英伟达应用ai 到 gpu 神经网络-k8凯发

英 伟达已经从之前电子游戏 gpu 生产商转型为机器学习应用硬件厂商。2015 年年底，公司表示，较之使用传统 cpu，使用了 gpu 神经网络的训练速度提升了 10 到 20 倍。

尽管英特尔重金投入的 fpga(作为 gpu 的替代产品)加入硬件市场角逐

gpu 的机器学习应用能实现更加密集的训练。相对而言，fpga 可以提供更快、计算密集程度更低的推理和任务；这说明市场会根据实际应用案例区分对待。过去五年，到 2016 年 6 月为止，英伟达所占 gpu 市场份额已经从二分之一上升到近四分之三。

在人工智能创新公司和学术机构中，gpu 加速的深度学习一直是许多项目的前沿。英伟达所占据的市场份额意味着，随着人工智能越来越成为未来几年中大型商务的中心议题，公司可以从中获益。使用公司 产品的一个例子，俄罗斯的 ntechlab，使用 gpu 加速的深度学习框架来训练面部识别模型，识别密集集会中的个人，并在 aws 中利用这些 gpu 进行推理。