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。

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。

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。

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。

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。

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。

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。