NVIDIA的深度学习超级计算机为何能秒杀英特尔？

　　硬件和算法在人工智能领域的作用可以说是各占一半的，而在芯片层面上，业界几乎观点一致——GPU在人工智能深度学习算法上的重要性远高于CPU，这也就是为何NVIDIA在人工智能领域的风头甚至盖过了英特尔。毫无疑问，GPU是当下训练深度学习神经网络最热门的方法，这种方案已经受到了谷歌、微软、IBM、丰田以及百度等企业的青睐，因此GPU厂商在最近两年逐渐成为众企业膜拜的对象。

　　作为GPU领域的绝对主导者，NVIDIA最近动作频频，今年早些时候公司专为深度神经网络推出了Tesla P100 GPU，并且发布了基于该GPU的单机箱深度学习超级计算机——NVIDIA DGX-1。

　　如今这款深度学习超级计算机已经问世，NVIDIA CEO黄仁勋日前将DGX-1交付给了马斯克创办的人工智能项目OpenAI，OpenAI会用DGX-1做什么项目？如何使用？还不得而知，不过我们可以先聊一聊这款深度学习超级计算机到底是什么？它有什么牛逼的地方。

　　深度学习超级计算机是什么？

　　顾名思义，深度学习超级计算机是深度学习和超级计算机的结合体，我们所熟知的“天河一号”、“天河二号”等都是超级计算机，当然不仅如此，通常情况下具备高性能计算（HPC）的计算机都可算作超级计算机，如NVIDIA的Tesla系列。

　　因为深度学习神经网络尤其是几百上千层的神经网络需对计算和吞吐能力的需求非常高，GPU对处理复杂运算拥有天然的优势：它有出色的浮点计算性能，可以同时保证分类和卷积的性能以及精准度。

　　所以搭载GPU的超级计算机已经成为训练各种深度神经网络的不二选择。例如在谷歌Brain项目中，其3台机器中配置了12颗GPU，性能就达到了包含1000个节点的CPU簇的水平。