NVIDIA 在今日於台灣舉辦 GTC Taiwan 大會，同時也是今年 NVIDIA 執行長黃仁勳今年第二度在台舉行主題演講；如同 NVIDIA GTC 的慣例，台灣場次的內容大致依循今年五月在美國 GTC 主場次的內容，一開始仍強調 NVIDIA 與台灣有相當悠久的合作淵源，同時也重申 CPU 的摩爾定律已到末期，唯有藉可編程特性、架構不斷演進的 GPU 加速才能實現人工智慧所需的運算力。
NVIDIA 在深度學習的成果並非一蹴可幾
雖然外界看到現在 NVIDIA 在人工智慧領域獨領風騷，會覺得他們僅是在正確的時間押對寶，然而就 NVIDIA 而言，這是一場超過 15 年以上的布局，自 15 年前開始導入 GPU 運算技術以及 CUDA ，同時除了硬體外也投入大量的軟體與應用資源，並且與業界共同合作，使基於 CUDA 的 GPU 加速成為一股不可忽視的勢力，也奠定 GPU 應用於深度學習的基礎。
像是今年諾貝爾的化學獎以及物理獎，皆是結合 NVIDIA 的 GPU 運算所成就的結果，利用結合運算與電腦模擬影像技術，實現複雜的模擬，藉此成就化學獎的低溫電子顯微鏡應用與物理獎用於證明愛因斯坦理論的重力波的結果。
Holodeck 透過 VR 為設計協作賦予新體驗
而今年 NVIDIA 所提出的 Holodeck ，將會是改變產品設計與協作的新技術，利用 VR 技術，可實現多人異地共同開發，並藉由 VR 環境與電腦影像模擬技術，能夠針對產品的設計、顏色與質感等在 VR 空間內共同討論，而且在 NVIDIA 提出 MDL 材質模擬後，能夠讓工業設計領域獲得更逼真的質感與光照效果。
深度學習可解決無題之題
提到深度學習對產業帶來的變化，黃仁勳認為最重要的變革是能夠解決無題之題，因為深度學習技術可撰寫出人類無法完成的程式邏輯，例如透過訓練的方式完成機械手臂的精密動作，或是藉由學習知名畫作的筆觸臨摹大師的創作方式，能夠解決過去被視為不可能解決的問題。
NVIDIA 也舉出多個應用案例，例如 NVIDIA 團隊藉由學習人類說話時的面部表情，能夠讓 3D 角色的臉部達到類似真人說話時的臉部肌肉動作，甚至結合自然語音系統，可產生以假亂真的 CG 人物說話的表情；而愛丁堡大學則透過深度學習的訓練方式，在虛擬環境中產生一個可克服各種地形與環境的角色；或像是加州大學柏克萊分校利用 OpenAI 產生一次性模仿學習，僅需幾次人類示範就可培訓機器人完成動作。
與台灣科技部攜手在台打造全球前 25 強超級電腦
這次 GTC Taiwan 最重要的宣布，就是與科技部共同攜手進行 AI 計畫，於國家高速網路與計算中心打造基於 DGX 與 Volta 架構的超級電腦系統，且運算力在 HPC 500 達到全球前 25 強，可為台灣產業帶來豐沛的 AI 硬體架構與開發環境，同時也預計在四年間訓練 3,000 位以上的 AI 開發人員，提升台灣 AI 開發實力，將可為台灣產業在包括智慧製造、物聯網、智慧城市與醫療挹注豐沛的相關資源。
同時為了新創團隊， NVIDIA 也在近期宣布 NVIDIA GPU Cloud ，透過此平台提供 NVIDIA 與合作夥伴經過多次驗證的 NVDocker 容器，為開發者省卻複雜的軟體堆疊開發程序，使其更容易專注在應用開發上，且平台將永續維護，並且註冊表也將全部存放在雲端容器中，是新創公司與中小企業在 AI 世代能夠做為以小搏大的利器。
從雲端運算到端末運算提供軟硬體開發一致性
黃仁勳認為，在人工智慧的發展當中，下一個挑戰就是 AI 推論，尤其隨著人工智慧應用越來越複雜，推論所需的性能也越來越高，如何提升 AI 推論的性能相當重要，但同時 AI 推論的乘載平台需要具備可擴充性，以滿足不同性能、環境、功耗等的需求； NVIDIA 藉由新版的 TensorRT 3 為 NVIDIA 旗下平台提供跨平台開發與滿足不同領域的推論性能，從嵌入式端末到高效能雲端藉此作為開發。
而且藉由導入 TensorRT 3 結合 NVIDIA 的 Volta GPU ，對比純 CPU 運算可提升數倍的性能，像是在影像分類提升達 40 倍，而在翻譯更快了 150 倍；同時對於硬體建置亦有相當大的幫助，同樣要處理 45,000 張影像/秒的性能，建構傳統 CPU 系統需要高達 160 個 CPU ，並需要消耗 65kW ，但若採用 DGX 架構，則僅需要 4 個機架的 DGX 伺服器，以 3kW 功耗與 1/6 的硬體建置成本就可達成。
在演講的過程也透過示範 CPU 使用 TensorFlow 與 GPU 結合 TensorRT 3 加速進行花朵種類辨識做為比較， CPU 每秒僅能處理各位數的花朵與種類辨識，然結合 Volta GPU 與 TensorRT 3 則可進行在瞬間大量的分辨。
NVIDIA Drive 自動駕駛平台可改變交通的型態
對於未來的交通，自動駕駛與輔助駕駛技術相當的重要，尤其叫車服務越來越盛行，不少共享共乘服務也將自動駕駛技術做為接下來的發展方向，而除了大量感測器以外，自動駕駛的核心也相當重要； NVIDIA 的 Drive AV ( Autopilot Vehicle )平台，就是 NVIDIA 滿足自動駕駛需求的戰略平台，不光只是提供硬體，也提供開發套件等，希望使自動駕駛發展加溫。
同時也提到在歐洲 GTC 所發表的下一代準 Level 5 自動駕駛平台 Project Pegasus ，藉由搭載雙 Xavier 與雙次世代 GPU ， Pegasus 僅需 500W 功耗，卻能發揮超過 320TOPS 的運算性能，使無人化自動駕駛不再是遙不可及的夢想。
Jetson 平台與 ISSAC 虛擬培訓技術使 AI 機器人更聰明
最後的章節則是談到 AI 與自動化機器人，黃仁勳認為，自動化 AI 機器人將會協助人類進化到下一個階段，包括製造、物流、運輸等，都會因為基於 AI 的自動機器人產生變化， NVIDIA 也提供 Jetson 端末型超級電腦平台，提供省電而高效能的核心。
不過要培訓高性能的 AI 機器人不僅在原型開發相當昂貴，還要承擔機器人製造出來後進行培訓所需的時間以及可能發生造成原型損害的風險， NVIDIA 也藉由虛擬技術提供的虛擬化環境 ISSAC ，透過 3D 空間模擬機器人與操作環境，並虛擬出 Jetson 的運算效能，讓機器人在正式製作前於虛擬環境中進行學習與驗證，待訓練完成後即可投入量產並導入先前培訓的結果。
