英偉達首席科學家Bill Dally在一年一度的中國GPU技術大會召開前接受第一財經記者獨家專訪時表示，GPU讓人工智能（AI）的性能每年都能成倍提升，英偉達的研究人員正在定義如何在具有更高帶寬、更易于編程的系統中制造更快AI芯片的方法。

　　利用GPU的加速處理技術，AI正在醫療、自動駕駛汽車和機器人等多個行業的特定領域平臺發揮巨大作用。英偉達也在不斷進行基礎研究的投入，以尋求芯片物理極限的突破，讓AI的性能得到進一步的提升。

　　“我們的平臺正在以光速發展，（GPU）每10年的速度就能增加1000倍。技術的提升離不開基礎研究的投入。”Dally對第一財經記者表示。他認為，要讓芯片技術突破物理極限，就必須進行架構上的改進。

　　Dally于2009年加入英偉達，此前他擔任斯坦福大學計算機科學系主任，致力于數據科學、人工智能和圖形學的研究，擁有120多項專利。他目前領導著英偉達一個200多人的科學研究團隊。在今年的GTC大會中，Dally計劃重點討論英偉達如何在GPU上實現高效的推理加速器，硅光子學（silicon photonics）和Python編程等項目。

　　Dally所說的的硅光子學，是一種基于硅片的激光技術，能夠更廣泛地應用于計算機中，通過采用大規模硅基制造技術，能大幅度降低計算機和數據中心的成本。英特爾和加州大學圣芭芭拉分校對研究人員此前已經成功研發出了世界上首個采用標準硅工藝制造的電力混合硅激光器。

　　該技術離商品化仍有很長距離，但研究人員相信，未來他們能夠將數十個甚至數百個混合硅激光器，與其他硅光子學部件一起被集成到單一硅基芯片上。

　　目前由GPU支持的超級計算機已被廣泛用于藥物發現、基因組學以及生物學等領域。全球速度最快的超級計算機Summit已經能夠在12小時內篩選出10億種潛在藥物組合，這在正常的計算機上要花上幾個月的時間；基因測序公司牛津納米孔（Nanopore）能在7小時內對病毒基因組進行測序；美國國立衛生研究院和德克薩斯大學奧斯汀分校使用GPU加速軟件，通過低溫電子顯微鏡重建了病毒蛋白的第一個3D結構。

　　Dally告訴第一財經記者，英偉達還通過開發基于GPU的量子模擬器來支持量子計算機的發展。“我們認為，量子計算機步入實際的商業化應用可能還需要10年至15年時間，英偉達正在密切關注相關領域技術的發展，并會在適當的時機進行投資。”Dally對第一財經記者表示。

　　針對量子計算機的應用前景，Dally認為，最先相關的應用可能是量子化學領域米樂m6網址。“因為它能最直接地映射到架構上。”他說道米樂。但他同時表示，量子計算機本質上來說是一種“大型計算和小型數據的技術”。“它永遠無法用來解決大數據的問題。”Dally告訴第一財經記者。

　　目前大規模的搜索和機器學習問題是通過大量的、并行的、專用的GPU來解決的。根據波士頓咨詢（BCG）參考英偉達的業績預測，到2030年，量子計算取代基于GPU的算法應用規模將超過200億美元，其中化學、材料科學等科技密集型產業的規模將達70億美元。量子計算目前的主要參與者包括IBM、谷歌、DWave，以及英特爾、微軟、麻省理工、耶魯、牛津、加州圣芭芭拉大學等。