加速計算帶來的結果確實非凡,，但其實現(xiàn)過程并不容易,。為什么它能節(jié)省這么多錢，但人們卻沒有更早地采用這種技術呢,？原因就在于它的實施難度太大,。

沒有現(xiàn)成的軟件可以簡單地通過加速編譯器運行，然后應用程序就能瞬間提速100倍,。這既不符合邏輯也不現(xiàn)實,。如果這么容易,，那么CPU廠商早就這樣做了。

事實上,，要實現(xiàn)加速,，軟件必須進行全面重寫。這是整個過程中最具挑戰(zhàn)性的部分,。軟件需要被重新設計,、重新編碼，以便將原本在CPU上運行的算法轉化為可以在加速器上并行運行的格式,。

這項計算機科學研究雖然困難,，但我們在過去的20年里已經取得了顯著的進展。例如,，我們推出了廣受歡迎的cuDNN深度學習庫,，它專門處理神經網絡加速。我們還為人工智能物理模擬提供了一個庫,，適用于流體動力學等需要遵守物理定律的應用,。另外，我們還有一個名為Aerial的新庫,，它利用CUDA加速5G無線電技術,，使我們能夠像軟件定義互聯(lián)網網絡一樣，用軟件定義和加速電信網絡,。

這些加速能力不僅提升了性能,，還幫助我們將整個電信行業(yè)轉化為一種與云計算類似的計算平臺。此外,，Coolitho計算光刻平臺也是一個很好的例子,，它極大地提升了芯片制造過程中計算最密集的部分——掩模制作的效率。臺積電等公司已經開始使用Coolitho進行生產,，不僅顯著節(jié)省了能源,，而且大幅降低了成本,。他們的目標是通過加速技術棧,，為算法的更進一步發(fā)展和制造更深更窄的晶體管所需的龐大計算能力做好準備,。

Pair of Bricks是我們引以為傲的基因測序庫，它擁有世界領先的基因測序吞吐量,。而Co OPT則是一個令人矚目的組合優(yōu)化庫，能夠解決路線規(guī)劃、優(yōu)化行程,、旅行社問題等復雜難題,。人們普遍認為,，這些問題需要量子計算機才能解決,，但我們卻通過加速計算技術,，創(chuàng)造了一個運行極快的算法,，成功打破了23項世界紀錄，至今我們仍保持著每一個主要的世界紀錄。

Coup Quantum是我們開發(fā)的量子計算機仿真系統(tǒng)。對于想要設計量子計算機或量子算法的研究人員來說，一個可靠的模擬器是必不可少的。在沒有實際量子計算機的情況下，英偉達CUDA——我們稱之為世界上最快的計算機——成為了他們的首選工具,。我們提供了一個模擬器,，能夠模擬量子計算機的運行,，幫助研究人員在量子計算領域取得突破,。這個模擬器已經被全球數十萬研究人員廣泛使用,，并被集成到所有領先的量子計算框架中，為世界各地的科學超級計算機中心提供了強大的支持,。

此外，我們還推出了數據處理庫Kudieff，專門用于加速數據處理過程,。數據處理占據了當今云支出的絕大部分,，因此加速數據處理對于節(jié)省成本至關重要。QDF是我們開發(fā)的加速工具,，能夠顯著提升世界上主要數據處理庫的性能,，如Spark、Pandas,、Polar以及NetworkX等圖處理數據庫,。

這些庫是生態(tài)系統(tǒng)中的關鍵組成部分，它們使得加速計算得以廣泛應用,。如果沒有我們精心打造的如cuDNN這樣的特定領域庫,，僅憑CUDA，全球深度學習科學家可能無法充分利用其潛力,，因為CUDA與TensorFlow,、PyTorch等深度學習框架中使用的算法之間存在顯著差異。這就像在沒有OpenGL的情況下進行計算機圖形學設計,，或是在沒有SQL的情況下進行數據處理一樣不切實際,。

這些特定領域的庫是我們公司的寶藏，我們目前擁有超過350個這樣的庫,。正是這些庫讓我們在市場中保持開放和領先,。今天，我將向你們展示更多令人振奮的例子,。

就在上周,，谷歌宣布他們已經在云端部署了QDF，并成功加速了Pandas,。Pandas是世界上最受歡迎的數據科學庫,，被全球1000萬數據科學家所使用，每月下載量高達1.7億次,。它就像是數據科學家的Excel,，是他們處理數據的得力助手。

現(xiàn)在,，只需在谷歌的云端數據中心平臺Colab上點擊一下,，你就可以體驗到由QDF加速的Pandas帶來的強大性能。這種加速效果確實令人驚嘆,，就像你們剛剛看到的演示一樣,，它幾乎瞬間就完成了數據處理任務。

CUDA實現(xiàn)良性循環(huán)

CUDA已經達到了一個人們所稱的臨界點,，但現(xiàn)實情況比這要好,。CUDA已經實現(xiàn)一個良性的發(fā)展循環(huán)。回顧歷史和各種計算架構,、平臺的發(fā)展,，我們可以發(fā)現(xiàn)這樣的循環(huán)并不常見。以微處理器CPU為例,，它已經存在了60年,，但其加速計算的方式在這漫長的歲月里并未發(fā)生根本性改變。

要創(chuàng)建一個新的計算平臺往往面臨著“先有雞還是先有蛋”的困境,。沒有開發(fā)者的支持,，平臺很難吸引用戶；而沒有用戶的廣泛采用,，又難以形成龐大的安裝基礎來吸引開發(fā)者,。這個困境在過去20年中一直困擾著多個計算平臺的發(fā)展。

然而,，通過持續(xù)不斷地推出特定領域的庫和加速庫,，我們成功打破了這一困境。如今,，我們已在全球擁有500萬開發(fā)者,，他們利用CUDA技術服務于從醫(yī)療保健、金融服務到計算機行業(yè),、汽車行業(yè)等幾乎每一個主要行業(yè)和科學領域,。

隨著客戶群的不斷擴大，OEM和云服務提供商也開始對我們的系統(tǒng)產生興趣,，這進一步推動了更多系統(tǒng)進入市場,。這種良性循環(huán)為我們創(chuàng)造了巨大的機遇，使我們能夠擴大規(guī)模,，增加研發(fā)投入,，從而推動更多應用的加速發(fā)展。

每一次應用的加速都意味著計算成本的顯著降低,。正如我之前展示的,，100倍的加速可以帶來高達97.96%，即接近98%的成本節(jié)省,。隨著我們將計算加速從100倍提升至200倍,，再飛躍至1000倍，計算的邊際成本持續(xù)下降,，展現(xiàn)出了令人矚目的經濟效益,。

當然，我們相信,，通過顯著降低計算成本,，市場,、開發(fā)者、科學家和發(fā)明家將不斷發(fā)掘出消耗更多計算資源的新算法,。直至某個時刻,，一種深刻的變革將悄然發(fā)生。當計算的邊際成本變得如此低廉時,，全新的計算機使用方式將應運而生。

事實上,，這種變革正在我們眼前上演,。過去十年間，我們利用特定算法將計算的邊際成本降低了驚人的100萬倍,。如今,，利用互聯(lián)網上的所有數據來訓練大語言模型已成為一種合乎邏輯且理所當然的選擇，不再受到任何質疑,。

這個想法——打造一臺能夠處理海量數據以自我編程的計算機——正是人工智能崛起的基石,。人工智能的崛起之所以成為可能，完全是因為我們堅信,，如果我們讓計算變得越來越便宜,，總會有人找到巨大的用途。如今,，CUDA的成功已經證明了這一良性循環(huán)的可行性,。

隨著安裝基礎的持續(xù)擴大和計算成本的持續(xù)降低，越來越多的開發(fā)者得以發(fā)揮他們的創(chuàng)新潛能,，提出更多的想法和解決方案,。這種創(chuàng)新力推動了市場需求的激增。現(xiàn)在我們正站在一個重大轉折點上,。然而,，在我進一步展示之前，我想強調的是,，如果不是CUDA和現(xiàn)代人工智能技術——尤其是生成式人工智能的突破,，以下我所要展示的內容將無法實現(xiàn)。

這就是“地球2號”項目——一個雄心勃勃的設想,，旨在創(chuàng)建地球的數字孿生體,。我們將模擬整個地球的運行，以預測其未來變化,。通過這樣的模擬,，我們可以更好地預防災難，更深入地理解氣候變化的影響,，從而讓我們能夠更好地適應這些變化,，甚至現(xiàn)在就開始改變我們的行為和習慣,。

“地球2號”項目可能是世界上最具挑戰(zhàn)性、最雄心勃勃的項目之一,。我們每年都在這個領域取得顯著的進步,，而今年的成果尤為突出。現(xiàn)在,，請允許我為大家展示這些令人振奮的進展,。

在不遠的將來，我們將擁有持續(xù)的天氣預報能力,，覆蓋地球上的每一平方公里,。你將始終了解氣候將如何變化，這種預測將不斷運行,，因為我們訓練了人工智能,，而人工智能所需的能量又極為有限。這將是一個令人難以置信的成就,。我希望你們會喜歡它,，而更加重要的是，這一預測實際上是由Jensen AI做出的,，而非我本人,。我設計了它，但最終的預測由Jensen AI來呈現(xiàn),。

由于我們致力于不斷提高性能并降低成本,，研究人員在2012年發(fā)現(xiàn)了CUDA，那是英偉達與人工智能的首次接觸,。那一天對我們而言至關重要,，因為我們做出了明智的選擇，與科學家們緊密合作,，使深度學習成為可能,。AlexNet的出現(xiàn)實現(xiàn)了計算機視覺的巨大突破。

AI超算的崛起,，起初并不被認同