英伟达首席科学家BillDally在一年一度的中国GPU技术大会召开前接受第一财经记者独家专访时表示，GPU让人工智能（AI）的性能每年都能成倍提升，英伟达的研究人员正在定义如何在具有更高带宽、更易于编程的系统中制造更快AI芯片的方法。
利用GPU的加速处理技术，AI正在医疗、自动驾驶汽车和机器人等多个行业的特定领域平台发挥巨大作用。英伟达也在不断进行基础研究的投入，以寻求芯片物理极限的突破，让AI的性能得到进一步的提升。
“我们的平台正在以光速发展，（GPU）每10年的速度就能增加倍。技术的提升离不开基础研究的投入。”Dally对第一财经记者表示。他认为，要让芯片技术突破物理极限，就必须进行架构上的改进。
Dally于年加入英伟达，此前他担任斯坦福大学计算机科学系主任，致力于数据科学、人工智能和图形学的研究，拥有多项专利。他目前领导着英伟达一个多人的科学研究团队。在今年的GTC大会中，Dally计划重点讨论英伟达如何在GPU上实现高效的推理加速器，硅光子学（siliconphotonics）和Python编程等项目。
Dally所说的的硅光子学，是一种基于硅片的激光技术，能够更广泛地应用于计算机中，通过采用大规模硅基制造技术，能大幅度降低计算机和数据中心的成本。英特尔和加州大学圣芭芭拉分校对研究人员此前已经成功研发出了世界上首个采用标准硅工艺制造的电力混合硅激光器。
该技术离商品化仍有很长距离，但研究人员相信，未来他们能够将数十个甚至数百个混合硅激光器，与其他硅光子学部件一起被集成到单一硅基芯片上。
目前由GPU支持的超级计算机已被广泛用于药物发现、基因组学以及生物学等领域。全球速度最快的超级计算机Summit已经能够在12小时内筛选出10亿种潜在药物组合，这在正常的计算机上要花上几个月的时间；基因测序公司牛津纳米孔（Nanopore）能在7小时内对病毒基因组进行测序；美国国立卫生研究院和德克萨斯大学奥斯汀分校使用GPU加速软件，通过低温电子显微镜重建了病毒蛋白的第一个3D结构。
Dally告诉第一财经记者，英伟达还通过开发基于GPU的量子模拟器来支持量子计算机的发展。“我们认为，量子计算机步入实际的商业化应用可能还需要10年至15年时间，英伟达正在密切
联系电话：