今天凌晨，英偉達第9屆年度GPU技術大會（GTC）在美國加州聖何塞市的McEnery會議中心順利開幕，公司CEO黃仁勳穿著他的新黑色皮夾克走上舞臺，宛如新世紀的超級英雄（←官網這麼比喻的，不要看我）。在大會上，老黃重點介紹的內容主要有以下幾個：

• 推出世界上第一款基於Volta架構的新型專業級GPU Quadro GV100

• 推出醫學影像超級計算機Clara

• 推出世界上最大的GPU DGX-2

• 推出VR代駕工具Holodeck VR和自動駕駛仿真平臺DRIVE CONSTELLATION

它們分別對應演講的4個主題：驚人的圖形、驚人的科學、驚人的AI和驚人的機器人。每個主題一結束，老黃就會掏出這句經典廣告：The more you buy, the more you save。綜觀整場演講，深度學習大放異彩，產品倒向業務層面，而萬眾期待的消費級GPU卻沒有出現在哪怕一張PPT中，著實傷了不少觀眾的心。

注：考慮到一天下來大家已經看了大量相關報道，加上論智高度垂直機器學習領域，因此本文只涉及“驚人的AI”的相關內容。

驚人的AI：Tesla V100 GPU

現如今，深度學習的發展大大促進了AI的進步和落地。為了掌握問題的真相，它需要利用大量數據積累學習經驗，數據越多，模型的性能就越優秀，在空間內探索到的可能性也越多，換句話說，就是我們的AI會變得越來越聰明。

簡而言之，深度學習的兩個本質需求就是大量的數據和大量的計算。而這次老黃為AI領域帶來的第一個福利就是把Tesla V100 GPU的顯存從16g提升到32g，相關實體版GPU正在量產中，各個雲平臺的租用服務器也將同步升級。

英偉達在深度學習用GPU上野心是大家有目共睹的，從處理器開發到互連再到軟件層，他們一直在以更快的速度推進GPU計算，公司旗下的Tesla系列產品，正逐步成為人工智能、機器學習、無人駕駛等新興領域的“標配”。而Tesla V100 GPU就是這樣一款用於深度學習計算的Volta架構GPU。它擁有5120個CUDA核心、640個Tensor核心，能為深度學習訓練、推理提供120TFlops的算力，搭配4096-bit位寬的16GB HBM2顯存，帶寬達900GB/s。

Volta架構GPU與其他GPU性能橫評（ML任務）

從性能來看，Volta無疑是目前最適合機器學習任務的GPU架構，它在性能上優於以前的Kepler，顯存也有16個g。這次升級到32g後，V100將可以運行更大更深的神經網絡模型、提高每次訓練的批大小，同時整體提升模型預測的準確率。

驚人的AI：GPU DGX-2

老黃為AI界帶來的第二個“福利”是大型GPU叢——DGX-2。圍觀群眾沒有等來預想中的20系、11系核彈，而是直接等來了一顆氫彈。

• 20億根晶體管；

• 2片Intel Xeon Platinum；

• 16塊 NVIDIA Telsa V100；

• 可配備1.5TB DDR4內存；

• 內置512GB HBM2顯存；

• 內置30TB NVMe SSD（最高可到60TB）；

• 功率10KW，淨重350磅（約合159kg）；

有本事你拎起來啊

關於這顆GPU的介紹，任何成段的描述都是蒼白的，所以我們只列出幾個重要的數據，請各位自行體會。

• DGX-2每秒最大帶寬約為14TB/s；

• 如果以1GB一部電影來計算，DGX-2每秒可以下片14336部；

• 81900個CUDA核心，提供2千萬億次浮點計算的算力（世界上最快的超級計算機是125 petaflops，美國最快的是100 petaflops，而DGX-2有2 petaflops）；

• 和六個月前發佈的DGX-1相比，DGX-2的處理能力是前者的10倍；

• 5年前，Alexnet用2塊GTX 580訓練，耗時6天；今天，它用一臺DGX-2進行同樣的訓練，耗時18分鐘；

• 售價39.9萬美元，約合250萬人民幣。

用250萬一次性買斷300臺功率為180千瓦的雙CPU計算機，成本是它的1/8，佔的空間是它的1/6，能效還是它的18倍，你說是不是The more you buy, the more you save？

這個世界需要巨型（貴）GPU！

驚人的AI：NVIDIA GPU Cloud

NVIDIA GPU雲（NGC）是一個可以在任何地方運行的GPU加速平臺。數據科學家和研究人員可以通過它快速構建、訓練和部署神經網絡模型，以解決一些最複雜的AI挑戰。而老黃公佈的第三個消息就是NGC現在已經通過AWS、Google Cloud、Oracle雲和阿里雲認證，成為在這些雲平臺上唯一被允許運行的加速工具。

據官網介紹，NGC集成了當前所有領先深度學習框架、cuDNN、NCCL、TensorRT、GPU drivers、NVIDIA CUDA以及Linux操作系統，方便研究人員隨時進行創新。由於允許靈活地將文件保留在本地，並在雲平臺上直接做訓練和推理，數據科學家和研究人員今後將不再受計算資源限制。

驚人的AI：TensorRT

PLASTER，分別代表：Programability（編程能力）、Latency（延時）、Accurate（準確率）、Size（體量）、Throughput（吞吐量）、Energy efficiency（能效）、Rate of learning（學習率）。這是機器學習中的一些重要概念。如果你要構建一臺PC，這不是件簡單的事；如果你要構建的是超級計算機，這更難；如果你要讓計算機進行推理，那它必須符合PLASTER原理。

TensorRT是英偉達於2016年9月推出的一個可編程推理加速器，它能加速現有和未來的網絡架構。歷經幾輪迭代，這次老黃介紹的TensorRT 4可以處理循環神經網絡，深入融入TensorFlow，加速語音識別、NLP等任務的處理。

• 圖像處理：加速190倍；

• NLP任務：加速50倍；

• 推薦引擎：加速45倍；

• 語音識別：加速36倍；

• 語音識別率：提高60倍。

總而言之一句話：時間就是金錢。最後，雖然日前有新聞爆出售價兩萬的TITAN V連生物學中的2+2都算不對，但老黃表示：TITAN V仍處於缺貨狀態。

被忽視的兩個群體：玩家和礦工

看完了這個到處瀰漫著深度學習氣息的發佈會，各位想必都發現了，在這樣一個萬眾矚目的盛會上，有兩個重要群體卻幾乎沒有被老黃提及：遊戲玩家和數字加密貨幣礦工。

這兩個群體一直熱切期待著下一代GPU的發佈。一方面，礦工們希望英偉達能推出新一代專為礦機設計的挖礦GPU，儘可能地多提高一點哈希率。另一方面，被暴漲的顯卡價格壓得喘不過氣來的遊戲玩家則希望GPU價格能迴歸正常水平，無論是礦機顯卡還是備受關注的GTX 2080，新品都能解這個燃眉之急。

但是，無論是昨天還是今天，玩家和礦工的眼前暫時還會是一片黑暗。除了這個全球最大的GPU DGX-2可能會引起大礦主的興趣，老黃並沒有帶來任何消費級顯卡的消息。事已至此，玩家們似乎只能苦笑著調侃：老黃，你這個250萬的DGX-2，跑得動掃雷不？

我們都知道，GTC不是一個以遊戲為重點的活動，但是如果顯卡商願意在活動中暗示或透露即將發佈的新品，這也是一個很好的契機。大會召開前，網上流傳著各個版本的小道消息，玩家們在將信將疑的同時也寄期望於黃仁勳的正式發言，被肯定或是被否定，他們至少還有夢想，還有期待。但是顯然，英偉達是不會為了照顧玩家感受走漏風聲的。

“The more you buy, the more you save.”老黃在整個主題演講中一遍又一遍強調著這句話。買得越多，省得越多，轉成商場裡常見的標語，就是買到就是賺到。但是對於現實中被英偉達無視的這些人來說，買什麼？拿頭去買？我們甚至連價格合理的GPU都沒得買。

我們來看看幾款主流顯卡的價格變化情況：

GeForce GTX 1060 6GB近18個月價格變化情況（單位：美元）

GeForce GTX 1070 Ti近18個月價格變化情況（單位：美元）

GeForce GTX 1080 Ti近18個月價格變化情況（單位：美元）

2017年4月，Nvidia GeForce GTX 1060的零售價大概在200美元左右，而截至今年3月，1060 6GB在newegg上的售價大多在350美元以上，而國內某東上的最低價也在2500以上。與此同時，GTX 1080 Ti最初定的零售價約為700美元，但現在它在newegg上早已突破1000美元大關，在亞馬遜上瀕臨售罄，在某東上的價格也是低則7000，高則逼近萬元。

有人說，礦難持續的越久，崩盤的時候就越可怕。但在遙遙無期的礦難前，顯卡這種電子產品都快變成儲值產品了，玩家不僅早買早享受，還能低進高出，把顯卡當英偉達的股票玩……哦不

老黃是美國時間上午9時上臺的，看來英偉達的顯卡還是比公司的股票保值多了。