利用GPU的加速处理技术，AI正在医疗、自动驾驶汽车和机器人等多个行业的特定领域平台发挥巨大作用。英伟达也在不断进行基础研究的投入，以寻求芯片物理极限的突破，让AI的性能得到进一步的提升。
“我们的平台正在以光速发展，（GPU）每10年的速度就能增加1000倍。技术的提升离不开基础研究的投入。”Dally对第一财经记者表示。他认为，要让芯片技术突破物理极限，就必须进行架构上的改进。
Dally于2009年加入英伟达，此前他担任斯坦福大学计算机科学系主任，致力于数据科学、人工智能和图形学的研究，拥有120多项专利。他目前领导着英伟达一个200多人的科学研究团队。在今年的GTC大会中，Dally计划重点讨论英伟达如何在GPU上实现高效的推理加速器，硅光子学（silicon photonics）和Python编程等项目。
Dally所说的的硅光子学，是一种基于硅片的激光技术，能够更广泛地应用于计算机中，通过采用大规模硅基制造技术，能大幅度降低计算机和数据中心的成本。英特尔和加州大学圣芭芭拉分校对研究人员此前已经成功研发出了世界上首个采用标准硅工艺制造的电力混合硅激光器。
该技术离商品化仍有很长距离，但研究人员相信，未来他们能够将数十个甚至数百个混合硅激光器，与其他硅光子学部件一起被集成到单一硅基芯片上。
目前由GPU支持的超级计算机已被广泛用于药物发现、基因组学以及生物学等领域。全球速度最快的超级计算机Summit已经能够在12小时内筛选出10亿种潜在药物组合，这在正常的计算机上要花上几个月的时间；基因测序公司牛津纳米孔（Nanopore）能在7小时内对病毒基因组进行测序；美国国立卫生研究院和德克萨斯大学奥斯汀分校使用GPU加速软件，通过低温电子显微镜重建了病毒蛋白的第一个3D结构。
Dally告诉第一财经记者，英伟达还通过开发基于GPU的量子模拟器来支持量子计算机的发展。“我们认为，量子计算机步入实际的商业化应用可能还需要10年至15年时间，英伟达正在密切关注相关领域技术的发展，并会在适当的时机进行投资。”Dally对第一财经记者表示。
针对量子计算机的应用前景，Dally认为，最先相关的应用可能是量子化学领域。“因为它能最直接地映射到架构上。”他说道。但他同时表示，量子计算机本质上来说是一种“大型计算和小型数据的技术”。“它永远无法用来解决大数据的问题。”Dally告诉第一财经记者。
目前大规模的搜索和机器学习问题是通过大量的、并行的、专用的GPU来解决的。根据波士顿咨询（BCG）参考英伟达的业绩预测，到2030年，量子计算取代基于GPU的算法应用规模将超过200亿美元，其中化学、材料科学等科技密集型产业的规模将达70亿美元。量子计算目前的主要参与者包括IBM、谷歌、DWave，以及英特尔、微软、麻省理工、耶鲁、牛津、加州圣芭芭拉大学等。
『本文转载自网络，版权归原作者所有，如有侵权请联系删除』
