台湾作为 NVIDIA GTC 国际巡回第一站，再度由首席执行官黄仁勋亲自进行主题演讲，开场仍强调 GPU 运算是当前使摩尔定律持续延续的关键，他更大胆预测，接下来十年，超算效能将有百倍的增长，也使得科技、技术有全新的突破。
黄仁勋认为，考虑到能源效率、成本考量，接下来的超级电脑在务实面的考量，势必要透过 GPU 加速大幅提升效能， NVIDIA 在十年内以 GPU 搭配 CUDA ，在超级运算领域提供达 550 种可借由 GPU 加速的应用，从分子建模，量子、力学，气象、物理、能源，资料科学与 AI ，且影响
为模拟与机器学习两造需求重塑 TensorCore GPU
为了模拟与机器学习等当前超级运算应用， NVIDIA 也重新审视并再造 GPU ，开发出 TensorCore ，将 FP64 、 FP32 、 FP16 与 Int8 以及单周期 4x4 矩阵乘法累加等多种运算所需的精度加以结构化，并融入 GPU 架构中，而第一款产品，亦是 NVIDIA 最新一代的运算级 GPU 架构 Volta ，融合达 125 个 TensorCore 。
但这样还不够，超级运算不仅需要运算力，亦需要大量的内存， NVIDIA 已经开发了 NVLink 技术使最多 8 颗 GPU 共享运算力与内存，可视为一颗大型的虚拟 GPU ，但这样还不够， NVIDIA 借由基于台积电 12nm 制程的 NVSwitch ，借由双向高速通道串接两组 NVLink 模组，将 16 颗 GPU 化为更惊人的虚拟化 GPU ，并具备高达 256GB 的内存。
同时 NVIDIA 也借此打造了新一代超级电脑 DGX-2 ，虽然单价达到 39.9 万美金，却能以单一台超级电脑挑战价格高出 8 倍的传统大型服务器群，同时仅需 1/60 的体积与 1/18 的功耗，更不用说省却了多服务器连接的复杂缆线与热管理。
引领 AI 与超算产业的 HGX-2 云服务器平台
同时， NVIDIA 也首度在台湾发表新一代云服务器平台 HGX-2 ， HGX-2 实质上就是用于 NVIDIA 新一代超级电脑 DGX-2 当中的模组，具备达 2PFLOPS 的效能；在 DGX-2 内就包含两张透过 NVSwitch 连接的 HGX-2 模组，而借由发表 HGX-2 服务器模组，使得全球的服务器与超级电脑业者可在新服务器中搭载此模组，建构针对科学与运算之 FP64 、 FP32 高精度运算，以及适用于 AI 训练与推论的 FP16 与 Int8 格式，因应当前同时兼具超级运算与 AI 的市场需求。
目前包括联想、云达、美超微以及纬颖等 OEM 厂商已经预计在今年内推出搭载 HGX-2 所设计的系统，而台湾的富士康、英业达、广达以及纬创也同样预计在今年内推出搭载 HGX-2 的系统，同时这些系统也将被用在全球的大规模云端资料中心。
深度学习的惊人成长与广泛应用
在五年前，多伦多大学的 Alex Krizhevsky 借由两张 NVIDIA GTX 580 搭配 CUDA ，在 6 天内进行 AlexNet 培训，一举突破当时影像辨识精确度的极限，也掀起一股影像辨识战争；在今日，借由一台 DGX-2 ，仅需 18 分钟即可达到当年 Alex Krizhevsky 的训练成果，效能成长了 500 倍。
而这样的爆炸性效能成长，也催生各种应用，在 GTC Taiwan ，就以基于深度学习的影像处理作为示范，此项模型是借由反复的照片与被破坏处理后的照片交叉进行培训，使此影像处理模型能够自然的进行照片中的物件移除，并进行自然的修复，或是将人物的法令纹消除，加以年轻化等。
同时， NVIDIA 亦宣布几项台湾的 AI 在地化应用，包括富士康集团旗下鸿腾科技集团利用人工智能做为产线检测的应用，中国医药大学借由 AI 作为医生用于研判患者癌症肿瘤转移，台湾大学的鼻咽癌病危器官预测，还有台湾人工智能实验室透过无人机与 AI 作为台南桥梁监测以及防灾应用，桃园市更预计在 2020 年将 Level 3 的自动驾驶公车用于 30% 的固定行驶路线上，展现台湾积极导入 AI 的一面。
不仅只是硬件， NVIDIA TensorRT 助超大规模推论持续进化
虽然 NVIDIA 对多数人的印象还停留在硬件芯片公司，然而 NVIDIA 为了推广 GPU 加速技术，也积极的投入软件领域，毕竟光是空有一身高性能硬件，却无亲切的开发界面，是难以吸引开发者使用；为了达到超大规模推论，需要具备可编程、低延迟、高精度、大规模、高运算量以及高能源效率等条件，这几大项可缩写为 PLUSTER 。
为达 PLUSTER 之所需， NVIDIA 的武器就是持续的更新 TensorRT ， TensorRT 4 目前已经能够支援影像与语音辨识、自然语言处理与个人化建议，且目前 TensorRT 已经广泛的被业界所采纳，包括 Google 已经将原生 TensorRT 4 整合到 TensorFlow 中，广受欢迎的语音辨识框架 Kaldi 也经过最佳化，同时也为支援 PyTorch 与 MXNET 开发架构的 ONNX 提升速度，并可支援微软的 WinML 等。
同时 NVIDIA GPU 亦与 kubernetes 深度整合， kubernetes 是目前为数众多的超大规模资料中心服务器中的扩充与编排 AI 容器，且当前除了能够识别 GPU 外，亦可借由虚拟化的方式提供弹性的 GPU 调配，甚至可跨服务进行 GPU 资源并用，如同时使用来自 NVIDIA GPU 服务器与亚马逊 AWS 所提供的 GPU 资源，将两方的 GPU 算力用于 AI 培训与推论。
另外， NVIDIA 的 GPU Cloud 亦是 NVIDIA 为 AI 所投注的资源，借由 NVIDIA GPU Cloud 云端容器登入服务，能将 AI 简化，只要透过登入、下载与运作，即可完成操作， NVIDIA GPU Cloud 的加速堆叠容器可用于包括深度学习、 HPC 、 HPC Viz 与分析领域，同时产生的最佳化堆叠可用于包括 AWS 、 Google 云端平台、 AliCloud 与 Oracle Cloud 等平台。
由更强的运算力与 AI 交织的市场新机会
因为运算力的提升与 AI 技术的突破，也带来市场的新机会，黄仁勋就列举了几项他看好的领域，首先就是用于娱乐与商业设计的影像渲染技术；过往影像的光影处理都需要经过长时间的渲染与处理，即便只是电影中几秒钟的画面，背后需要庞大且高效能的运算服务器以极大的电力耗费数时才能处理完成，万一处理程序中间出现疏失，又得从头开始。
然而 NVIDIA 今年提出了全新的 RTX 技术，透过 AI 技术与 DGX Station ，实现即时的全局光照模拟，且利用 AI 技术将物体的反光、阴影效果与表面质感处理的更逼真，更重要的是不需要长时间的后制处理，就可即时看到效果，此项技术也已经获得电影产业的青睐，包括 Sony 、二十世纪福斯、梦工厂、 PIXAR 、华纳兄弟等，都宣布将利用 RTX 技术作为电影后制处理。毕竟不仅服务器成本低于过往 Render Farm 的渲染系统，同时缩减的处理时间更带来惊人的效益。
此外在医疗影像方面， NVIDIA 也提出 CLARA 医学影像超级电脑计划，借由深度学习与 3D 即时处理，能将传统的断层扫描转化为彩色 3D 模型，有助于判断患部以及更容易发现患部。
至于在城市安全， NVIDIA 也提出大型视讯串流分析与关键应用方案 NVIDIA Metropolis ，借由即时处理多路摄影机的影像讯号，实现都会安全、智慧交通分配等应用。
最后一项就是 NVIDIA 近期的重点， NVIDIA DRIVE 端对端平台，借由位于云的 NVIDIA GPU ，搭配同样具备 CUUA 架构的嵌入式超级电脑，使得人工智能培训与部属变的更容易，同时利用 NVIDIA 的图形技术，更可打造虚拟的驾驶培训环境，让自动驾驶系统在未正式进行道路驾驶前，即可在虚拟环境中进行反复的训练与验证，且亦能在虚拟环境中反复测试自动驾驶模型在恶劣气候的可靠性，这也是在真实环境中难以重复验证的。
同时， NVIDIA 在先前圣荷西的 GTC 已经介绍过透过远端控制技术结合 Holodeck 的 Project Wakanda ，打造出宛若漫威电影"黑豹"当中瓦甘达的远端驾驶，在台湾场次，由于法规、技术与场地等限制，虽未能如圣荷西进行实际的车辆远端控制，不过仍利用迷你遥控车搭配 Holodeck 示范远端驾驶的应用。
除了进行远端驾驶以外，这项技术亦有相当多元的应用可能性，例如机具操作的培训，驾驶技术训练，远端的无人机具控制、危险环境的工程机具控制、灾区的机具驾驶等等，都可能借由这项技术进行活用。
黄仁勋在活动的最后，强调 NVIDIA 提供了完整的端到端硬件与软件，供有志投入超级运算、人工智能领域的开发者以及新创公司作为利器，同时也因为 AI 技术的突破，有许多新的市场商机有待挖掘，他个人也看好基于自动化技术的无人车与机器人领域发展。
