7
英伟达很快看到了 GPU 在人工智能方面的潜力,开始和 Google、IBM 等企业合作,让 GPU 加速器技术进入到企业级数据中心。
当英伟达正逐渐“摆正”自己的位置时,他的投资者们却仍然处在**高期待的惯性中不肯离开。
图像技术背后是英伟达同时发布的*八代 GPU 架构 Turing(图灵)。它包含三款处理器,基本的可编程着色器、负责光线追踪的 RT Core 以及一款名为 Tensor Core 的 AI 处理器。凭借**过 100 TFLOPS 的处理速度,Turing 可以对深度学习模型进行处理,进而生成,增强图像的质量,或者制作 AI 角色动画等等。
我们假设英伟达看到了Tiger Lake的集成显卡性能,并希望自己即将推出的7nm移动GPU的性能提高2倍。先不考虑架构上的差异,这意味着Nvidia将不得不使用相当于192个Intel执行单元的CUDA/Ampere硬件(相当于Tiger Lake的96EU的2倍)来设计硅片。