从20年前只能为简单图形提供服务，到今天广泛应用于各个领域，对于GPU（图形处理器）的快速发展，

NVIDIA全球副总裁、中国区总经理张建中先生深有体会。

在近日举办的奇点·创新者峰会上，张建中先生向大家详细介绍了过去一年当中，GPU如何能在人工智能、VR和汽车自动驾驶三个领域取得快速突破。思达派（startup-partner.com）整理编辑。

人工智能

传统的图形图像识别，是用“模式识别”的方法去搭建图形图象识别。它的准确率大部分在70%-75%之间，很难突破的。并且计算模型的复杂程度越来越高，这些准确度却并没有任何的提升。

在这里，不得不提一下深度学习。这个方法出现之后，图形图象的识别率从70%提升到90%多，甚至于超越了人眼的识别准确度了。

深度学习的快速发展，取决于以下两个方面：

1.大数据

由于互联网的运用，大数据的采集准确度越来越高。

这些大数据的覆盖面是非常广泛的，几乎覆盖到全部的人群、全部的国家和地区。这些大数据的收集是实现人工智能网络的关键。

2.计算力

没有强大的计算基础，数据再多也不行，更何况没有办法在实际当中让一个算法不停的优化。就算是每一个人都搭建世界上最快的计算机，也很难满足世界上那么多公司的数据需求。

VR

VR的火热，最大原因就是在过去的十年当中，GPU的计算能力大概提升了1500倍。这1500倍的提升计算量，足以让GPU在很快的时间之内渲染更多的增速，让人类的眼睛在VR头盔当中体现虚拟现实。所以我们看到，在很多的应用当中，无论重力的加速度、立体的爆破还是流体的运动轨迹都可以通过模拟计算出来。

怎么开发才能让VR内容显得更加真实呢？

NVIDIA做了一个产品叫做FUNHOUSE，这款产品的特点是通过一些算法把声音和图象、图形结合在一起，让VR不仅有图象，还有声音，效果会更加真实。

汽车自动驾驶

汽车自动驾驶需要四个步骤：1、有一个高精的地图2、有一个精确的定位3、能够看清楚汽车周边各种各样的物体做出准确的判断4、能够做出自动驾驶的决策，让汽车采取不同的驾驶行为。以上任意一个步骤，都需要“强大计算能力，确保数据准确性”。

前端每一辆汽车都是一个数据采集器，汽车本身可以通过很快的计算采取正确的决策，所以NVIDIA把前端也引入了GPU的概念。这样，计算当中无论是结构化的数据还是非结构化的数据，这个GPU都能够胜任。所以在系统当中，前端后端结合在一起，形成一个闭环；这样，在任何一个汽车系统当中，无论汽车厂商是什么样的品牌，它都能搭建一个后台跟前端的系统，确保每一辆汽车在马路上行驶的时候有足够大的信息量去采取正确的决策，做出最安全的驾驶行为。