英伟达CEO黄仁勋：AI、VR、自动驾驶以及GPU的发展前景
但是，你说很多工程技术都是其他部门完成的。如今，我们与全球仅次于的Bosch合作，它是ZF球中的五大之一。这是前所未闻的。
看看其他平台，为他们反对的不是世界前五名。英伟达平台在完整供应商的反对下更加热情。记者:我们再次回到GeForceNow，现在可以在Mac长期运营了。我很奇怪你和苹果的关系。
你和苹果的合作关系现在有多大？你还不会和苹果展开其他产品的合作吗？朱:我们和苹果公司的关系很好，这是开放平台，只是网页服务，关于这个问题我不想说别的。记者:尽管Cuda的编程能力更高，但也有人建议将应用于中的神经网络和训练等其他工作负荷应用于定制芯片，无论是ASIC、半定制部件、应用程序的标准部件还是FPGA。
你有没有想过如何通过GPU移动？朱:首先，GPU是定制芯片，我们已经慢慢改良了Cuda，可以很好地应对不同的工作负荷。Pascal是我们深入自学，首次投入大量精力改建框架的GPU。我们实际做的比你看到的多。
GPU只是一种定制芯片，我指出，对于像深度自学这样的工作负荷来说，标准化的处理可能不太合适，所以为了完成深度自学，我们优化了GPU，完善了Cuda定制功能。记者:关于公司的企业文化，我想问一下注解决问题，让员工预见这些问题？你真正英伟达的特点是什么？朱:很多人指出英伟达是世界上唯一的创业公司，我也指出英伟达有很多创业公司的特点，想回公司一起构筑梦想，一起思考未来，你必须大幅度尝试，大幅度尝试。
如果你尝试了，结束了，你的上司、朋友、同事都要责备你，你可能会再尝试一次。英伟达决不是这样。我们拒绝接受无意识的新想法。如果他们自己做不到的话，我们就不会吸取经验前进。
什么是企业文化？我不告诉你什么比它更神秘。我们只是想取得成绩的人们。我们更倾向于做自己擅长的事情。
因为这件事有很多人在做，有很大的市场前景。我们不能自己把握制作的事情。
如果你再加入这样的公司，就找不到很多可以做的事情。Above:TheNvidia.headquartersisfullloftrianle，thebasicbuildingblocksoff3Dgraphics.ImageCredit:DeanTakahashi记者:朱:CPU和GPU是两个不同的东西，这两个计算机都需要盐和胡椒，CPU用于命令处理，GPU用于处理数据。CPU处理速度快，GPU需要慢处理大量工作负荷。
这只是喷射机和战斗机，灵活，流通量低。如果我想移动大量的负荷，选择有发动机的飞机。这就是GPU。
这两种处理器有很大的不同。这各不相同的目的是什么？这是卡车，那是摩托车，想要速度的是摩托车，想要高通量的是卡车。记者:用AI计算，云比边缘设备有很大的能力。
计算模型的未来，哪个方面不会衰退？朱:实质上，我指出边缘设备可能会一起发展。当然，云已经茁壮成长。为什么边缘设备不发展？因为我们可以把小网络系统、人工网络放在边缘，边缘设备不太智能。通过AI，使边缘设备更加智能化，我们一定不会工作。
可以和机器人交流，延迟很短。另一方面，云所需的宽带数量不会增加。我们必须增加云的数据量。
现在我们已经有数十亿的设备了。将来我们没有数兆的智能设备。
他们不能上传云识别。如果你想部分识别，就不能上传元数据到云。
记者:近年来近年来AI顺利的背后需要数十年的无数结束。为什么需要前进，AI多年来一直在等待这个突破口的到来？朱:一部分命运大不相同吧。一部分是幸运的。
你为什么说命运大不相同？我们开发了擅长处理数据、具有高通量计算能力的处理器，同时深层神经网络方法的计算能力非常强。这个算法可能简单明了，但是通过大量的数据进行训练是有效的。此时，发动机必须大幅度计算。
当这两者融合在一起时，就是我所谓的幸运地。但而，深度自学的好处是它具有非常丰富的功能，唯一的缺点是内部必须大量计算。所以我经常深入自学和GPU的融合，命运似乎碰到了一点运气。
深度自学确实很酷的地方是，它的模型是便携的，解读后开始使用，人工智能从艺术形式变成了工程形式。这也是开始深度自学的公司数量激增的原因。就像你可以把手放在周围，正好用在那里一样，也是能力。
就像40年前，当我们需要自己设计芯片时，许多公司开始自己设计芯片。有了深度自学的工具，你可以通过这个算法和平台来训练人工智能网络。因此，这些公司也随着深度自学的趋势蓬勃发展。
版权文章允许禁止发布。下一篇文章发表了注意事项。
本文关键词：英伟,达,CEO,黄仁勋,、,自动,驾驶,以及,GPU,的,亚博ApP安全有保障
本文来源：亚博ApP安全有保障-seoyoursitesz.com
