Deep learning 其实包括两部分，第一部分是线下的训练，在云端或者加载GPU 的服务器端做训练；另一部分是做线上的推理。在线下训练，之后将训练好的模型放到线上去做推理，这是目前 deep learning 较为普适的模式。

　　Deep learning 的模式较为适合三类数据，computer vision 数据，语音数据，自然语言处理数据。这张PPT展现从 GPU 到 SDK 到 framework 到上层的应用。GPU带来的 deep learning 创造了全新的计算时代，也给初创公司带来很多机会。

　　AI的机会很多，在单一技术和组合式产品中，都有良好的市场。

　　我们可以从初创公司中看 deep learning 中有哪些机会：1）健康医疗，比如皮肤癌的研究在用 deep learning 做；2）零售，主要解决商品选择和支付问题。Focal 公司解决如何让传统零售业爆发活力的方案，核心技术是对物体的识别。客户进入实体店后，有类似于pad 的装置，用手推车进行购物，当挑选完商品后，不用结账，自动识别。同时，当商品从货架取下后，系统会自动补货。这个公司主要面向零售业的细分市场；3）金融。美国有一家投资公司，用了无人机和卫星图片，天天在美国上空扫庄稼地，利用 DNN 网络做图片识别，看看某几类庄稼的长势如何，并在期货交易所做对冲。可以通过历史数据比对，看是欠收还是多收；4）安全；5）IoT，比如机器人、无人机公司。目前有陪伴机器人，服务机器人，用无人机撒农药，这些都是针对特殊场景的很好的应用；6）无人驾驶，代表了 deep learning 技术与未来交通行业的结合；7）网络安全。有些公司用 deep learning 做对于病毒、恶意模式的判断，这些方案能够实时升级，判断新来的病毒属于哪一类。因此，AI的机会很多，在单一技术和组合式产品中，都有良好的市场。

　　与大家分享一下一些 AI 的典型应用。第一个应用是在车里用语音与车进行交互；第二个应用是基于图像的物体识别，能够在图片库中找到心仪的物品。在数据库领域，这种基于图片的应用也很有意思。比如 SAP 在训练 DNN中，将广告中公司的图标抓取出来，并给客户一个报告，在这段视频中，图标出现多少次，出现在什么位置，并判断投资和品牌曝光度是否合理。这一特性，给SAP带来很好的客户反馈；第三个应用是基于用户行为作出判断，比如喜欢什么类型的电影。

　　我们与祖母可能交流困难，如何应用 NLP 技术与她进行交流，增强人与人之间的沟通；第二张图片与医疗相关；第三张图片中是微软的工程师，是一个天生的盲人，微软现在有一种眼镜能够进行物体识别，这也是基于deep learning很好的应用。

　　第一张图是我们在平安城市中抓取特征点；第二张图是服务型机器人；第三张图是在农业方面的应用。因此，在 AI月 deep learning 的时代，有很多领域大家可以尝试去做。

　　这张图想与大家分享一下英伟达在自动驾驶领域的应用。我们将自动驾驶变为AI 的任务，模拟人进行驾驶。当人驾驶时，人需要知道周围环境，车的位置，并作出相应的驾驶策略，这也是AI的任务。1）感知：我们会用多样的传感器将周围环境情况了解清楚；2）reasoning：判断周围环境是否安全；3）驾驶：依托于高精度地图，高精度地图能够提供丰富的环境信息和精确的定位。

　　这是一个总结，可以看到人工智能时代在架构、软硬件、算法等方面不断向前发展。

　　GTC 新产品解读

　　下面我会跟大家分享一下，在 GTC 2017 中一些比较好的收获。

　　第一个就是，英伟达在 GTC上宣布了新一代的 GPU，VOLTA100。我们每一代的GPU有一个科学家的名字，这一代的GPU 对我们来说，有几方面的提高，第一是它有 210 亿个晶体管，12纳米线程，然后整个核心板的面积在815毫米平方，这是一个非常大的进步，整个架构上有一个非常大的进步。

　　这一代，我们的架构有一个很好的一个提升，我们会在这一代架构里面放入一个Tensor 核，它完成了以前矩阵式同步这种的矩阵式相乘，实现非常高速的运转。这样的结果会让我们产生120Teraflops 的计算能力，这种计算能力无论针对 Training 端还是 Inference 端都是非常好的进步。这一代产品是英伟达最新在 GTC上发布的。

　　这一页是跟大家讲一个蛮有意思的产品，其实机器人或者说我们叫智能体的这种产品已经出了挺长时间，但是机器人这种产品有一个问题，就是说机器人这种场景，你真正去训练它的时候，其实是挺困难的，包括有各种场景你要去模拟，这是比较大的困难，因为第一个是时间长，第二个你不会去造很多机器人一块去学一些东西，这样的话，你这个研发包括这种开发的周期会很长。

　　这是我们叫 ISAAC 的 SIMULATOR，其实是把深度学习和模拟结合在一起，它其实是用一个模拟的平台去训练机器人，比如说我训练一个机器人做一个动作，做什么动作呢？我做一个比如说打高尔夫球的动作，那他就去做模拟，他一遍一遍的做，这样的话，如果一个机器人的公司，它以使用这样的模拟器。它去做这种模拟的时候，可以同步去做多个，或者是把一种机器人同步做多个机器人的模拟，然后做多个场景的模拟，甚至是一个场景多个机器人去模拟，这样去做。这样的话，会极大的提升模拟和开发的效率。

转载请注明出处。