過去幾年桌上型電腦(DT)與筆記型電腦(NB)銷售量大幅下滑，英特爾(Intel)的年成長率也下滑至9%，市場展望似乎對電腦芯片制造商不利，不過就在英特爾CPU銷量持續下滑的同時，NVIDIA的GPU卻穩步成長，2016年第4季營收甚至大增55%，當然這和電腦游戲沒有太大關系，而是歸功于人工智能(AI)市場的爆發。

根據PCMag報導，PC時代早期，電腦性能主要與CPU數量及可用的隨機存取存儲器(RAM)有關，隨著圖形密集應用和游戲的興起，專為加快圖框緩沖(framebuffer)圖像建立速度的GPU開始嶄露頭角。而摩爾定律(Moore’sLaw)的腳步則已放緩，英特爾無法單靠提高芯片上電晶體數量的優勢繼續稱霸市場。

讓NVIDIAGPU再度火熱的原因與深度學習有關。深度學習是一種用于AI和認知運算的先進機器學習技術，也是自駕車、影像辨識、語音辨識以及氣候預測模型所不可或缺的技術。如同多數演算法，深度學習也仰賴進階的數學和統計運算，并試圖透過不同神經網路類型來模擬人類腦部的功能。例如語音助理使用自然語言處理，就是使用遞回式類神經網路(RecurrentNeuralNetwork)，而影像辨識及臉部偵測則使用卷積式類神經網路(ConvolutionalNeuralNetwork)。

要訓練AI識別影像中的物體或分析股市資料，就必須將數據解碼為一組數字然后執行矩陣乘法，這是序列運算的CPU無法做到的，而解決這個問題的最佳方案就是使用高達5,000個微核心的GPU執行平行處理。

此外NVIDIA執行長黃仁勛的遠見及賭注也是推動其GPU成為深度學習和AI研究人員歡迎的原因。大約10年前NVIDIA注意到用戶使用其繪圖芯片計算復雜的投資以及氣候模型，因此決定投入統一計算架構(ComputeUnifiedDeviceArchitecture;CUDA)的研發，據紐約時報報導，NVIDA的CUDA計劃，至今已投入100億美元，目的就是將GPU轉化為更通用的運算工具。

CUDA是一個平行運算平臺及程式設計模型，透過圖形處理單元大幅提升運算性能，幫助使用者針對不同任務設計程式。盡管面對ATI、超微(AMD)在GPU市場的激烈競爭，NVIDIA仍舊把賭注放在CUDA上，后來也證明這樣的做法是正確的，當云端運算、大數據和AI開始展現動能時，NVIDIA的芯片恰好符合這些運算的需求。

不過NVIDIA不可以目前的成就自滿，畢竟英特爾與Google正急起直追，前者以160億美元收購FPGA芯片大廠AItera及專門設計AI芯片的新創公司Nervana，后者則開發了支援其語音辨識平臺及AlphaGo的特殊應用集成電路TPU。