NVIDIA 在今日于举办 GTC Taiwan 大会，同时也是今年 NVIDIA 首席执行官黄仁勋今年第二度在台举行主题演讲；如同 NVIDIA GTC 的惯例，场次的内容大致依循今年五月在美国 GTC 主场次的内容，一开始仍强调 NVIDIA 与有相当悠久的合作渊源，同时也重申 CPU 的摩尔定律已到末期，唯有藉可编程特性、架构不断演进的 GPU 加速才能实现人工智能所需的运算力。
NVIDIA 在深度学习的成果并非一蹴可几
虽然外界看到现在 NVIDIA 在人工智能领域独领，会觉得他们仅是在正确的时间押对宝，然而就 NVIDIA 而言，这是一场超过 15 年以上的布局，自 15 年前开始导入 GPU 运算技术以及 CUDA ，同时除了硬件外也投入大量的软件与应用资源，并且与业界共同合作，使基于 CUDA 的 GPU 加速成为一股不可忽视的势力，也奠定 GPU 应用于深度学习的基础。
像是今年诺贝尔的化学奖以及物理奖，皆是结合 NVIDIA 的 GPU 运算所成就的结果，利用结合运算与电脑模拟影像技术，实现复杂的模拟，借此成就化学奖的低温电子显微镜应用与物理奖用于证明爱因斯坦理论的重力波的结果。
Holodeck 透过 VR 为设计协作赋予新体验
而今年 NVIDIA 所提出的 Holodeck ，将会是改变产品设计与协作的新技术，利用 VR 技术，可实现多人异地共同开发，并借由 VR 环境与电脑影像模拟技术，能够针对产品的设计、颜色与质感等在 VR 空间内共同讨论，而且在 NVIDIA 提出 MDL 材质模拟后，能够让工业设计领域获得更逼真的质感与光照效果。
深度学习可解决无题之题
提到深度学习对产业带来的变化，黄仁勋认为最重要的变革是能够解决无题之题，因为深度学习技术可撰写出人类无法完成的程式逻辑，例如透过训练的方式完成机械手臂的精密动作，或是借由学习知名画作的笔触临摹大师的创作方式，能够解决过去被视为不可能解决的问题。
NVIDIA 也举出多个应用案例，例如 NVIDIA 团队借由学习人类说话时的面部表情，能够让 3D 角色的脸部达到类似真人说话时的脸部肌肉动作，甚至结合自然语音系统，可产生以假乱真的 CG 人物说话的表情；而爱丁堡大学则透过深度学习的训练方式，在虚拟环境中产生一个可克服各种地形与环境的角色；或像是加州大学柏克莱分校利用 OpenAI 产生一次性模仿学习，仅需几次人类示范就可培训机器人完成动作。
与科技部携手在台打造全球前 25 强超级电脑
这次 GTC Taiwan 最重要的宣布，就是与科技部共同携手进行 AI 计划，于国家高速网络与计算中心打造基于 DGX 与 Volta 架构的超级电脑系统，且运算力在 HPC 500 达到全球前 25 强，可为产业带来丰沛的 AI 硬件架构与开发环境，同时也预计在四年间训练 3,000 位以上的 AI 开发人员，提升 AI 开发实力，将可为产业在包括智慧制造、物联网、智慧城市与医疗挹注丰沛的相关资源。
同时为了新创团队， NVIDIA 也在近期宣布 NVIDIA GPU Cloud ，透过此平台提供 NVIDIA 与合作伙伴经过多次验证的 NVDocker 容器，为开发者省却复杂的软件堆叠开发程序，使其更容易专注在应用开发上，且平台将永续维护，并且注册表也将全部存放在云端容器中，是新创公司与中小企业在 AI 世代能够做为以小搏大的利器。
从云端运算到端末运算提供软硬件开发一致性
黄仁勋认为，在人工智能的发展当中，下一个挑战就是 AI 推论，尤其随着人工智能应用越来越复杂，推论所需的性能也越来越高，如何提升 AI 推论的性能相当重要，但同时 AI 推论的乘载平台需要具备可扩充性，以满足不同性能、环境、功耗等的需求； NVIDIA 借由新版的 TensorRT 3 为 NVIDIA 旗下平台提供跨平台开发与满足不同领域的推论性能，从嵌入式端末到高效能云端借此作为开发。
而且借由导入 TensorRT 3 结合 NVIDIA 的 Volta GPU ，对比纯 CPU 运算可提升数倍的性能，像是在影像分类提 40 倍，而在翻译更快了 150 倍；同时对于硬件建置亦有相当大的帮助，同样要处理 45,000 张影像/秒的性能，建构传统 CPU 系统需要高达 160 个 CPU ，并需要消耗 65kW ，但若采用 DGX 架构，则仅需要 4 个机架的 DGX 服务器，以 3kW 功耗与 1/6 的硬件建置成本就可达成。
在演讲的过程也透过示范 CPU 使用 TensorFlow 与 GPU 结合 TensorRT 3 加速进行花朵种类辨识做为比较， CPU 每秒仅能处理各位数的花朵与种类辨识，然结合 Volta GPU 与 TensorRT 3 则可进行在瞬间大量的分辨。
NVIDIA Drive 自动驾驶平台可改变交通的型态
对于未来的交通，自动驾驶与辅助驾驶技术相当的重要，尤其叫车服务越来越盛行，不少共享共乘服务也将自动驾驶技术做为接下来的发展方向，而除了大量感测器以外，自动驾驶的核心也相当重要； NVIDIA 的 Drive AV ( Autopilot Vehicle )平台，就是 NVIDIA 满足自动驾驶需求的战略平台，不光只是提供硬件，也提供开发套件等，希望使自动驾驶发展加温。
同时也提到在欧洲 GTC 所发表的下一代准 Level 5 自动驾驶平台 Project Pegasus ，借由搭载双 Xavier 与双次世代 GPU ， Pegasus 仅需 500W 功耗，却能发挥超过 320TOPS 的运算性能，使无人化自动驾驶不再是遥不可及的梦想。
Jetson 平台与 ISSAC 虚拟培训技术使 AI 机器人更聪明
最后的章节则是谈到 AI 与自动化机器人，黄仁勋认为，自动化 AI 机器人将会协助人类进化到下一个阶段，包括制造、物流、运输等，都会因为基于 AI 的自动机器人产生变化， NVIDIA 也提供 Jetson 端末型超级电脑平台，提供省电而高效能的核心。
不过要培训高性能的 AI 机器人不仅在原型开发相当昂贵，还要承担机器人制造出来后进行培训所需的时间以及可能发生造成原型损害的风险， NVIDIA 也借由虚拟技术提供的虚拟化环境 ISSAC ，透过 3D 空间器人与操作环境，并虚拟出 Jetson 的运算效能，让机器人在正式制作前于虚拟环境中进行学习与验证，待训练完成后即可投入量产并导入先前培训的结果。
