4月7日消息，据The Verge网站报道，NVIDIA发布了一款大幅突破机器学习极限的新芯片。英伟达首席执行官黄仁勋周二在公司年度 GPU 技术大会上宣布，Tesla P100 GPU 执行深度学习神经网络任务的速度比英伟达之前的高端系统快 12 倍。
据NVIDIA介绍，P100是NVIDIA的作品，研发成本高达20亿美元。一块芯片上有1500亿个晶体管，是世界上最大的芯片。
除了机器学习之外，P100 还可以执行各种高性能计算任务——Nvidia 只是想让你知道这款芯片非常擅长机器学习。 Nvidia 将 8 个 P100 芯片放入一台价值 129,000 美元的超强大超级计算机 DGX-1 中，该计算机也在周二推出。这台超级计算机已经预装了深度学习软件，将于6月份首先发送给麻省理工学院、斯坦福大学、加州大学伯克利分校等美国大学的人工智能研究人员。
Nvidia 因为视频游戏行业生产强大的图像处理芯片而闻名。图像处理需要大量的计算资源，神经网络深度学习也是如此。神经网络深度学习是人工智能的一种，通过模拟神经元层输入数据来训练计算机识别复杂的模式。
随着越来越多的公司参与开发深度学习技术——谷歌、微软、亚马逊、Facebook、百度等——英伟达将自己定位为人工智能芯片制造商。 “由深度学习驱动的计算机能够执行我们甚至无法想象的任务，”黄说。 “深度学习不仅仅是一个领域或一个应用。
它的意义远不止于此，因此我们公司全力致力于它。”在推动深度学习向前发展时，处理能力至关重要。
去年，微软研究人员通过使用比以前使用的深度五倍的神经网络在 ImageNet 计算机视觉挑战赛中获得了第一名。根据《自然》杂志上发表的文章称，DeepMind 使用了巨大的计算能力来训练其人工智能 AlphaGo，准确地说是 1,202 个 CPU 和 176 个 GPU。 一般来说，随着数据变得越来越大、越来越复杂，深度学习机器执行任务所需的神经层就越多。这意味着，为了构建更大的神经网络来进行更强大的机器学习（例如，自动驾驶汽车中更准确的图像识别），研究人员和数据科学家需要更强大的芯片，而 Nvidia 的目标是提供这些芯片。
芯片。