【你以為誰都跟你一樣，整天玩游戲啊？現在顯卡已經是專業計算設備了，我們游戲玩家老黃已經不放在眼里了！】

    自從老黃開拓其他產品線以來，很多游戲玩家也有不少意見，覺得現在游戲卡不像以前那樣被重視，老黃攀上了人工智能的高枝，看不上游戲這個領域了。

    這話不大好聽，不過客觀來說，英偉達發展到22年左右，游戲市場的確也只能占到總比例的三分之一左右了。

    并且，這還只是指GTX和RTX系列產品的利潤占比。在購買這些設備的人當中，其實很大一部分的用途也已經不是游戲了。

    如此分析的話，很可能游戲用戶的占比已經不到2成了。

    誰能想到，這一切的變化，黃仁勛在2010年前就已經規劃好了呢？

    不過這都不是現在老黃最在意的事情，當今之計，黃仁勛最重要的任務是借助自己CUDA平臺的提前布局，利用這一大先發優勢，與孟繁岐的諸多最新技術做好適配，力求直接壟斷AI計算產業。

    【...更為引人注目的是，P100顯卡引入了NVLink互連技術，這是一項重要的創新。NVLink不僅能夠實現多個顯卡之間高速的數據傳輸，還為構建高性能的計算集群提供了強大支持。這使得P100顯卡在解決復雜、密集的計算問題時，能夠展現出無與倫比的卓越性能。】

    目前傳統的GTX顯卡用PCI-E鏈接，理論峰值僅為16GB每秒，這對于越來越龐大的人工智能模型和數據來說，還遠遠不夠。

    人工智能這樣的計算密集型應用程序需要高性能計算單元，但快速訪問數據也很關鍵，因為大量的時間消耗在了等待數據上面。

    尤其當某種大型數據需要反復在所有顯卡中傳播的時候，這會極大地影響模型訓練的效率。

    也就是說，目前難住孟繁岐的一大瓶頸，是一卡工作八卡圍觀。

    顯卡本身的性能甚至都未能成為主要原因，因為交互數據的時候就已經太慢了。

    如果10秒鐘的時間里，只有2秒鐘在進行計算，其余的8秒都在進行數據的等待。那即便你計算速度提升一百倍，也不可能讓這個時間少于8秒鐘。

    必須得要改善設備的吞吐速度，才能解決這樣的問題。

    而新的帕斯卡架構，將這個數字擴展到了80GB，乃至160GB，因為它支持雙向傳輸。

    這就已經是十倍的傳輸效率提升了。