thread|卡位元宇宙世界硬件底层：英伟达，深耕GPU技术，占据重要的地位( 三 ) 编程

2.2. 人工智能：基于 GPU 优势主导 AI 芯片 GPU 相比 CPU ，其并行计算能力更适合深度学习逻辑。
CPU 和 GPU 都是芯片，区别在于不同的架构下适用不同的场景。
从芯片架构来看，在 CPU 中控制单元、计算单元和存储单元相对比较均衡，而 GPU 中有将近 80%的计算单元。
传统的CPU内核数量较少，是为通用计算而设计的；GPU是一种特殊类型的处理器，具有数百或数千个内核，经过优化可并行执行大量计算。
CPU 是顺序执行运算，而 GPU 是可以大量并发的执行运算。
因此，从适用场景的角度看， CPU 精于控制和复杂运算的场景，而 GPU 精于简单且重复运算的场景，对数据分析、深度学习和机器学习算法尤其有用。
随着 GPU 在 AI 领域的普及，专注 GPU 的英伟达迎来收获期。
英伟达大约在 2010 年起 6 就已经开始转型布局人工智能，当时人工智能概念还未兴起， AI 仍是一片蓝海。经过持续多年的研发，英伟达 2016-2018 年间陆续推出一系列人工智能芯片、系统、软件和服务。
2016年——驱动 AI 革命。
推出第 11 代 GPU 架构 NVIDIA Pascal ，为最先进的 NVIDIA Tesla 加速器和 GeForce GTX 显卡提供支持。
推出 NVIDIA?DGX-1 ，世界上第一款台式深度学习超级计算机，可增强人工智能应用。
NVIDIA DRIVE PX 2 可实现强大的车载人工智能，使汽车行业走上自动驾驶汽车的道路。
NVIDIA 引入了 Iray VR ，模拟光线和材质，以创建交互式、照片般逼真的虚拟环境。
2017年——进一步推动现代AI
推出 NVIDIA Volta GPU 架构， NVIDIA Tesla V100 GPU 加速器为 DGX 系列 AI 超级计算机提供动力。
模块化 NVIDIA Jetson? TX2 AI 超级计算机为 AI 城市的智能机器人、无人机和智能摄像头打开了大门。
NVIDIA Isaac 机器人模拟器使训练和部署智能机器人变得更加容易。
NVIDIA SHIELD?通过 Google Assistant 和 SmartThings Hub 技术将 AI 带入家庭。
2018年——Turing 重新定义计算机图形
NVIDIA Turing GPU 架构推出，为全球首款支持实时光线追踪的 GPU 提供动力，长期以来一直被视为计算机图形学的圣杯。
推出 NVIDIA DGX-2 ，这是第一款能够提供 2 千万亿次计算能力的单一服务器，由 NVIDIA V100 GPU 和革命性的 GPU 互联结构 NVIDIA NVSwitch 提供支持。
推出 NVIDIA? Jetson AGX Xavier ，可轻松创建和部署用于制造、配送、零售、智能城市等的 AI 机器人应用程序。
NVIDIA Clara 平台亮相，提升了数百万种传统医疗仪器的功能，并为人工智能医疗设备开创了未来。
NVIDIA 推出 RAPIDS ，这是一个开源 GPU 加速平台，可加速数据科学和机器学习。
推出 NVIDIA DRIVE Constellation 仿真系统，可在虚拟现实中模拟自动驾驶汽车在数十亿英里的安全驾驶。
目前，英伟达在 AI 芯片领域已经占据主导地位。据《硅谷封面》报道， 2019年，前四大云供应商 AWS、谷歌、阿里巴巴、Azure 中 97.4%的 AI 加速器实例（用于提高处理速度的硬件）部署了英伟达 GPU 。 Cambrian AI Research 的分析师 Karl Freund 表示，英伟达占据了人工智能算法训练市场“近 100%”的份额；Top 500 超级计算机中近 70% 使用了英伟达的 GPU 。
2.3. 底层技术：Omniverse ，软、硬件技术的集大成者
NVIDIA Omniverse 能够运行具备真实物理属性的虚拟世界，并与其他数字平台相连接，专为虚拟协作和实时模拟打造。
创作者、设计师和工程师可以连接主要设计工具、资产和项目，从而在共享的虚拟空间中协作和迭代。
开发者和软件提供商还可以在模块化平台上构建功能强大的工具来扩展其功能。