1. 驱动人工智能的为什么是GPU

因为人工智能需要强大的浮点能力支持，http://ming.jia..com/article/626154

2. ai gpu性能有什么用

可以提来高成像的质量 我一开始学自AI的时候就遇到过这样一种情况 有两个紧密贴合的形状 每个的描边都是无色的 但是看的时候总觉得两个中间有一股淡淡的虚线 导出的图像是正常的 但是编辑的时候看着总是感觉很蛋疼 后来把GPU性能打开后 那些虚线就消失了 形状才真正紧密贴合了起来

3. 英伟达为人工智能定制的GPU有何不同

你都不说谁和谁……
怎么比
╮(╯_╰)╭

给个图，自己找自己型号

4. 芯片GPU对未来人工智能深度学习有多重要

首先搞清楚一点：
GPU的工作是“呈现”
人工智能和学习都是由运算单元CPU来解决的！
GPU在未来也还是作为“呈现”的功能！
譬如CPU发出喜怒哀乐的表情指令
那么GPU可以根据要求“呈现”出来
一定要说在人工智能上的作用，也仅仅在这个方面
最多有些细节由cpu发出特定指令，GPU根据指令集来执行！
这就是类似现在的dx指令功能！

5. “cpu”和“GPU”之间的区别有什么不一样

GPU概念

GPU英文全称Graphic Processing Unit，中文翻译为“图形处理器”。GPU是相对于CPU的一个概念，由于在现代的计算机中（特别是家用系统，游戏的发烧友）图形的处理变得越来越重要，需要一个专门的图形的核心处理器。

GPU的作用

GPU是显示卡的“大脑”，它决定了该显卡的档次和大部分性能，同时也是2D显示卡和3D显示卡的区别依据。2D显示芯片在处理3D图像和特效时主要依赖CPU的处理能力，称为“软加速”。3D显示芯片是将三维图像和特效处理功能集中在显示芯片内，也即所谓的“硬件加速”功能。显示芯片通常是显示卡上最大的芯片（也是引脚最多的）。现在市场上的显卡大多采用NVIDIA和ATI两家公司的图形处理芯片。
于是NVIDIA公司在1999年发布GeForce 256图形处理芯片时首先提出GPU的概念。GPU使显卡减少了对CPU的依赖，并进行部分原本CPU的工作，尤其是在3D图形处理时。GPU所采用的核心技术有硬体T&L、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬体T&L技术可以说是GPU的标志。
简单说GPU就是能够从硬件上支持T&L（Transform and Lighting，多边形转换与光源处理）的显示芯片，因为T&L是3D渲染中的一个重要部分，其作用是计算多边形的3D位置和处理动态光线效果，也可以称为“几何处理”。一个好的T&L单元，可以提供细致的3D物体和高级的光线特效；只不过大多数PC中，T&L的大部分运算是交由CPU处理的(这就也就是所谓的软件T&L)，由于CPU的任务繁多，除了T&L之外，还要做内存管理、输入响应等非3D图形处理工作，因此在实际运算的时候性能会大打折扣，常常出现显卡等待CPU数据的情况，其运算速度远跟不上今天复杂三维游戏的要求。即使CPU的工作频率超过1GHz或更高，对它的帮助也不大，由于这是PC本身设计造成的问题，与CPU的速度无太大关系。

关于CPU和GPU的相关问题

第一个问题：
GPU的竞争远比CPU的竞争来得激烈。通用PC的CPU就只有英特尔和AMD两家大厂。而在GPU方面领先的是N记和A记两家厂商，但能生产中低端产品的还有英特尔、3S等好几家厂商。它们的产品虽然不如前两家，但在很多应用方面也能满足用户的需要，所以N记和A记只有拼命往前跑才不会死掉。CPU厂商没有采用GPU的先进工艺是因为CPU厂商都有自己投资的生产线，不可能一下把原来的生产线都淘汰了上新的生产线，那样做可能连当初投入的资金都难以收回。而GPU厂商由于种种原因，一般都是自己设计由别人代工的，比如找台积电代工。代工厂商为了能接到业务，只有不停升级自己的生产设备，这样才能生存下来。所以造成以上原因。
第二个问题
就如你所说的一样，CPU除了处理游戏的AI，情节等方面的数据外，对于有些图像方面也是由它完成的。当微软每次发布新的DX时，并不是每款GPU都能支持DX新的特性，所以有些图像方面的任务还得由CPU来完成。还有有些特性比如重力特性以前是由CPU来完成，现在有些GPU也能支持了，这些任务就由GPU来完成了。
第三个问题
GPU相当于专用于图像处理的CPU，正因为它专，所以它强，在处理图像时它的工作效率远高于CPU，但是CPU是通用的数据处理器，在处理数值计算时是它的强项，它能完成的任务是GPU无法代替的，所以不能用GPU来代替CPU。
另外
现在AMD收购了A记显卡芯片的设计厂商，AMD看到今后CPU和GPU只有走一条融合的道路才能地竞争中占得先机。CPU和GPU如何配合默契才能最大地提高工作效率是AMD现在考虑的问题，也是英特尔的问题。
第四个问题
微软发布windows7 其中一个显著特性就是 联合GPU和CPU的强大实力，提升GPU在硬件使用的价值，在Windows7中，CPU与GPU组成了协同处理环境。CPU运算非常复杂的序列代码，而GPU则运行大规模并行应用程序。微软利用DirectX Compute将GPU作为操作系统的核心组成部分之一。DirectX Compute。它让开发人员能够利用 GPU的大规模并行计算能力，创造出引人入胜的消费级和专业级计算应用程序。简单的说，DirectX Compute就是微软开发的GPGPU通用计算接口，欲统一GPU通用计算标准。也就是说windows7 以后GPU的硬件地位将仅次于CPU，发挥出更大的效用。

6. GPU为什么能驱动人工智能，以及它是否会被仿

人工智能说到底不外乎将人的五官模仿出来再配合数学公式来计算出下一步的结果
处理五官的信息其实说到底就是不断的进行数学计算，用非人话说就是把采集到的数据以一定的格式呈现，常见的有矩阵，然后再对矩阵进行数学或非数学的加工，最后将加工的结果套用一些数学公式，希望达到人类思考的结果。比方说距离公式
说人话就是通过很复杂的数学计算和数学公式，企图模仿人从收集信息到处理信息最后给出反应一系列的过程
由于信息很多很复杂，传统CPU只有几个核心根本处理不过来，而且都是一些很简单的浮点运算为主，传统CPU根本就是大材小用，所以用GPU会更合适。
通过把信息拆分成N个片段送到GPU，通过多线程，这样会比较快的得出想要的结果，配合CPU，就能加速整个人工智能的过程。
至于会不会被模仿，就好像药厂的配方，除非它开源，否则要模仿也不是容易的事儿。

7. 人工智能是如何被大数据喂养的，算法、数据和GPU硬件哪一个的影响更大

人工智能需要有大数据支撑
人工智能主要有三个分支：
1.基于规则的人工智能；
2.无规则，计算机读取大量数据，根据数据的统计、概率分析等方法，进行智能处理的人工智能；
3.基于神经元网络的一种深度学习。
基于规则的人工智能，在计算机内根据规定的语法结构录入规则，用这些规则进行智能处理，缺乏灵活性，不适合实用化。因此，人工智能实际上的主流分支是后两者。
而后两者都是通过逗计算机读取大量数据，提升人工智能本身的能力/精准度地。如今，大量数据产生之后，有低成本的存储器将其存储，有高速的CPU对其进行处理，所以才有了人工智能后两个分支的理论得以实践。由此，人工智能就能做出接近人类的处理或者判断，提升精准度。同时，采用人工智能的服务作为高附加值服务，成为了获取更多用户的主要因素，而不断增加的用户，产生更多的数据，使得人工智能进一步优化。