是不能错过必须要学的东西，因为它太重要了。GPU深度学习是最为重要的一个进展，是近年来计算史上最为重要的进展和突破，我们相信深度学习将会成为计算的下一个时代，也就是人工智能的时代，也可以叫做下一场工业革命的开始，这是让我们非常激动的，我们决心继续推动人工智能计算，我们是一家人工智能计算公司，我们要和大家一起来携手推动人工智能的美好未来!”