人工智能近些年的加速崛起正对全球芯片行业产生重大影响。典型的例子就是图形处理器 (GPU)生产巨头英伟达（NVIDIA）。该公司正从一家显卡供应商转变为人工智能服务器供应商。

受益于游戏、人工智能等新领域的强劲业务增长，英伟达股价创出历史新高，因该公司预计GPU需求强劲将推动公司本季营收好于预期，且上季度营收和利润双双超出市场预期。

英伟达12日发布的财报显示，在截至5月1日的2017财年第一财季内，公司整体利润激增46%，至1.96亿美元，营收同比增长13%至13.05亿美元；预计第二财季营收将达到13.5亿美元，高于12.8亿美元的市场预期。

财报公布后，英伟达股价在周五的美股交易中飙升15.21%，收于40.98美元。

英伟达CEO黄仁勋说：

我们旗下所有平台都出现了增长——游戏、专业可视化、数据中心和自动化。深度学习令我们的业绩加速增长。这是一种全新的计算模式，利用GPU的大规模处理能力来学习人工智能算法。它的普及正在席卷一个又一个行业，推动我们的图形处理器市场需求不断增长。

分析师认为，随着人工智能和深度学习的发展，GPU等有些芯片具有颠覆CPU（中央处理器）的潜力。

那么，和更为人所知的CPU相比，GPU有什么优势呢？

根据浙商证券分析师杨云的介绍，GPU最明显的优势是更快的处理速度：

相比于CPU，GPU的一大优势是高速度。国内最好的人工智能硬件研究项目“寒武纪”小组的最新研究结果表明，GPU能够提供平均 58.82X 倍于CPU的速度。GPU的另一大优势，是它对能源的需求远远低于CPU。

GPU对于人工智能领域的意义又是什么呢？杨云称：

GPU在“深度学习”领域发挥着巨大的作用，因为GPU可以平行处理大量琐碎信息。深度学习所依赖的是神经系统网络——与人类大脑神经高度相似的网络——而这种网络出现的目的，就是要在高速的状态下分析海量的数据。例如，如果你想要教会这种网络如何识别出猫的模样，你就要给它提供无数多的猫的。而GPU擅长的正是海量数据的快速处理。

对于人工智能和深度学习来说，目前硬件加速主要靠使用图形处理单元（GPU）集群作为通用计算图形处理单元（GPGPU）。

与传统的通用处理器（GPP）相比，GPU的核心计算能力要多出几个数量级，也更容易进行并行计算。尤其是英伟达的CUDA，作为最主流的GPGPU编写平台，各个主要的深度学习工具均用其来进行GPU 加速。

英伟达正在朝着人工智能领域大步迈进，并投入巨资押宝。上个月5日，黄仁勋公布了最新款的专门用于人工智能研究领域的Tesla P100图形处理芯片，号称公司为这款GPU的研发投入了20亿美元。而公司2015年全年的营业收入才50亿美元。

英伟达上个月还同期推出了全球首款用于深度学习训练的超级计算机DGX-1，售价12.9万美元。该款机型首次搭载了8块Tesla P100计算卡，其深度学习计算性能高达170 Teraflops，是搭载双路至强E5平台运算性能的56倍以上，平均学习时间也从150小时缩短到仅仅2个小时。整台设备是去年发布的超级计算机运算能力的12倍。对于英伟达来说，这台深度电脑的出现代表了人工智能与深度学习的新领域。

上周，该公司基于其Pascal技术推出了GeForce GTX 1080和1070两款图形处理器，GTX 1080初始版本是为人工智能和其他应用的服务器系统而设计，其速度比目前的旗舰芯片Titan X快一倍，耗电量却只有后者的三分之一。黄仁勋说：

新款Pascal GPU架构将给深度学习、游戏和虚拟现实带来巨大提升。这两款处理器已全面生产，预计将于本月晚些时候上市。