在经典计算技术的时代，推动进步的是英特尔和由它发扬光大的摩尔定律。2012 年之后，当计算技术进入了名为“深度学习”的全新时代，创办于 1993 年的英伟达却成为了强势黑马。

“英伟达通过深度学习平台所取得的创新，许多都已成为世界标准。我们以远超摩尔定律的速度推动计算性能飞速增长，促进健康、交通、科学探索等无数领域的突破。”在一场演讲中，创办人兼 CEO 黄仁勋 (Jensen Huang) 自豪地对数千名观众表示。

去年，站在同一个舞台，黄仁勋说他一直想要找到摩尔定律之后的路。而以神经网络为基础的人工智能，其爆发式发展到了 2018 年已经过去了五年。而在这五年里，GPGPU（通用图形处理器）成为了人工智能研发的利器，在计算密集型的深度学习任务上独步天下。英伟达指出，和五年前的 Ferml GPU 架构相比，最新一代的 Volta GPU 架构的浮点计算能力提升了25 倍。

“摩尔定律 10 年 5 倍，”黄仁勋说，“这就是我们超越摩尔定律的证明。”

英伟达开发者社群的扩张迅速，印证了黄仁勋大胆的声明。该公司统计，GPU 开发者在今年将达到 82 万人，比五年前增长了 5 倍；在英伟达 GPU 上开发必备的并行计算架构工具包 CUDA，下载数量超过了 800 万，其中约一半是在过去一年里下载的。不仅如此，该公司提供的 GPU 加速技术还被世界上大量超级计算机协同采用，其 Volta GPU 为美国的 Summit 和 Sierra 两大超算增加了大约 100 PFLOPS（千万亿次浮点计算能力）。

在美国时间 3 月 27 日的英伟达 GPU 技术大会 (GTC 2018) 上，该公司带来了多个在深度学习、自动驾驶和机器人领域足以掀起浪潮的新产品。其中最为重头的，则是一年一度的新核弹级显卡——这次，并不是 GTX 11 系列，也不是传闻甚嚣尘上的“矿卡”，而是一台被黄仁勋称为“桌面超级计算机”的工作站：NVIDIA DGX-2。

DGX-2 是一台专门用于人工智能训练和/或推理任务的桌面计算机：

这是它的内部结构：

你可以看到，在图中 1 和 2 的位置看起来是很多块芯片。其实他们是英伟达的 Tesla V100 Volta 架构 GPGPU，单枚算力达到双精度 7.8 TFLOPS（万亿次浮点计算）、单精度 15.7TFLOPS、深度学习 125TFLOPS。

而DGX-2 单机箱安装了 16 枚 V100，总体性能达到了惊人的 2PFLOPS——业界第一台超过千万亿次浮点计算能力的单机箱计算机——称它为超算或许并不浮夸。

但 DGX-2 的算力并非靠堆叠出来，如果它们之间不能实现高带宽的数据互通则无意义。