摩尔定律在 CPU 上已经不那么起效了，台式电脑销量下降的情况下，GPU 的销售量也出现了减少，似乎也没人那么在乎摩尔定律了。如今，NVIDIA 在 GPU 市场中占主导地位，拥有超过 70% 的市场份额。在过去一年中，随着其芯片新应用的诞生，其股市价格几乎翻了三倍。
前段时间，NVIDIA 公布了 2016 年第三季度财报，净利润竟然比去年同期增长 120%。NVIDIA CEO 黄仁勋说，NVIDIA 正在经历从一个图形芯片公司到人工智能平台搭建者的转型。公司依然在为笔记本电脑和游戏用 PC 以及虚拟现实头盔提供图形芯片，但是，过去十年 NVIDIA 付出很多努力，以将此前只用于图像中的 GPU 技术用到更多更普遍的领域中，NVIDIA 现在也在为深度学习神经网络、自动驾驶汽车和一些新的设备提供计算能力。
在很多新兴计算场景下，GPU 被挖掘出了比以往更多的潜力，如 GPU 已经证明了其擅长于训练深层神经网络。量子计算目前已经有了原始原型，但可以预计，在量子计算实用化之前 GPGPU (GPU 通用计算) 将是计算能力的主要增长点。
经过尝试，我发现即使在我的手机和平板电脑这样的移动平台上，在一个分形计算中 GPU 也较 CPU 有若干个数量级的效率提升。
现有 GPU 的底层设计适用于图像处理而不是通用计算，GPU 的局限性导致了程序员只能以特定的方式对数据进行组合，以最有效的利用芯片。而目前 GPU 的多样性远超 CPU，光供应商就有 NVIDIA，AMD，高通等。对 GPU 编程的方式更是五花八门，如主要用于图像处理的 Shader (GLSL, HLSL, CG 等)，用于 GPGPU 的 CUDA, OpenCL, DirectCompute 等。技术的版图中，隐隐感觉到尚缺少那么一块统一，并简化 GPGPU 编程的软件拼图碎片。
了解更多人工智能资讯搜索微信公众号 ai_the_one 或扫码关注：
