的低效功能移植到GPU上，NVIDIA实现了计算能力的大幅提升。黄仁勋预测，未来将有数百万个GPU集群形成，以满足不断提升的AI应用需求。 其中，“重新发明计算”是黄仁勋对NVIDIA公司及其成果最直观的概括，体现了其对于AI计算本质的理解以及对于技术革新的坚定决心。他提到，过去十年里，NVIDIA将计算的边际成本降低了10万倍，这得益于 GPU 架构、数值精度和张量核心等创新，使得AI计算成为可能。同时，他还展望了未来的计算发展趋势，强调GPU集群的广泛运用将极大地推动AI应用的普及。这表达了黄仁勋对于AI技术创新、产业发展和技术变革的乐观看法。
在过去的十年里，NVIDIA已经实现了计算能力的大幅提升，而且，这种提升的趋势还在持续中。我们可以说，NVIDIA正在重新发明计算。
在AI计算的本质方面，NVIDIA的理解远超过许多人的想象。他们认为，AI计算并非简单的机器学习和深度学习，而是需要处理大量复杂的数据，并从中提取出有用的信息。这就要求GPU架构能够提供足够的内存来存储这些数据，以及能够快速地进行并行处理。而这就意味着，GPU不仅要有高性能的处理器，还要有足够的显存和高速的网络连接。
因此，NVIDIA开始设计和制造可以支持大规模人工智能训练的GPU。他们的产品——如Tesla V100，就是基于这种设计理念的产物。这些GPU可以同时处理大量的数据，甚至可以在短时间内完成大量的计算任务。这就大大提高了AI计算的速度和效率。
此外，NVIDIA还引入了最新的CUDA编程模型，使开发者可以更方便地使用GPU进行计算。CUDA是一种由NVIDIA开发的语言，它可以让开发者直接在GPU上编写代码，无需依赖于传统的CPU或GPU编程模型。
在数值精度方面，NVIDIA也做了很多工作。他们通过不断优化GPU的架构，提高其计算速度的同时，也在努力提高其数值精度。例如，他们在NVIDIACUDA平台上推出了新的GTX系列显卡，它们的性能得到了显著提升，但数值精度却没有下降，这表明，NVIDIA在追求更高的计算速度的同时，也没有忽视数值精度。
总的来说，NVIDIA在重新发明计算方面做出了巨大的贡献。他们的产品和方法，不仅提高了计算速度和效率，也为AI计算的发展打下了坚实的基础。因此，我们可以期待，在未来的几年里，NVIDIA将继续推动AI计算的发展，创造更多的奇迹。