2016年9月13日消息，NVIDIA在北京舉辦了GPU技術大會（GPU Tech Conference），這也是GTC第一次在國內舉辦。在這次大會上，NVIDIA發布了Tesla P4、P40深度學習芯片，此外黃仁勛也在北京與數以萬計的AI、游戲行業的開發者們分享了他對GPU和未來計算的認知。以下內容是根據黃仁勛在GTC China 2016上的演講實錄整理。

　　一、4年以前，AlexNet第一次帶來了深度學習的爆發

　　2012年一個年輕的研究員叫Alex Krizhevsky。在多倫多大學AI實驗室，他設計了一個可以學習的軟件，這個軟件靠自己就能進行視覺識別。深度學習這個時候已經發展了一段時間，可能有20年。

　　Alex所設計的這個網絡，它有一層一層的神經網絡，包括卷積神經網絡、激發層、輸入和輸出，可以進行區分。這樣一個神經網絡可以學會識別影像或者是規律。深層神經網絡所帶來的結果是它會非常有效，會超出你的想象，但是它進行訓練需要的計算資源超過了現代計算機的能力，它需要幾個月的時間去訓練一個網絡才能真正地識別圖像。

　　Alex當時的看法是，有一個叫做GPU的新型處理器，通過一種叫CUDA的計算模式，可以適用于并行計算，用于非常密集的訓練。2012年他當時設計了叫Alex的網絡，提交給了一個大規模計算視覺識別大賽，是一個全球的競賽，并且贏得了這個大賽。

　　AlexNet戰勝了所有由其他計算視覺專家所開發的算法。Alex當時只用兩個NVIDIA GTX580，在通過數據訓練了幾天后，AlexNet的結果和質量引起關注。所有搞計算視覺的科學家，所有的AI科學家都非常關注。在2012年，Alex Krizhevsky啟動了計算機深度學習的基礎，這是現代AI的一個大爆炸。他的工作和成果在全世界引起了很大反響。

　　我相信那個時刻會被記住，因為它確實改變了世界。之后有很多研究開始圍繞深度學習進行。2012年斯坦福大學的吳教授（吳恩達）和我們開發了一個非常大規模的GPU配置用于深度學習的訓練，很快在三年之后每一年都會有新的網絡出來，能夠不斷地戰勝其他方案獲得更好的記錄。

　　二、聲音和視覺輸入鋪墊了構造AI世界的基礎

　　到了2015年，谷歌和微軟都實現了人類般的視覺識別能力。它是由軟件寫就的，在GPU上經過訓練可以實現比人類更高的視覺識別能力。2015年百度也宣布他們的語音識別達到了超越人類的水平，這是非常重要的一個事件。這是第一次計算機能自己寫程序，實現超過人類的水平。

　　視覺和語音是兩個非常重要的感官輸入，是人類智能的基礎。現在我們已經有了一些基礎的支柱，讓我們能夠進一步推進AI的發展，這在之前是難以想象的。如果聲音和視覺的輸入值不可靠的話，怎么能夠有機器可以去學習，可以有人類一樣的行為。我們相信這個基礎已經有了，這也是為什么我們認為現在是AI時代的開始。

　　全世界的研究者都看到了這些結果，現在所有的AI實驗室都開始使用GPU跑深度學習，這樣他們也可以開始建立未來AI的基礎。基本上所有的AI研究者都開始用我們的GPU。

　　GPU的核心是模擬物理世界，我們用GPU創建虛擬世界用于游戲、設計，用于講故事，比如制作電影。模擬環境、模擬物理屬性、模擬周圍所看到的世界，構建虛擬世界的過程如同人類大腦在想象時進行的計算。因為深度學習的發展，使我們的工作進入新的階段，人工智能。對人類智能的模擬會是我們所做的最重要的工作之一，而且我們對此非常激動。

　　三、GPU計算滲透到深度學習各個領域

　　今天也是我們第一次在中國舉辦GTC大會，這次很大一部分內容會是關于人工智能和深度學習。我們是一個計算公司，SDK對于我們來講是最重要的產品，GTC是我們最重要的一場盛會。大家可以看一下過去幾年的成長，這是非常了不起的增速。

　　今年GTC有16000名人員參加。下載我們SDK的開發人員增長了3倍，達到了40萬開發人員。但最了不起的數字是深度學習開發人員在兩年之內有了25倍的增長，現在下載我們的深度神經網絡實驗室引擎的開發人員已經增長了25倍，下載了5萬5千次。

　　大家到底用它干什么呢？很多都是AI研究人員，他們來自于全球各地，現在所有的實驗室都會使用我們的GPU平臺來做自己的AI研究，有軟件公司、互聯網軟件提供商，還有互聯網公司、汽車公司、政府、醫療成像、財務、制造等公司。現在用GPU深度學習的領域是非常廣的，非常了不起的。