COMPUTEX2017开展第一天，台北101脚下的君悦酒店，黄仁勋计划1小时的演讲变成了将近2个小时，而在演讲在开始的半小时前，会议厅就已经被围得水泄不通。

放在十年前，我们可以轻而易举的将NVIDIA定义为一家显卡厂商。但换到现在，NVIDIA将GPU上的哪一套技术运用到了科学运算、人工智能甚至车载电子，想一句话概括NVIDIA似乎不再容易。逻辑向来严密的黄仁勋把演讲分成了两个部分，涵盖了人工智能和笔记本。

MAX-Q重新定义笔记本

MAX-Q是航天工程学名词，代表宇宙飞船在大气中飞行时候所能承载的最大动态压力。NVIDIA希望通过MAX-Q设计来控制当下厚重的独显游戏笔记本。事实上他们真的做到了，不仅相比GTX880M提升了3倍以上的效能，厚度压缩到18mm，重量更是当年GTX880M的一半。据说老黄为了单手举起当年的战术游戏本好与即将推出的MAX-Q笔记本作对比，猛增肌肉14磅。

MAX-Q可以理解成笔记本设计中的Game Ready，NVIDIA希望从笔记本立项之初就接入到笔记本的设计中，帮助OEM厂商完成最优化的效能设计。虽然现场黄仁勋没有指明手中的MAX-Q笔记本源自那个厂商，但晚上亲自前往ROG发布会为ROG背书以及展示ROG Zephyrus笔记本目的变得相当明确。

在现场，NVIDIA还特意暂时了正在开发中的Project Cars 2的实际运行画面，并现场嘲讽了一番PS4，让现场的PC党们兴奋不已。

AI的终极形态就是机器人

NVIDIA将人工智能分成了两个部分，一部分是基于TESLA V100组成的服务器、工作站在云端运行的平台。另外一部分则是应用于车载DRIVE PX或者无人设备上的JETSON TX。

无论是哪一个平台，深度学习都会帮助机械在无提前设定的前提下完成指定动作，深度学习的基础方式可以被理解成4×4矩阵的运算处理，由于优化了算法，每一个CUDA核心都将独立承载运算，这也使得深度学习性能大幅提高，同样也是TESLA V100在深度学习上比P100性能更强的原因。

黄仁勋认为AI的最终形态最终会体现在机器人身上，从工业机器人、医疗助手再到汽车实际上都是机器人的体现。NVIDIA研发的HGX构架会与富士康、广达等服务器厂商合作，在建立服务器、深度学习解决方案的同时，也通过GPU Cloud的云端服务，方便AI工程师通过硬件或者网络扩充深度学习资源。至于终端，NVIDIA则推出名为ISAAC平台，核心是一块JETSON TX2芯片，并配备Astro AV软件堆叠，以实现机械的自主学习。

突破虚拟现实壁垒

NVIDIA将人工智能的突破归结为半导体的飞速发展以及GPU在运算的地位中不断被提高。从演讲一开始的Holodesk VR多人协作计划再到最后人工智能学习，除了中间的MAX-Q，剩下的内容几乎不再与消费级产品有太多联系。把GPU推广到游戏之外，不断模糊虚拟与现实之间的关系，NVIDIA则早已让自己跳出传统PC厂商的范畴。比起与PPT大厂的正面竞争，NVIDIA更倾向于如何早点把自动驾驶提升至Level 4。在显卡市场出现新情况之前，老黄已经迫不及待与NVIDIA一起在新领域开疆扩土了。

更多详情请进入爱活网COMPUTEX2017台北国际电脑展专题报道