gti为什么值得买（宣称买到就是赚到）

gti为什么值得买（宣称买到就是赚到）Volta架构GPU与其他GPU性能横评（ML任务）现如今，深度学习的发展大大促进了AI的进步和落地。为了掌握问题的真相，它需要利用大量数据积累学习经验，数据越多，模型的性能就越优秀，在空间内探索到的可能性也越多，换句话说，就是我们的AI会变得越来越聪明。推出VR代驾工具Holodeck VR和自动驾驶仿真平台DRIVE CONSTELLATION它们分别对应演讲的4个主题：惊人的图形、惊人的科学、惊人的AI和惊人的机器人。每个主题一结束，老黄就会掏出这句经典广告：The more you buy the more you save。综观整场演讲，深度学习大放异彩，产品倒向业务层面，而万众期待的消费级GPU却没有出现在哪怕一张PPT中，着实伤了不少观众的心。注：考虑到一天下来大家已经看了大量相关报道，加上论智高度垂直机器学习领域，因此本文只涉及“惊人的AI”的相关内容。

今天凌晨，英伟达第9届年度GPU技术大会（GTC）在美国加州圣何塞市的McEnery会议中心顺利开幕，公司CEO黄仁勋穿着他的新黑色皮夹克走上舞台，宛如新世纪的超级英雄（←官网这么比喻的，不要看我）。在大会上，老黄重点介绍的内容主要有以下几个：

• 推出世界上第一款基于Volta架构的新型专业级GPU Quadro GV100

• 推出医学影像超级计算机Clara

• 推出世界上最大的GPU DGX-2

• 推出VR代驾工具Holodeck VR和自动驾驶仿真平台DRIVE CONSTELLATION

它们分别对应演讲的4个主题：惊人的图形、惊人的科学、惊人的AI和惊人的机器人。每个主题一结束，老黄就会掏出这句经典广告：The more you buy the more you save。综观整场演讲，深度学习大放异彩，产品倒向业务层面，而万众期待的消费级GPU却没有出现在哪怕一张PPT中，着实伤了不少观众的心。

注：考虑到一天下来大家已经看了大量相关报道，加上论智高度垂直机器学习领域，因此本文只涉及“惊人的AI”的相关内容。

惊人的AI：Tesla V100 GPU

现如今，深度学习的发展大大促进了AI的进步和落地。为了掌握问题的真相，它需要利用大量数据积累学习经验，数据越多，模型的性能就越优秀，在空间内探索到的可能性也越多，换句话说，就是我们的AI会变得越来越聪明。

Volta架构GPU与其他GPU性能横评（ML任务）

从性能来看，Volta无疑是目前最适合机器学习任务的GPU架构，它在性能上优于以前的Kepler，显存也有16个g。这次升级到32g后，V100将可以运行更大更深的神经网络模型、提高每次训练的批大小，同时整体提升模型预测的准确率。

惊人的AI：GPU DGX-2

老黄为AI界带来的第二个“福利”是大型GPU丛——DGX-2。围观群众没有等来预想中的20系、11系核弹，而是直接等来了一颗氢弹。

• 20亿根晶体管；

• 2片Intel Xeon Platinum；

• 16块 NVIDIA Telsa V100；

• 可配备1.5TB DDR4内存；

• 内置512GB HBM2显存；

• 内置30TB NVMe SSD（最高可到60TB）；

• 功率10KW，净重350磅（约合159kg）；

有本事你拎起来啊

关于这颗GPU的介绍，任何成段的描述都是苍白的，所以我们只列出几个重要的数据，请各位自行体会。

• DGX-2每秒最大带宽约为14TB/s；

• 如果以1GB一部电影来计算，DGX-2每秒可以下片14336部；

• 81900个CUDA核心，提供2千万亿次浮点计算的算力（世界上最快的超级计算机是125 petaflops，美国最快的是100 petaflops，而DGX-2有2 petaflops）；

• 和六个月前发布的DGX-1相比，DGX-2的处理能力是前者的10倍；

• 5年前，Alexnet用2块GTX 580训练，耗时6天；今天，它用一台DGX-2进行同样的训练，耗时18分钟；

• 售价39.9万美元，约合250万人民币。

用250万一次性买断300台功率为180千瓦的双CPU计算机，成本是它的1/8，占的空间是它的1/6，能效还是它的18倍，你说是不是The more you buy the more you save？

这个世界需要巨型（贵）GPU！

惊人的AI：NVIDIA GPU Cloud

NVIDIA GPU云（NGC）是一个可以在任何地方运行的GPU加速平台。数据科学家和研究人员可以通过它快速构建、训练和部署神经网络模型，以解决一些最复杂的AI挑战。而老黄公布的第三个消息就是NGC现在已经通过AWS、Google Cloud、Oracle云和阿里云认证，成为在这些云平台上唯一被允许运行的加速工具。

据官网介绍，NGC集成了当前所有领先深度学习框架、cuDNN、NCCL、TensorRT、GPU drivers、NVIDIA CUDA以及Linux操作系统，方便研究人员随时进行创新。由于允许灵活地将文件保留在本地，并在云平台上直接做训练和推理，数据科学家和研究人员今后将不再受计算资源限制。

惊人的AI：TensorRT

PLASTER，分别代表：Programability（编程能力）、Latency（延时）、Accurate（准确率）、Size（体量）、Throughput（吞吐量）、Energy efficiency（能效）、Rate of learning（学习率）。这是机器学习中的一些重要概念。如果你要构建一台PC，这不是件简单的事；如果你要构建的是超级计算机，这更难；如果你要让计算机进行推理，那它必须符合PLASTER原理。

TensorRT是英伟达于2016年9月推出的一个可编程推理加速器，它能加速现有和未来的网络架构。历经几轮迭代，这次老黄介绍的TensorRT 4可以处理循环神经网络，深入融入TensorFlow，加速语音识别、NLP等任务的处理。

• 图像处理：加速190倍；

• NLP任务：加速50倍；

• 推荐引擎：加速45倍；

• 语音识别：加速36倍；

• 语音识别率：提高60倍。

总而言之一句话：时间就是金钱。最后，虽然日前有新闻爆出售价两万的TITAN V连生物学中的2 2都算不对，但老黄表示：TITAN V仍处于缺货状态。

被忽视的两个群体：玩家和矿工

看完了这个到处弥漫着深度学习气息的发布会，各位想必都发现了，在这样一个万众瞩目的盛会上，有两个重要群体却几乎没有被老黄提及：游戏玩家和数字加密货币矿工。

这两个群体一直热切期待着下一代GPU的发布。一方面，矿工们希望英伟达能推出新一代专为矿机设计的挖矿GPU，尽可能地多提高一点哈希率。另一方面，被暴涨的显卡价格压得喘不过气来的游戏玩家则希望GPU价格能回归正常水平，无论是矿机显卡还是备受关注的GTX 2080，新品都能解这个燃眉之急。

但是，无论是昨天还是今天，玩家和矿工的眼前暂时还会是一片黑暗。除了这个全球最大的GPU DGX-2可能会引起大矿主的兴趣，老黄并没有带来任何消费级显卡的消息。事已至此，玩家们似乎只能苦笑着调侃：老黄，你这个250万的DGX-2，跑得动扫雷不？

我们都知道，GTC不是一个以游戏为重点的活动，但是如果显卡商愿意在活动中暗示或透露即将发布的新品，这也是一个很好的契机。大会召开前，网上流传着各个版本的小道消息，玩家们在将信将疑的同时也寄期望于黄仁勋的正式发言，被肯定或是被否定，他们至少还有梦想，还有期待。但是显然，英伟达是不会为了照顾玩家感受走漏风声的。

“The more you buy the more you save.”老黄在整个主题演讲中一遍又一遍强调着这句话。买得越多，省得越多，转成商场里常见的标语，就是买到就是赚到。但是对于现实中被英伟达无视的这些人来说，买什么？拿头去买？我们甚至连价格合理的GPU都没得买。

我们来看看几款主流显卡的价格变化情况：

GeForce GTX 1060 6GB近18个月价格变化情况（单位：美元）

GeForce GTX 1070 Ti近18个月价格变化情况（单位：美元）

GeForce GTX 1080 Ti近18个月价格变化情况（单位：美元）

2017年4月，Nvidia GeForce GTX 1060的零售价大概在200美元左右，而截至今年3月，1060 6GB在newegg上的售价大多在350美元以上，而国内某东上的最低价也在2500以上。与此同时，GTX 1080 Ti最初定的零售价约为700美元，但现在它在newegg上早已突破1000美元大关，在亚马逊上濒临售罄，在某东上的价格也是低则7000，高则逼近万元。

有人说，矿难持续的越久，崩盘的时候就越可怕。但在遥遥无期的矿难前，显卡这种电子产品都快变成储值产品了，玩家不仅早买早享受，还能低进高出，把显卡当英伟达的股票玩……哦不

老黄是美国时间上午9时上台的，看来英伟达的显卡还是比公司的股票保值多了。