Nvidia希望能够在接下来的几年时间里，用GPU解决掉更多的计算问题。在今日的GPU技术大会(GTC 2015)主题演讲期间，Nvidia CEO黄仁勋除了为我们揭开Titan X的神秘面纱之外，还展露了该公司在其它领域的雄心壮志，比如加速深度学习和神经网络。如果你对“深度学习”(deep learning)的概念还不太清楚，那么也可以去百科或维基上了解一下。

首先，深度学习程序有许多实用应用，比如手写识别、自动化特征描述、以及通过图像对物体进行分类等。此外，它还可以用于对基于视觉输入的系统的控制，比如自动驾驶汽车。

为了让这些应用“活起来”，底层的人工神经网络必须先在样本数据集上进行练习。用黄仁勋的话说，在单个16核心的至强CPU平台上，这一过程竟然需要耗费43天的时间。

如果借助初代Titan X和CUDA技术的力量，时间就可以大幅减少至一周。而最新的Titan X和改进后的cuDNN平台，更是可以将时间进一步削减到三天！

Nvidia展示了一系列有趣的深度学习应用，比如面向自动驾驶汽车的Drive PX。这套系统基于Tegra X1 SoC打造，最高支持12路摄像头输入。

Drive PX能够以每秒184帧的速度，运行复杂的深度学习程序(AlexNet)——这等效于6.3亿的‘连接’(connections--用于衡量神经网络的复杂性)。

Drive PX已经针对早期的“深度学习控制汽车”(简称DAVE)作出了改进，并且应该能够允许人们开发出可应对高度复杂环境的靠谱应用(比如在城市街道驾驶汽车)。

作为主题演讲的嘉宾，Nvidia还邀请来了特斯拉汽车(Tesla Motors)的首席执行官——埃隆·马斯克(Elon Musk)。

马斯克表示：“Nvidia的Tegra应用非常有趣，它对于未来的自动驾驶汽车也显得相当重要”。或许我们很快就能看到“The Way It's Meant to be Driven”这样的Slogon了。

为了帮助人们更好地进行深度学习方面的研究、或者开发基于神经网络的应用，Nvidia还宣布了名为“DIGITS”的开发框架、以及被称之“DIGITS DevBox”的开发系统——后者包括了四路Titan X显卡，并且预装了常用的深度学习应用程序。

当然，你别指望能够在当地的百思买等零售店见到它的身影，因为Nvidia表示其主要面向的是那些“资深的深度学习研究人员”，而且$15000美元的价格实在也不便宜。

[编译自：TechReport]