过去几年桌上型电脑(DT)与笔记型电脑(NB)销售量大幅下滑，英特尔(Intel)的年成长率也下滑至9%，市场展望似乎对电脑芯片制造商不利，不过就在英特尔CPU销量持续下滑的同时，NVIDIA的GPU却稳步成长，2016年第4季营收甚至大增55%，当然这和电脑游戏没有太大关系，而是归功于人工智能(AI)市场的爆发。

根据PCMag报导，PC时代早期，电脑性能主要与CPU数量及可用的随机存取存储器(RAM)有关，随着图形密集应用和游戏的兴起，专为加快图框缓冲(framebuffer)图像建立速度的GPU开始崭露头角。而摩尔定律(Moore’sLaw)的脚步则已放缓，英特尔无法单靠提高芯片上电晶体数量的优势继续称霸市场。

让NVIDIAGPU再度火热的原因与深度学习有关。深度学习是一种用于AI和认知运算的先进机器学习技术，也是自驾车、影像辨识、语音辨识以及气候预测模型所不可或缺的技术。如同多数演算法，深度学习也仰赖进阶的数学和统计运算，并试图透过不同神经网路类型来模拟人类脑部的功能。例如语音助理使用自然语言处理，就是使用递回式类神经网路(RecurrentNeuralNetwork)，而影像辨识及脸部侦测则使用卷积式类神经网路(ConvolutionalNeuralNetwork)。

要训练AI识别影像中的物体或分析股市资料，就必须将数据解码为一组数字然后执行矩阵乘法，这是序列运算的CPU无法做到的，而解决这个问题的最佳方案就是使用高达5,000个微核心的GPU执行平行处理。

此外NVIDIA执行长黄仁勋的远见及赌注也是推动其GPU成为深度学习和AI研究人员欢迎的原因。大约10年前NVIDIA注意到用户使用其绘图芯片计算复杂的投资以及气候模型，因此决定投入统一计算架构(ComputeUnifiedDeviceArchitecture;CUDA)的研发，据纽约时报报导，NVIDA的CUDA计划，至今已投入100亿美元，目的就是将GPU转化为更通用的运算工具。

CUDA是一个平行运算平台及程式设计模型，透过图形处理单元大幅提升运算性能，帮助使用者针对不同任务设计程式。尽管面对ATI、超微(AMD)在GPU市场的激烈竞争，NVIDIA仍旧把赌注放在CUDA上，后来也证明这样的做法是正确的，当云端运算、大数据和AI开始展现动能时，NVIDIA的芯片恰好符合这些运算的需求。

不过NVIDIA不可以目前的成就自满，毕竟英特尔与Google正急起直追，前者以160亿美元收购FPGA芯片大厂AItera及专门设计AI芯片的新创公司Nervana，后者则开发了支援其语音辨识平台及AlphaGo的特殊应用集成电路TPU。