雖然 NVIDIA 即將在十月下旬舉辦 GTC 台灣場次，不過稍早台灣 NVIDIA 仍請來解決方案架構育工程部門副總 Marc Hamilton 針對目前 NVIDIA 在人工智慧相關領域的技術發展與現狀進行簡介； NVIDIA 是以 GPU 技術為發展基礎的晶片商，是如何與人工智慧熱潮產生關連的？關鍵在於 NVIDIA 在相當早就開始發展 GPU 運算，而透過 GPU 運算技術發展日趨成熟， NVIDIA 耕耘已久的 CUDA 核心技術也廣被業界導入，成為當前新一代基於機械神經網路的深度學習基礎。
不過現在在深度學習與人工智慧領域，也有不少廠商推出基於 FPGA 或是專用加速器的解決方案， NVIDIA 又怎麼看這些競爭對手的產品呢？ Mr. Hamilton 表示， GPU 本身就是相當龐大且複雜的 ASIC ，具備高度的可程式化彈性，相較其它競爭對手所提供的解決方案不僅架構更完整，同時也在軟體與開發環境有良好的基礎；舉例來說， Google的 TPU 雖是針對 FP16 最佳化的加速器架構，可於推理時提供最佳的效率，但在深度學習的訓練部分卻不僅止於 16bit ，在 16bit 外仍需仰賴其它更完整的加速架構，故 Google 也購買大量的 GPU 作為人工智慧使用。
在結合產業這點， NVIDIA 也將打造 DGX 系統的經驗轉移到產業上，提出 HGX 的概念，讓伺服器廠商，服務商可藉由 HGX 平台打造適合它們伺服器架設環境的系統平台。
而在實際應用面， Mr. Hamilton 舉出通用電器的 GE AVITAS 為例，通用電器做為工廠設備供應商，以基於 NVIDIA 的架構，透過部屬大量感測器、 Tegra 做為端點感測，同時在工廠端與雲端伺服器使用 DGX 系統，藉此作為智慧工廠的架構，相較過去的智慧工廠容易誤判感測器警報造成不必要的通知， GE AVITAS 透過深度學習的方式，讓系統對於感測器通部的判斷更正確，使系統能夠依照深度學習從感測器錯誤回報情況研判正確性，減少智慧工廠的錯誤通報率。
同時 NVIDIA 也展示了幾項與深度學習相關的應用，包括透過深度學習學習畫作並在影像中臨摹處理的 Style Transfer ，且在伺服器端使用的結果可移轉到同樣具備 CUDA 的架構上，這項功能也被應用於 Ansel 遊戲截圖，讓玩家在遊戲中可套用 Style Transfer 提供有趣的遊戲截圖；另外也包括都市監控、自動駕駛的展示。
此外比較難得的是 NVIDIA 首度在台灣展示針對機器人開發的 ISSAC 平台，透過 VR 裝置與虛擬的機器人互動，作為訓練機器人的手段，更重要的是可在實際生產機器人前先在虛擬環境中完成訓練，減少在實際環境中因為錯誤操作造成機器人毀損的問題。
