协力共建AI生态圈

　　记者：我们觉得GPU的运算能力如此之强，是否会有取代CPU的趋势？NVIDIA跟英特尔之间的关系竞争化会不会越来越激烈？

　　黄仁勋：CPU和GPU是非常不同的处理器，它们相互擅长的是不一样的，CPU往往会是几个性能非常高的处理器，而GPU可能是数以千计的非常小的但是功耗比较低、能效非常高的小处理器。从它的内存架构、网络连接的架构来说都是不一样的，编程的模式也是不一样的，两者要配合，而不是各自分开。有很多应用并不需要GPU的存在。GPU在两个领域都是特别强大的，一个是计算图形、虚拟现实，在想像的世界当中。另外一个是在AI的领域，尤其是深度学习这个领域，因为里面的算法是非常类脑的，模拟大脑的。所以我们的战略并不是要取代CPU，而是GPU和CPU协同发挥作用，让CPU和GPU各自去完成自己所擅长的功能。我们市场的重点也不是传统的计算，不是手机和PC，而是游戏平台、自动驾驶汽车、AI、数据中心。所以我们会继续需要和CPU来合作。

　　记者：我们的产品在不断推出不断丰富，我们想推动AI社会的形成，只跟百度这样的合作伙伴合作还不够，还需要跟更多的合作伙伴合作。接下来如何推动AI的生态形成，我们有没有相应的投资计划，包括做一些基金。

NVIDIA联合创始人、总裁兼首席执行官黄仁勋与NVIDIA工程架构副总裁Marc Hamilton

　　黄仁勋：非常好的问题，有关于AI的研究，全世界很多大学都在开展，我们与作为领先的AI方面的研究者及研究大学都有很多合作。对于AI的商业使用来说，最早一批用户肯定是这些拥有超大规模数据中心的互联网公司，因为他们拥有大量海量的数据。他们所提供的这些服务是提供给数以十亿计的消费者，而不是少数的个人，所有这些几十亿的消费者都在要求互联网给他们提供更好的东西。所以每一个这样的用户都是不同的，而且他们都希望针对他们自己的要求能够给他们提供最完美的回答。显然唯一的解决办法就是使用人工智能，云里的AI计算机系统是可以了解每一个人有什么样的特性，他们会有自己什么样的需求。

　　很自然的这些互联网公司对于AI在商业运营方面最开始也是最重要的一个群体，我们和谷歌之间有合作，微软和我们的合作是非常开放的态度，Facebook和我们也是有合作的，已经建立了有GPU服务器的数据中心。还包括Youtube等等。中国像互联网巨头百度、腾讯、爱奇艺、科大讯飞，你们能想象到的比较大规模的互联网公司能够跟我们没有开展过合作的。购买我们的GPU是非常方便的，在任何地方任何市场上都可以买到。

　　另外一个AI计算的使用群体就是一些初创企业，实际上我们现在看到全世界已经有1500多家，他们的业务是基于AI计算的技术的初创企业。我们有一个专门针对这些初创企业的项目，名字就叫初始。通过这个叫初始的项目已经有700多家初创企业和我们开展合作，因为这些初创企业都希望能抢先用上我们NVIDIA的技术。

　　加入我们的初始项目对于初创企业有以下的好处，一是可以获得我们的技术，二是可以获得我们的专家的支持，三是他们可以获得我们整个市场营销的平台的支持，帮助他们可以进入到不同国家的市场，四是也会有一些潜在的投资机会。 

　　记者：就目前形势而言，移动互联网将被人工智能取代成为互联网下一个增长点是不可逆转的趋势，NVIDIA将扮演着怎样的角色？对中小企业市场以及普通消费者而言，NVIDIA将会有怎样的规划？

　　Marc Hamilton：人工智能AI构成了对移动互联网的一种补充，而不是移动互联网就会消失，在过去十年当中有很多针对智能手机的应用被开发出来，大家现在手机上都装了很多应用，而很多应用需要由AI来提供助力支持的。我们现在手机上使用的很多服务背后都是有AI的支持，未来会有越来越多的在智能手机上应用的服务、应用都会需要由AI在背后提供支持，包括网购方面、健康方面和生活的很多方方面面。

黄仁勋回答记者问题

　　黄仁勋：手机上用的很多应用程序APP，比如推荐餐厅、推荐电影、提供运营服务的APP都需要背后的推荐引擎来提供支持，这些推荐引擎都是需要通过训练的，需要有AI的网络经过训练才能提供这些推荐的服务，很多都是由GPU在背后提供支持。我们需要对于这些网络进行训练，训练网络本身就需要有大的数据样本，也需要有非常大的计算资源把网络训练好，训练好了之后你可以在不同的设备上去运行这个已经训练好的网络，可以是在手机上也可以在机顶盒，也可以在汽车、机器人、联网的摄像头，大量的物联网智能终端包括智能手机都可以运行这个经过训练的网络。有一些网络不需要非常高的性能，比如如果是家里的智能温控器不需要较高性能，有些需要中等程度的性能，比如像智能的AI摄像头。自动驾驶汽车的网络需要非常高的性能。

　　所以我们对移动互联网的策略，我们需要对于所有的网络进行训练，需要在自动驾驶的汽车上进行运行，但是对于那些只需要低性能的应用来说，我们只需要对它进行训练，不需要在这个上面进行运行。

　　Marc Hamilton：对于中小企业市场，现在在云里有了GPU的能力可以使得这些中小企业能够获得以往完全靠自己没有办法获得的这些能力，吴恩达先生提到了在百度，他们对于自己价值上亿美元的数据中心进行完全的架构改造，从而更好地使用GPU，但这样的一种做法对于中小企业是不可能实现的，但是这些中小企业完全可以利用阿里云、亚马逊的云服务、IBM的云计算等等，使用到GPU的能力，他们可以在云里面进行相应的AI的训练，也可以通过云实现服务的交付。

　　黄仁勋：我们的策略是这样的，云服务提供商在云中都有NVIDIA的GPU，也就是说有我们AI的计算平台。另外就是针对中等规模这些企业，他们还是希望自己可以拥有自己内部的计算能力，我们会为他们创建一些非常简单的AI设备，那就是我们现在的DGX-1这个产品。对于消费者的这种产品来说，我本人最喜欢的消费品就是汽车，对于汽车这个类别，我们现在的DRIVE PX 2这个产品。还有一些公司在中国也开始开发相应的消费级的机器人，比如可以在家里帮你提供服务，在家里帮你倒杯茶，帮你关门帮你打扫卫生，这种类型的家政机器人未来也会出现，对于这种类型的消费级的产品，我们有DGX1，这是非常小的AI计算机，它有非常低的功耗，但性能非常强大。  

　　记者：从全球看中国人工智能的发展您如何评估，中国很多公司都加大了在人工智能方面的投入，您如何看待他们的发展，有什么好建议吗？

　　张建中：中国的人工智能的发展对于中国很多企业都是非常好的机会，我在很多场合讲过好几次，中国和全球相比，人工智能领域在中国的发展不比美国差，很多企业在中国的开始起步的话不会差。每个地方的人都可以用我们的GPU搭建自己的系统，中国几乎所有人工智能的公司都有两个服务器，一个在中国一个在硅谷，中国和硅谷是双引擎的研发中心，无论是哪家人工智能的公司在中国，你都可以发现它们两个相互之间沟通得非常频繁，技术交流也非常快。我们在北京和硅谷都有办公室，所以大部分人工智能企业都可以和NVIDIA合作得特别好。人工智能的发展前期需要人才比较多，人才的储备非常重要，我经常鼓励大家参加更多的NVIDIA做的训练，昨天有一个著名的课程，就是为了帮助培养更多的中国本土人才。我相信中国还有个好的优势，因为中国的孩子数学水平在全球通常是第一的，几乎所有考试里大学第一名都是中国的孩子，在人工智能领域中做发展训练数学应用是最重要的，我很高兴看到中国几乎所有的人工智能公司，他们工程师的培养速度比其他公司要快。这两个点结合在一起，在中国人工智能领域中所有公司的发展都会比其他更快，这也是为什么我们在中国特别重视中国市场，我们希望培养更多的人才帮助中国企业迅速发展起来。   

　　记者：目前在汽车领域的AI技术在NVIDIA的战略体系中占有什么样的地位？未来NVIDIA在这个领域又有哪些计划和设想？我们知道NVIDIA在中国，前段时间有报道跟百度合作，未来会不会和传统厂商合作，比如宝马、奔驰？

　　黄仁勋：NVIDIA公司正在成为一家人工智能计算公司，人工智能计算这个技术在众多应用领域能够带来好处，首先是我们熟悉的在云、互联网服务。今天我们发布了两个新的云推理加速器P40和P4。这对于我们来说是一个新的市场，这个市场的潜力非常大，现在从这些互联网的使用者每天提出的问题数量来看，众多的几十亿的互联网使用者每天要提好几个问题，互联网人工智能查询的数量非常巨大。刚才讲的是AI互联网。 

　　第二是在AI城市方面，城市正在变得越来越智能，因为在城市当中有很多摄像头，有很多麦克风，有很多的扬声器，未来我们可以想象你在街上只要问问题说出来也许城市就会自动回答你。到2020年会有10亿个摄像头，所以今天我们发布了PX2，这将对互联网联网的摄像头及AI城市中众多的摄像头是个非常好的计算平台。当然我们知道还有另外一个非常重要的应用，就是在交通运输这个领域，这本身是一个十万亿美元的市场。我们作为一家人工智能计算公司，我们相信在整个交通运输行业方面我们可以通过AI来帮助实现一场非常大的变革，使得交通运输可以更加安全，为人类造福。　　

　　当然这里边涉及的问题是非常复杂和有挑战的，我们在这里边可以提供很多有价值的创造，现在我们是唯一一家公司推出了车载的AI计算机，我也相信对于社会来说AI交通将非常有意义。即便是对于我们现在来说，最为重要的业务部门也就是在游戏这块，AI未来能够实现的东西也是让我非常振奋的。今天我们看到了可以通过AI实现非常漂亮逼真的一些图形。未来我们可以用AI来生成整个国家整个城市完全依靠人工智能。整个游戏当中的人物都可以是AI，自然也可以通过AI来进行模拟，所以对于游戏来说AI也是很有价值的。AI的应用的方面非常广，我对它所具有的潜力非常激动，我们非常愿意利用AI来解决众多的大的社会问题，我非常相信在汽车这个领域AI有很大的利润空间。