人工智能

AI 正在引领全球创新迈向新时代。从提升人类创造力到对抗传染病传播、再到建设智慧城市以及对各行各业进行革新分析，AI 不断为各个团队提供完成重要工作所需的强大功能。

就其最基本的形式而言，计算机程序或机器无需使用命令进行显式编码，便可思考、学习和采取行动的能力即为 AI。可将 AI 视为开发以下计算机系统的过程：用于自主执行任务、摄入和分析海量数据，然后在这些数据中识别模式的系统。庞大且不断发展的 AI 研究领域始终围绕系统开发，这些系统能够以超出任何个人或团队能力的速度，来执行原本需要人类智慧才能完成的任务。仅因如此，人们广泛认为 AI 具有开拓性，并且极具变革性。

此外，AI 系统的基本准则是：在新信息和新数据输入这些系统时自行调整，从而实际学习之前的经验或从数据中学习模式。通过这种自主学习，AI 系统可以完成各种惊人的任务，包括图像识别、自然语言语音识别、语言翻译、作物产量预测、医疗诊断、导航、贷款风险分析、准确无误地执行易错的乏味人工任务，以及其他数百个用例。

虽然 AI 的理论和早期实践可以追溯到 20 世纪早期，但直到 21 世纪，实用 AI 业务应用才蓬勃发展起来。这要归功于计算能力的巨大进步以及海量可用数据。AI 系统将海量数据与超快迭代处理硬件和高度智能的算法相结合，使计算机能够“学习”数据模式或数据特征。

图形处理器（简称 GPU）是 AI 系统处理繁重工作所需的硬件。这些超快的专用处理器能够实现快速且功能强大的并行处理。本质上来讲，海量数据就像 AI 引擎的燃料，这些数据来源于各种来源，例如物联网 (IoT)、社交媒体、历史数据库、运营数据源、各种公共和政府来源、全球科学和学术界社区，甚至还有基因组学来源等。AI 将 GPU 与庞大的数据存储和近乎无限的存储功能相结合，必将对商界产生巨大影响。

应用程序编程接口（简称 API）等众多不断发展的技术推动 AI 广泛应用。借助这些本质上高度便携的代码包，开发者和数据科学家可以将 AI 功能打包到当前产品和服务中，从而提升现有投资的价值。例如，API 可以添加能够描述数据或发掘数据中有趣见解和模式的问答功能。

毫不夸张地说，人工智能（简称 AI）能够从整体上改变全球经济的生产力潜力。普华永道的一项研究表明，AI 在 10 年内对全球经济的贡献总值将达到近 17 万亿美元。要参与 AI 驱动的经济，各大组织需要战胜 AI 方面的挑战。

掌握原始计算能力。

构建 AI 系统以及使用机器学习和图像处理或语言理解等技术需要强大的处理能力。NVIDIA 是全球 AI 开发团队的理想之选，致力于将 AI 融入现有产品和服务，为 GPU 和 AI SDK 增建出色的新型“原生 AI”服务。

处理数据偏差。

与任何其他计算机系统一样，AI 系统的优劣取决于所输入的数据。不良数据可能来自企业、政府或其他来源，且包含种族、性别或其他偏见。开发者和数据科学家必须采取额外的预防措施，防止 AI 数据出现偏差，否则会动摇人们对 AI 系统实际学习内容的信任。

医疗健康

全球的先进组织都在为医生和科学家配备 AI 支持，助力其改变生活和科研的未来。借助 AI，他们可以处理互操作型数据，满足对个性化医疗和新一代诊所的日益增长的需求，开发切合其工作流程的智能应用程序，并加速影像分析和生命科学研究等领域的研究进展。用例包括：

• 病理学。各大医院每年都会进行数百万次医学扫描和组织活检，并且通常会扫描结果来创建数字病理学数据集。如今，医生和研究人员使用 AI 即可全面高效地分析这些数据集，对各种疾病进行分类，并在各个病理学家的诊断意见不一致时减少错误。
• 患者护理。当下我们面临的挑战仍旧是临床医生如何尽量快速有效地为患者提供正确的治疗。与重症监护室相比，这是一项更亟待满足的需求。医生可以使用 AI 工具，利用每小时生物体征测量数据，提前 8 小时预测患者是否有协助呼吸、输血，或通过干预增强心脏功能方面的治疗需求。

零售

Accenture 的一份报告预估，截至 2035 年，AI 有望通过促进增长和提高盈利率，为零售商创造 2.2 万亿美元的价值。在经历大规模数字化转型的过程中，该行业可利用 AI 加强资产保护、开展店内分析并简化运营，从而提升商业价值。

• 需求预测。针对美国 4700 家门店超过 10 万种的不同商品，沃尔玛实验室的数据科学团队要预测各间门店所需的商品组合，每周要预测 5 亿个组合。利用基于 CUDA-X AI 和 NVIDIA GPU 构建的 NVIDIA RAPIDS 开放源代码数据科学和机器学习库套件进行预测后，沃尔玛团队能将设计机器学习功能的速度提高 100 倍，并将训练算法的速度提高 20 倍。
• AiFi 正在与零售巨头和大学携手，对其全天候自主购物并且免结账手续的 NanoStore 门店进行试点测试。NanoStores 拥有 500 多种不同的商品，并使用由 NVIDIA T4 Tensor Core GPU 提供动力支持的图像识别技术锁定商品选择，然后将此类选择添加至客户标签。

电信

AI 正在电信行业掀起新一波的通信浪潮。智能服务可利用 GPU 和 5G 网络的强大性能到达边缘，进而简化部署并充分发挥潜能。

• 2Hz, Inc. 采用由 NVIDIA T4 和 V100 GPU 提供动力支持的降噪技术，使实时通话变得更加清晰。相较于 CPU，2Hz 的深度学习算法性能提升了 20 倍；通过在 GPU 上运行 TensorRT，2Hz 可满足实时通信的 12 毫秒 (ms) 延迟要求。
• 5G 将提供多种计算能力，包括延迟低于 20 毫秒的千兆级速度。正因如此，Verizon Envrmnt 团队能够部署功能强大的 NVIDIA GPU，改进 Verizon 的高性能计算操作，同时打造分布式数据中心。5G 还让设备变得更薄、更轻、更省电，提高了内存密集型并行处理的可行性，推动渲染、深度学习和计算机视觉领域的发展。

金融服务

随着许多知名和初创公司供应商快速将 AI 解决方案推向市场，这些解决方案在充满活力的金融服务领域大受欢迎。迄今为止，热门应用用例包括：

• 投资组合管理和优化。过去，主要通过手动方式计算投资组合风险，因此非常耗时。借助 AI，银行无需移动敏感数据，即可在数秒内完成极其复杂的查询工作。
• 风险管理。与投资组合管理类似，风险管理计算通常需要一整夜的时间分批完成，因此随时有可能错失机会。AI 工具可根据可用数据近乎实时地计算风险，从而提升投资组合效果并改善客户体验。
• 欺诈检测。AI 解决方案能够摄入海量数据并立即搜索异常数据，因此可以标记可疑模式并触发特定行动。

工业

常见的 AI 用例之一是处理来自各种物联网设备的巨大数据流，进行预测性维护。这可能与监控单个设备（例如一台发电机）或整个制造设施（例如工厂车间）的状况相关。AI 系统能控制和利用从设备及各种外部来源（例如天气日志）中收集和传输的数据。各大铁路都使用 AI 来预测故障，在故障发生前进行修复，从而保证列车准时运行。对工厂车间进行 AI 预测性维护能够显著缩短产品线宕机时间。

• 下载我们的电子书：《实现适用于各个行业的 AI 解决方案》，查看您所在行业的客户用例。

AI 是一种工具

数据科学家认为 AI 是一种工具，是建立在其他数据深度分析程序或方法之上的一种程序。除了 R 和 Python 等语言以外，数据科学家还会处理传统数据库中的数据，并且经常使用 SQL 查询从中提取数据。通过使用某些 AI 工具，他们可以快速执行任务，对这些更传统的数据源进行分类和预测。

机器学习研究人员

由于 AI 几乎可用于解决任何问题，因此大部分研究人员都致力于研究 AI。同时，大型数据集和强大的计算能力投入使用后，帮助 ML 研究人员在各个研究领域取得了突破性进展，并革新了自动驾驶、金融、农业等行业。

软件开发者

尽管 AI 狂热者表示该领域即将进入自主编写软件的时代，但其实还未发展到这种程度。不过，各大组织已经将 AI 用于助力开发和测试软件解决方案，尤其是定制软件。过去两年中，软件供应商向市场推出了越来越多支持 AI 的各种软件开发工具。一些大受欢迎且资金雄厚的初创公司率先推出 AI 开发工具。

其中一个特别令人兴奋的 AI 开发工具应用用例是：AI 从先前的开发项目中摄入海量数据，提升了项目管理能力。然后，AI 工具准确预测了管理新项目所需的各种任务、资源和时间安排。这并不意味着 AI 可以编写软件或取代开发者，但可以帮助这些重要的开发者更高效地利用时间，来打造定制软件。

为何 AI 在加速计算平台上表现更加出色

AI 模型可能非常庞大，尤其是深度神经网络 (DNN)，需要强大的计算能力。因为计算是相互独立的，所以训练这些 AI 模型属于高度并行的任务，因此在 GPU 上进行分布式处理是不错的选择。现在，在最新 GPU 技术的支持下，可以在一分钟内训练多个视觉和语言 AI 模型。

NVIDIA 大力支持 AI 计算 – 在人工智能领域拥有长足发展历史

1999 年，NVIDIA 发明了 GPU。之后，随着 CUDA 编程模型和 Tesla GPU 平台的发明，NVIDIA 将并行处理能力引入了通用计算。随着 AI 创新技术和高性能计算的融合，由 NVIDIA GPU 提供动力支持的 AI 解决方案使全球大型行业能够使用加速计算，并将 AI 带到边缘。

由 NVIDIA 提供动力支持的神经网络取得重大突破

训练神经网络是构建颠覆性 AI 应用程序的第一步。NVIDIA DGX-2 利用 16 块 GPU 来为数据团队提供 2 petaflops 的训练性能，是功能强大的 AI 训练工具。加入了 Mellanox InfiniBand 网络的非凡 IO 性能后，DGX-2 系统能迅速扩展为超级计算机级 NVIDIA SuperPOD。DGX-2 在 MLPerf（一套新的行业基准，旨在测试深度学习性能）方面创下了世界纪录。NVIDIA DGX ™ A100 是适用于各种 AI 工作负载的超强系统，能够为全球首款 5 petaFLOPS AI 系统提供高性能计算密度、性能和灵活性，并加入了 Mellanox InfiniBand 网络的出色 IO 性能，因此 DGX-A100 系统可以快速扩展为超级计算机级 NVIDIA POD。

推动云端 AI 发展

经过训练的 AI 应用程序部署在非常复杂的大型云数据中心，面向数十亿用户提供语音、视频、图像和其他服务。随着对话式 AI 的兴起，人们越来越希望这些系统能够极速运行，从而提供真正有用的服务。NVIDIA TensorRT 软件与其 T4 GPU 相结合，可以优化、验证和加速此类要求较高的网络。

同时，随着 AI 逐渐从云端进入边缘（在这里世界各大行业生成了海量原始数据），NVIDIA EGX 平台使 AI 性能更接近数据，助力在需要时实时做出决策。

1. NVIDIA AI 和深度学习
2. 数据分析解决方案页面
3. 机器学习解决方案页面
4. RAPIDS 产品页面
5. AI 和数据科学内容库