今年 NVIDIA 在專業應用展區展示的多半為今年 GTC 大會呈現的技術，包括 DRIVE 自動駕駛平台、 Project Clara 醫療 AI ，以及鎖定教育與學生族群的 Jetson Nano 開發套件。
作為當前 NVIDIA AI 技術布局的關鍵，就是 DGX-2 伺服器系統，這也是當前地球上最大型的單一 GPU 與 AI 加速架構，作為其核心樞紐的元素有三，包括 NVIDIA Tesla V100 ， NVIDIA NVLink 與 NVIDIA NVSwitch ，藉由 NVLink 將 8 塊 Tesla V100 模組串接，再利用 NVSwitch 使兩張 NVLink 上的 GPU 可以彼此相互連接，將 16 顆 GPU 構成可多向溝通的環境，並共享 GPU 上的記憶體，使其對 CPU 而言是一塊超大型的 AI 加速型 GPU 。
而 NVIDIA 的 Clara AI ，就是 NVIDIA 將 AI 技術應用在醫療領域的平台，今天的示範是透過 DGX Station 進行醫療影像的判斷，同時藉由視覺化技術可建構容易理解的醫療影像，當前 Clari AI 平台也陸續在美國、歐洲獲得專業醫院體系的接納，並應用在醫療影像的判讀，加速醫療 X 光片的判讀流程。
在專業影像工作戰方面，去年底 NVIDIA 發表了基於 Turing 圖靈架構的專業繪圖卡 Quadro RTX ，雖然不能像 Tesla V100 一樣將八張 GPU 透過 NVLink 連接，不過仍可雙卡進行 NVLink ，搭配支援的專業軟體後，可讓雙卡的運算力與記憶體直接共享，等同獲得兩倍的運算力與兩倍的 VRAM ，今天展示的華碩專業影像工作站，即是透過八張 Quadro 兩兩連接、搭配四組 Intel Xeon 處理器，為專業影像處理提供充裕的性能與足以存放大量材質、圖層等的 VRAM 。
至於 NVIDIA 的 DRIVE 平台，不僅提供基於 Xavier 與 GPU 的 Drive AGX 平台，同時搭配 DGX AI 超級電腦平台與 DRIVE 軟體開發環境，能夠為自動駕駛開發提供安全的虛擬測試環境進行安全且高效率的模型訓練，而後在將訓練後的模型投入實際道路測試，此次除了 NVIDIA 官方的 Drive AGX 開發平台之外，亦展示由合作夥伴所推出基於 AGX 硬體平台的車載電腦系統，不同於開發工具採用風冷設計，合作夥伴的車載電腦則選擇透過水冷方式使模組更為纖薄，並且也取消實際安裝不需要的介面，僅保留與車輛的中央系統、攝影機與電源的連接 IO ，合作夥伴推出這樣的平台，也顯示市場上已經有車廠意欲採用 Drive AGX 平台作為自駕車的核心的計畫。
Tesla T4 是 NVIDIA 今年專為雲伺服器的推理應用所推出的加速器產品，雖然看到僅 75W 的 TDP ，會以為 Tesla T4 可能是基於較低階的 GPU 核心，不過 Tesla T4 的真身則是與 RTX 2080 Ti / RTX 2080 同級的 TU104 核心，故具備大致上差不多數量的 CUDA 核心與 TensorCore ，不過為了雲端系統需求與 AI 加速的特性，選擇降低時脈使功耗與發熱大幅降低，僅有 75W TDP 甚至低於筆記型電腦的 Max-Q 版本的功耗與發熱，對於雲端 AI 基礎設施而言， Tesla T4 僅需使用單卡槽半高卡大小，又採用被動散熱，能以相當高的能源性能比提供 AI 加速，也獲得許多雲 AI 服務商的採納。
在今年 GTC 大會， NVIDIA 宣布一款價格更實惠的嵌入式 AI 平台 Jetson Nano ，提供完整的 Cuda GPU 、但僅 99 美金的價格則大幅提升競爭力，畢竟如樹莓派也需要搭配額外的加速器如 Intel Compute Stick 才有 AI 加速，同時 Jetson Nano 又可相容 NVIDIA 一貫的 AI 工具與模型，此次也展示 NVIDIA 為了吸引學生族群投入 AI 機器人開發的 JetsonBot ，這款 AI 機器人所需的硬體與外殼的 3D 模型圖，還有 NVIDIA 提供的基本軟體工具、訓練完的基礎 AI 模型已經放在 GitHub 上，約 200 美金即可完成，透過基於機器視覺的影像辨識，這款簡單的 AI 機器人已經可做到環境辨識，並可透過訓練告知機器人可移動的路線與障礙物，與具備人物追隨、基於機器視覺的標線循跡等機能，同時亦可自行訓練各類的 AI 模型供其執行。
