在這100個(gè)時(shí)間單位中，有1個(gè)時(shí)間單位涉及需要順序執(zhí)行的代碼，此時(shí)單線程CPU的重要性不言而喻。操作系統(tǒng)的控制邏輯是不可或缺的，必須嚴(yán)格按照指令序列執(zhí)行。然而，還有許多算法，如計(jì)算機(jī)圖形學(xué)、圖像處理、物理模擬、組合優(yōu)化、圖處理和數(shù)據(jù)庫(kù)處理，特別是深度學(xué)習(xí)中廣泛使用的線性代數(shù)，它們非常適合通過(guò)并行處理進(jìn)行加速。為了實(shí)現(xiàn)這一目標(biāo)，我們發(fā)明了一種創(chuàng)新架構(gòu)，將GPU與CPU完美結(jié)合。

專用的處理器能夠?qū)⒃竞臅r(shí)的任務(wù)加速至令人難以置信的速度。由于這兩個(gè)處理器能并行工作，它們各自獨(dú)立且自主運(yùn)行。這意味著，原本需要100個(gè)時(shí)間單位才能完成的任務(wù)，現(xiàn)在可能僅需1個(gè)時(shí)間單位即可完成。盡管這種加速效果聽(tīng)起來(lái)令人難以置信，但今天，我將通過(guò)一系列實(shí)例來(lái)驗(yàn)證這一說(shuō)法。

這種性能提升所帶來(lái)的好處是驚人的，加速100倍，而功率僅增加約3倍，成本僅上升約50%。我們?cè)赑C行業(yè)早已實(shí)踐了這種策略。在PC上添加一個(gè)價(jià)值500美元的GeForce GPU，就能使其性能大幅提升，同時(shí)整體價(jià)值也增加至1000美元。在數(shù)據(jù)中心，我們也采用了同樣的方法。一個(gè)價(jià)值十億美元的數(shù)據(jù)中心，在添加了價(jià)值5億美元的GPU后，瞬間轉(zhuǎn)變?yōu)橐粋€(gè)強(qiáng)大的人工智能工廠。今天，這種變革正在全球范圍內(nèi)發(fā)生。

節(jié)省的成本同樣令人震驚。每投入1美元，你就能獲得高達(dá)60倍的性能提升。加速100倍，而功率僅增加3倍，成本僅上升1.5倍。節(jié)省的費(fèi)用是實(shí)實(shí)在在的！

顯然，許多公司在云端處理數(shù)據(jù)上花費(fèi)了數(shù)億美元。當(dāng)數(shù)據(jù)得到加速處理時(shí)，節(jié)省數(shù)億美元就變得合情合理。為什么會(huì)這樣呢？原因很簡(jiǎn)單，我們?cè)谕ㄓ糜?jì)算方面經(jīng)歷了長(zhǎng)時(shí)間的效率瓶頸。

現(xiàn)在，我們終于認(rèn)識(shí)到了這一點(diǎn)，并決定加速。通過(guò)采用專用處理器，我們可以重新獲得大量之前被忽視的性能提升，從而節(jié)省大量金錢和能源。這就是為什么我說(shuō)，你購(gòu)買得越多，節(jié)省得也越多。

現(xiàn)在，我已經(jīng)向你們展示了這些數(shù)字。雖然它們并非精確到小數(shù)點(diǎn)后幾位，但這準(zhǔn)確地反映了事實(shí)。這可以稱之為“CEO數(shù)學(xué)”。CEO數(shù)學(xué)雖不追求極致的精確，但其背后的邏輯是正確的——你購(gòu)買的加速計(jì)算能力越多，節(jié)省的成本也就越多。

350個(gè)函式庫(kù)幫助開(kāi)拓新市場(chǎng)