在2012年图像网络挑战赛上，深度卷积神经网络AlexNet诞生，在图像分类和识别领域实现了质的飞跃。它被认为是人工智能时代的里程碑事件，代表了深度学习时代的正式开始。在此之前，深入学习“如何围成一个圈”的主要挑战之一是，深入的神经网络训练面临计算能力不足的问题。AlexNet在计算能力方面取得突破的关键在于，当时研究人员使用了Avida的图形处理器。GPU在第一次世界大战中成名，并成为随着人工智能技术发展的基础设施。英伟达也抓住了人工智能计算的新增长机遇。随着人工智能计算能力需求的爆炸性增长，Avida图形处理器产品经历了几轮升级。现在，Avida的图形处理器家族正在经历历史上另一次“最大”的性能升级。这次升级是在“表面上最强的人工智能芯片”特斯拉V100最后一次发布三年后进行的。经过三年的休眠，它成了一部轰动一时的电影。
（NVIDIA A100 GPU） 英伟达公司首次推出第八代安培图形处理器架构和第一款基于安培架构的英伟达A100图形处理器。使用7纳米工艺，超过540亿个晶体管被放置在一个晶片上，其面积几乎与上一代伏打架构的V100图形处理器相同。晶体管的数量增加了2.5倍，但尺寸只增加了1.3%。就人工智能训练和推理计算能力而言，两者都比上一代伏打架构高20倍，高性能计算性能比上一代高2.5倍。A100图形处理器的独特之处在于，作为一个端到端的机器学习加速器，它首次将人工智能培训和推理统一在一个平台上，并且还将作为数据分析、科学计算和云图形设计等常见工作负载的加速器。简而言之，A100图形处理器是数据卡、边缘人工智能服务器、自动驾驶平台协作等一系列软件层面的平台产品。可以说，英伟达这次不是在释放“核弹”，而是一个“核炸弹集群”或一种饱和攻击。从云到边缘到终端，从硬件到软件到开源生态，Avida几乎为人工智能计算建立了一个坚不可摧的屏障，同时也将人工智能芯片的竞争提升到了小玩家无法企及的水平。Avida的人工智能服务器芯片业务正在发生什么新的变化？A100图形处理器的发布对人工智能服务器芯片市场有什么影响？它将给云计算市场带来什么变化？这已经成为我们在观看激动人心的比赛时应该关注的几个问题。人工智能服务器芯片：众所周知，游戏和数据网络算法模型的训练涉及到大量的数据计算，但计算方法相对简单，因此需要在云中进行大量的高并行、高效率和高数据传输的操作。因此，具有多个计算单元的GPU比擅长复杂逻辑运算但内核较少的CPU更适合训练深层神经网络。这是Avida的图形处理器在全球云人工智能服务器芯片市场赢得市场领先地位的根本原因，尤其是在培训方面。与此同时，Avida为一系列人工智能服务提供的完整的特斯拉图形处理器产品系列，以及其为图形处理器成功设计的“CUDA”开发平台，是Avida在人工智能服务器芯片市场占据主导地位的主要原因。从2016年推出第一款针对深度学习而优化的帕斯卡图形处理器，到2017年推出性能比帕斯卡高5倍的新图形处理器架构——沃尔特，再到性能比沃尔特高20倍的安培架构——Avida在数据网络推理加速器TensorRT上的部署推理加速，可以为深度学习应用提供低延迟和高吞吐量，与目前几乎所有主流深度学习框架兼容，并使其能够满足Mellanox这一超大型数据网络的需求通过集成Mellanox的加速网络平台，Avida可以解决通过智能网络结构连接大量快速计算节点的问题，形成一个巨大的数据卡智能网卡，将广泛应用于大型云计算数据网络和存储工作负载，实现更高的人工智能计算安全性和网络连接效率。当然，购买Mellanox的意义不止于此。除了解决高性能网络连接和计算能力输出的问题，英伟达还将拥有三个处理器，分别是GPU、SoC和NPU，它们面向不同的子域。这意味着英伟达基本上可以独立创建人工智能数据。投资者应该在此基础上自担风险。
