“deep learning 还在不断发展，因此需要全新的架构支持，并且需要沿着比摩尔定律更高的计算量趋势发展，才能匹配全新的计算模式，才能在 AI 时代体现良好的计算能力。”

“GPU 时代兴起的原因在于，GPU 提供了与之前 general purpose computing 不同的模式。”

“AI的机会很多，在单一技术和组合式产品中，都有良好的市场。”

“它需要这种比较能满足细分市场需求的处理器或者一种解决方案，那么从 GPU 的角度来讲，比如说针对自动驾驶，其实我们自动驾驶不是单独用GPU，我们是用到 SOC 的方案，也就是说我们自己有自己的 CPU 加我们的 GPU，只是说我们会很大程度上依赖于 Deep learing 的这种计算能力。所以来讲，比如说在自动驾驶的这种领域，我们会有自己SOC 的方案，我们 SOC 是我们自己的 CPU 加我们自己的 GPU ，这是一个硬件方案，同时在软件方面也有准备，比如说我们第一个是底层的 CUDA，第二个是 CUDA 之上加速的库，还有网络的优化，还有上层的应用，从硬件到软件整个构建了自动驾驶的生态系统，这是我们看来自动驾驶比较好的解决方案。”

董方亮，英伟达自动驾驶业务中国区负责人。他就 GPU 的演进历程、 GPU 和深度学习的关系、AI 技术在各产业的应用等问题，进行了深入的讲解。

从无人驾驶到智能医疗，从嵌入式系统到通用 AI，通过为期 13 讲的北大 AI 公开课，新智元和读者一起全景式地领略了 AI 对社会生活各方面带来的影响和改变。