什么是AI计算？

　　人工智能计算：新时代的数学工具

　　从算盘、六分仪、算尺到计算机，数学工具的发展见证了人类的进步史。这些工具不仅推动了贸易和航海的发展，还提高了人们的认知和生活质量。如今，人工智能（AI）计算成为最新的数学工具，正引领着科学和工业的变革。

AI 计算的内涵

　　AI 计算是一种基于机器学习和算法的数学密集型流程，利用加速系统和软件，从海量数据中提取新见解并学习新能力。在数据时代，AI 计算是革命性的技术，能够发现人类难以察觉的规律。例如，美国运通利用 AI 计算检测信用卡交易中的欺诈行为，医生则用它来发现肿瘤和医疗影像中的异常情况。

AI 计算的三个步骤

　　在深入了解 AI 计算的用例之前，先了解它的运作方式。用户（通常是数据科学家）需要整理和准备数据集，称为提取/转换/加载（ETL）。这一过程现在可以通过 Apache Spark 3.0 在 NVIDIA GPU 上加速进行。然后，数据科学家会选择或设计适合其应用的 AI 模型。一些公司会选择从头开始设计并训练自己的模型，这可能需要 AI 超级计算机和 NVIDIA 的支持。最后，公司会通过模型筛选数据，称为推理，AI 将提供可行的洞察与见解。这三个步骤虽然复杂，但在各种工具的帮助下，每个人都可以使用 AI 计算。例如，NVIDIA TAO 工具套件使用迁移学习将三个步骤简化为一个，而 NVIDIA LaunchPad 则提供了模型部署用例的实践培训。

AI 模型的内部构造

　　AI 模型被称为神经网络，灵感来源于人类大脑的网状构造。它们由多层线性代数方程组成，类似于数学“千层面”。深度学习是目前最流行的 AI 形式，由许多这样的“层”组成。每一层都由众多方程式堆栈组成，每个方程式都代表着一组数据相互关联的可能性。AI 计算将每一层中的方程堆栈相联系，以寻找规律。这是一项庞大的工程，需要高度并行的处理器在高速计算机网络上共享大量数据。

GPU 计算与 AI 的结合

　　事实上，AI 计算的引擎是 GPU。NVIDIA 于 1999 年推出了第一款 GPU，用于需要大规模并行计算的电子游戏 3D 图像渲染。GPU 计算很快被推广到电影大片的图形服务器中。科学家和研究者在世界上最大的超级计算机上使用 GPU 进行研究，范围从小到化学中的微小分子，大到天体物理学中的遥远星系。当 AI 计算在十多年前出现时，研究者很快开始使用 NVIDIA 的可编程平台运行并行处理。

AI 计算的历史

　　AI 的概念至少可以追溯到艾伦·图灵的时代。这位英国数学家在二战期间帮助破解了密码信息。1947 年，图灵在一次演讲中说：“我们想要的是一台能够从经验中学习的机器。”NVIDIA 为了纪念他的远见卓识，以他的名字命名了一个计算架构。图灵的展望在 2012 年成为了现实。研究者在 2012 年开发出了能够比人类更快、更精准识别图像的 AI 模型。ImageNet 比赛的结果大大加快了计算机视觉的发展。今天，许多公司正在使用 AI 和计算机视觉提高制造业的效率，同时 AI 也在体育、智慧城市等领域带来更接近真人的视角与思维方式。

AI 计算开启对话式 AI

　　2017 年 Transformer 模型面世后，AI 计算在自然语言处理方面取得了巨大进步，出现了名为“attention”的机器学习技术。它可以捕捉如文本、语音等连续数据中的上下文。如今，对话式 AI 已十分普遍。它可以解析用户在搜索框中输入的句子，也可以在用户开车时读出短信并让你口述回复。这些大型语言模型还被应用于药物研发、翻译、聊天机器人、软件开发、呼叫中心自动化等众多领域。

AI+图形：创造 3D 世界

　　许多领域的用户正在体验 AI 计算的力量。最新的电子游戏凭借着实时光线追踪与 NVIDIA DLSS 将画面真实性提高到了更高级别。后者利用 AI 在 GeForce RTX 平台上为用户提供了超流畅的游戏体验。这仅仅是个开始。新兴的神经图形学将加速虚拟世界的创建，以填充 3D 互联网与元宇宙。

AI 计算用例

　　汽车、工厂和仓库：汽车制造商正在运用 AI 计算以提供更加平稳、安全的驾驶体验，并为乘客提供智能化车载信息娱乐功能。梅赛德斯-奔驰正在与 NVIDIA 联手开发软件定义汽车。许多公司通过在 NVIDIA Omniverse 中创建 AI 数字孪生工厂来提高工厂的效率。工厂和仓库内的自主机器人进一步提高了制造业和物流业的效率。这些机器人由 NVIDIA Jetson 边缘 AI 平台驱动，并通过 NVIDIA Isaac Sim 在模拟和数字孪生中使用 AI 进行训练。此外，AI 计算还被应用于网络安全、基因序列检测等领域。如今，AI 计算技术不断开拓新应用，研究者正在开发更新、更强大的方法。