在移动端失势的英伟达，这两天终于借着研发预算超20亿美金的P100扳回了一局——Facebook、微软和其他公司的深度学习研究员此前试用了英伟达这款芯片。他们表示，这款芯片能带来更庞大的神经元网络，从而加速研究进度。

而关注英伟达这块动向的朋友可能会发现，两年前特斯拉大胆采用英伟达做车机芯片的时候，它人工智能的端倪就开始显现，如果要追溯地更早，那我们可以从奥迪开始。

2009年英伟达Tegra走入奥迪汽车

近日，德国大众确实准备为旗下的奥迪汽车引入新式导航系统，并首次采用英伟达Tegra片上系统处理器。

相比于今年初的多媒体交互系统(MMI)，新的Tegra核心导航系统自然要更加高级，不但功能上会更强大，效果也应该会更酷一些。

2013年11月 IBM和英伟达联合开发超级计算机

11月19日，IBM与芯片厂商英伟达（Nvidia）周一宣布，双方将达成战略合作，共同设计开发新型超级计算机系统和服务器。英伟达开发的图形处理单元芯片（GPU），很好适用于浮点计算，表现胜于英特尔的传统CPU Xeon和AMD的Opteron。排名第二位的“泰坦”，就搭载了GPU。

根据IBM和英伟达合作内容，双方将在芯片方面就行合作，通过技术共享，让英伟达的Tesla GPU更好与前者的Power 8芯片协同工作。

2014年4月特斯拉搭载Tegra 4

早期的Tesla车型曾使用过Tegra 2，但处理能力远远不够，所以后来升级到了Tegra 3。新款的Model S、Model X将会搭载Tegra 4，甚至Tegra K1。这都是早晚的事。Nvidia在图形处理方面积累的功底，与其悉心经营的CUDA架构为其带来了Tesla这样一个强力合作者。而Model S也成为了Nvidia在高度智能化的汽车上的最佳代言者。

2015年10月苹果挖走英伟达人工智能实验室负责人

近日苹果已经雇佣了芯片制造商英伟达“深度认知”部门主管乔纳森·科恩（Jonathan Cohen）。英伟达主要提供芯片，不过，这家公司目前也将目光投向了汽车领域，推出了汽车计算平台Drive CX和针对无人驾驶汽车开发的图像处理平台Drive PX。据悉，科恩本人也已经改变了其在职场社交网站LinkedIn的主页。

“深度认知”（Deep learning）是科技公司人工智能技术的一个分支，它可以用来“训练”计算机来处理可视化数据模型。目前，英伟达已经推出针对汽车的相关技术。这家公司向汽车生产商销售自己的芯片—GPU，它可以用来驱动摄像头和雷达，从而为汽车带来无人驾驶功能。

2015年11月Google开源TensorFlow

近日，谷歌开放自家人工智能系统TensorFlow，谷歌的人工智能引擎也反映了当今计算机硬件行业的发展趋势。在谷歌内部，处理图像识别、语音识别和语言翻译等任务时，TensorFlow依赖于配备图像处理单元（GPU）的机器，和被用于渲染游戏图像的芯片等，但对其它的任务也擅长。

它对这些芯片的依赖比想象中的更多。根据负责谷歌AI项目的工程师Jeff Dean的说法，谷歌不仅用GPU训练其AI服务，而且还运行这些服务产品——将它们植入用户手中的智能电话。这一变革对于专注于GPU的芯片巨头NVIDIA来说是件好事。

2015年12月Facebook开源BigSur

Facebook上周宣布计划使其人工智能硬件“开源化”。代号为“BigSur”的新一代硬件的设计目标是训练神经网络。除人工智能外，这一技术还经常被称作机器或深度学习。

过去一年，芯片厂商英伟达一直在开发深度学习产品。因此，两家公司在这一项目上进行了合作。Facebook被称作是第一家采用英伟达TeslaM40GPU加速器的厂商，M40GPU面向深度神经网络，被认为是BigSur平台和OpenRack兼容硬件的关键。

Facebook工程师称，采用M40的BigSur平台的速度是该公司上一代产品的2倍，使得训练规模相当于原来2倍的神经网络的速度提高1倍。英伟达还强调，BigSur是第一款针对机器学习、人工智能研究开发的开放源代码计算系统，Facebook将把设计材料提交给开放计算项目。

它并向人工智能的轨道或许只是一个偶然从英伟达的这些“实践”历史来看，它并向人工智能的轨道或许只是一个偶然，早年，英伟达就开始关注汽车领域，甚至在和奥迪正式合作前的2007年，就给奥迪定制过整合Google Earth的系统。到现在汽车已经是英伟达