物聯網的下一站是人工智能

　　Alexnet神經網絡是2012 年國際ImageNet計算機圖形識別大賽的冠軍深度學習算法，著名的開源深度學習算法Caffe就是基于Alexnet。而到2015 年的 ImageNet 大賽中所有的最好成績，都是基于深度學習且在 GPU 加速的深度神經網絡，這也難怪《連線》雜志驚嘆GPU在人工智能時代的崛起。

　　Pascal GPU 架構的優勢在于：引入了NVIDIA獨家的新高速總線NVLink，專門用于GPU以及GPU與CPU的高速互連，GPU最高能夠以 160 GB/s的雙吐帶寬訪問系統內存，相當于 PCIe傳統帶寬的5 倍;采用了目前最快、容量最高的堆疊式內存技術HBM2，Tesla P100也是全球首款采用 HBM2 內存的GPU;顯著改進編程模型的統一內存，以單一統一虛擬地址來訪問系統中所有CPU 和 GPU內存，極大簡化了程序的可移植性及數據吞吐能力等。

　　微軟研究院首席語音科學家黃學東表示：“微軟正在開發具有 1，000 多層的超級深度神經網絡。NVIDIA Tesla P100 的驚人性能將讓微軟 CNTK 能夠加速實現人工智能的突破。”

　　80萬的AI服務器，到底值不值?

　　NVIDIA DGX-1的定價為12，900美金，約合80萬人民幣。那么，這個價格到底值不值呢?

　　NVIDIA DGX-1提供8 顆 Tesla P100 加速器、每顆 GPU 16GB 內存、7TB 固態硬盤 DL 高速緩存等配置，吞吐量相當于250臺E5雙路X86服務器。那么，按2萬元人民幣一臺E5服務器簡單估算，250臺即500萬的成本，這還不包括機房、網絡、能源等額外成本。而DGX-1采用 3U 架上型機箱，可單獨使用也可以集成到集群當中，顯然用DGX-1做集群更劃算。

　　在集成的軟件方面，NVIDIA DGX-1提供了一整套優化的深度學習軟件，屬于開箱即用型。在NVIDIA的開發者網站Developer.nvidia.com上，有一個Deep Learning深度學習專區，里面提供了Deep Learning SDK開發工具包、NVIDIA DIGITS圖像分類與識別軟件、Deep Learning開源框架等定制化軟件為深度學習提供了全方位的軟件支持，可供下載和使用。

　　其中，Deep Learning SDK開發工具包內含強大的工具及類庫，可用于設計、開發和部署面向GPU優化的深度學習應用。其中的類庫包括深度學習基礎cuDNN、線性代數、稀疏矩陣、多GPU通信以及全面的CUDA CC++開發環境。NVIDIA DIGITS深度學習管理調度平臺為圖像視頻類數據分類和識別，提供了包括LeNet、AlexNet、GoogLeNet等在內的預設優化算法。除此之外，NVIDIA還定期更新開發者網站，為開發者提供更多的優化算法——如果說GPU已經是深度學習領域不能或缺的組成，那么這款面向人工智能機器學習的NVIDIA DGX-1則讓更多企業拋開束縛，以更快的步伐邁向人工智能。

　　基于NVIDIA GPU的商用人工智能軟件還有一個很大的優勢，在于GPU的普適性：針對個人電腦的GeForce、針對云和超級計算機的Tesla、針對機器人和無人機的Jetson以及針對汽車的DRIVE PX等所有NVIDIA GPU都共用同一種架構。

　　百度、谷歌、Facebook、微軟是首批把 NVIDIA GPU 應用于深度學習的企業，在近兩年內與NVIDIA 在深度學習方面合作的企業激增了近 35 倍至 3，400 多家，涉及醫療、生命科學、能源、金融服務、汽車、制造業以及娛樂業等多個行業。

　　考慮到NVIDIA DGX-1在硬件、軟件和集成服務等方面的明顯優勢，80萬的價格并不為高。NVIDIA DGX-1顯然能夠大幅提升AI模型的學習和訓練時間，加快對于來自物聯網上各類圖片、視頻、語音等非結構化數據的處理速度，比如工業生產線檢測的圖片、醫療影像視頻、道路交通圖片與視頻分析等等，幫助企業盡快、盡早地從AI算法中受益。

　　中科曙光成為NVIDIA DGX-1在中國最重要的戰略合作伙伴之一，而全球領先的監控產品供應商、中國平安城市解決方案提供商海康威視也成為NVIDIA DGX-1的首單客戶，后者將把DGX-1用于視頻監控方面的深度學習超級計算機項目上。

　　NVIDIA DGX-1已經于今年7月正式上市，DGX-1的上市有望激活人工智能的大規模商用。對于企業來說，在跟投物聯網項目的同時，需要開始考慮人工智能策略。在大的產業趨勢到來之前，只有領先一步，才能步步占據先機。