移植到英伟达的 GPU 上。 那是第次有人使用英伟达的 CUDA 技术来构建超级计算机东京科技大学的超级计算机就是通过英伟达的 GPU 来推动科学计算的发展。 日本在许多领域都是全球的先锋。 还有正是日本让我们第次能够创造出移动处理器进而催生了我们非常重要的项目之任天堂 Switch。如今很多「第次」已经成为现实。 现在我们站在 AI 革命的起点迎接个全新的行业和令人惊叹的技术变革。这个时代令人激动同时也充满挑战。因此优秀企业合作携手将AI带入日本共同抓住这前所未有的机遇。 今天我们有很多合作伙伴在场我要特别感谢他们。 英伟达是加速计算的创始者加速计算并不会取代 CPU。 实际上我们几乎是计算领域中唯家不打算替代 CPU而是想增强 CPU 功能的公司目的是将那些计算密集型的工作负载卸载到 GPU 上。 通过这种方式我们可以充分利用两种处理器的优势种擅长顺序处理的 CPU另种则擅长并行处理的 GPU。稍后我会详细介绍这点。 但这不仅仅是并行计算而是加速计算CPU 和 GPU 协同工作。这种计算模式对世界来说是全新的。 实际上单纯使用 CPU 的计算模式自 1964 年以来就已存在也就是在我出生的第二年至今已有 60 年。
今天世界上绝大多数的计算任务都是依
赖 CPU 来运行的。 但现在来了个全新的根本性的变化。然而为了实现这点我们不能仅仅将顺序执行的 CPU 软件直接移植到 GPU 上。 为了实现并行计算我们必须开发出系列全新的算法正如 OpenGL 使计算机图形能够通过图形处理器进行加速那样我们也必须为许多不同的应用领域开发出许多特定的库。 这些库正是我们公司所拥有的 350 多种不同的库其中些库在业界非常重要。例如Kulit 是个专为计算光刻设计的库它能大大加速光刻过程。在制作芯片掩模时通常需要数周的时间因为涉及许多层的处理。 通过使用该技术我们将数周的计算时间缩短为几个小时。 虽然我 英国华侨华人数据 们可以加速芯片制造周期但更为重要的是这使得光刻算法得以更加复杂和先进从而推动半导体物理的进步远远超越 2 纳米1 纳米甚至更小的技术节点。 因此计算光刻将通过 cuLithoKu DSS稀疏求解器以及 AI 进行加速。我今天将会详细讲解这令人兴奋的新库它使得这台计算机能够支持 5G 无线电协议栈的运行。 基本上实时运行的无线电系统依托 CUDA 加速器进行量子模拟量子电路模拟基因测序中的配对CVS 用于向量存储或者是用于 AI 的向量数据库进行索引和查询。 NumPy 是全球最受欢迎的数值处理库全球有 500 万名开发者在使用它。
仅在上个月它的下载量就达真是个惊
人的数字。 现在它已经完全加速支持多 GPU多节点的运算。如果 相关培训也有好处 你感兴趣欢迎查阅相关资料。 另外我将向你们介绍个令人震撼的 CDF 数据框架处理这是用于结构化数据处理如 SQL 以及经典的旅行推销员问题等。 这个问题已经被加速了速度是以前的几百倍适用于 AI 物理学。 我们还创建了个非常重要的库用于深度神经网络处理深度学习体系中的不同层级。 通过创建 QD量子点Quantum Dots并加速深度学习我们做了件非常特别的事使得深度学习得到了普及。 在过去的十年了 100 万倍。 通过把机器学习的规模提升 100 万倍我们实现了个巨大的突破也正是这个突破催生了如今的 ChatGPT人工智能的到来。 QD 做了件非常特别的事它改变了软件开发的方式。这是软件 10 之前的情况程序员编写代码来描述个算法这个算法就是软件。 你输入数据软件就预测输出。
人类编写的代码通常是运行在 CPU 上的。 软件 10 就是 ca 手机号码所 编写在 CPU 上运行的代码。现在我们进入了软件20时代因为计算机速度已经非常快你可以给它提供大量的样本数据让它自己学习并预测函数。我们称之为软件 20。 所以不再是传统的编程而是机器学习不再是代络就是软件 20 的核心。 这些运行在 GPU 上的神经网络已经形成了种全新的操作系统种全新的计算机使用方式。它就是现代计算机的操作系统大型语言模型。 这种机器学习方法展现了其惊人的可扩展性你可以用它做各种各样的事情。当然包括数字化文本语言语音图像视频等。它是多模态的你可以教它氨基酸序列教它理解几乎所有事物任何包含大量观察数据的内容。 第步就是通过研究互联网上的大量文本来理解数据的意义。 通过这种方法我们
