李根 發自 凹非寺

　　量子位 報道 | 公衆号 QbitAI

　　如果你是數據工作者，到底對此是愛是恨？

　　因為這個名為RAPIDS的開源GPU加速平台出現，固有的數據工作，看起來将迎來變革。

　　有人歡迎，可能也有人讨厭。

　　其中，該平台的“始作俑者”黃教主認為會遭恨。因為以前大家都想當數據科學家，由于數據科學家不是在喝咖啡，就是在喝咖啡的路上——畢竟光數據加載的過程就非常漫長。

　　但認為大家會愛的，也是黃仁勳。看看他一臉燦爛的笑容，就知道他為這項新發布多麼得意。

　　50倍加速 這個新平台，要從10月10日的GTC歐洲大會說起。

　　會上，黃教主針對數據工作曉之以情、動之以理、斥之以大義後，正式發布針新的GPU加速平台：RAPIDS。

　　譯成中文，有“急流”之意，可能也是為顯示數據相關工作從此變天。

　　如何理解這個新的GPU加速平台？

　　英偉達給的三組關鍵詞：數據科學機器學習、軟件平台，以及開源。

　　而且很明确，RAPIDS的誕生，就是希望幫助企業以“前所未有”的速度分析海量數據并進行精準的業務預測。

　　有多“前所未有”？英偉達給出的答案是50倍。

　　拿來對比的，仍然是CPU。

　　英偉達稱，最初的RAPIDS基準分析利用了XGBoost機器學習算法在NVIDIA DGX-2TM系統上進行訓練，結果表明，與僅有CPU的系統相比，其速度能加快50倍。

　　所以這能夠幫助數據科學家将典型訓練時間從數天減少到數小時，或者從數小時減少到數分鐘——具體取決于其數據集的規模。

　　并且RAPIDS不是光比不用，發布之前，就已經經過一些企業真槍實彈檢驗。

　　比如沃爾瑪。其CTO Jeremy King就表示，GPU加速平台及RAPIDS軟件極大改進了沃爾瑪使用數據的方式，可以實現複雜模式大規模地運行，同時進行更加精準的預測。

　　此外，惠普、甲骨文、SAP、Cisco等一衆數據大戶，也紛紛點了贊。

　　但英偉達強調，這不是私人定制式的服務。

　　開源 因為RAPIDS，可以說從開源社區中來，到開源社區中去。

　　黃仁勳演講中介紹，RAPIDS構建于Apache Arrow、pandas和 scikit-learn等流行的開源項目之上，為最流行的Python數據科學工具鍊帶去GPU提速。

　　為了将更多的機器學習庫和功能引入RAPIDS， NVIDIA 廣泛地與開源生态系統貢獻者展開合作 ，其中包括 Anaconda、BlazingDB、 Databricks、Quansight、scikit-learn、Ursa Labs 負責人兼Apache Arrow締造者Wes McKinney，以及迅速增長的Python數據科學庫pandas等等。

　　此外，為了推動RAPIDS的廣泛應用，英偉達也努力将RAPIDS與Apache Spark進行整合，後者是分析及數據科學方面領先的開源框架。

　　所以現在，全套RAPIDS開源庫，前往 http://www.rapids.ai 就能獲得，且代碼經 Apache 許可公布。容器化RAPIDS版本，也能在NVIDIA GPU Cloud container registry 上獲取。

　　如果你是數據科學家，如果你希望數據準備和訓練加速，當前GPU給出了新選擇。

　　英偉達新蛋糕 或許你也會問Why？英偉達這一步的目的何在？

　　那就會得到“曆史進程”的回答。

　　英偉達方面說，數據分析和機器學習是高性能計算市場中最大的細分市場，不過目前尚未實現加速，在圖形圖像領域的版圖構建完整後，GPU不入數據誰入數據？

　　而且之前在解決深度學習算力的過程中，大數據和機器學習方面的呼聲，也在一日高過一日。

　　更何況，英偉達自己也承認，這會是一個利益巨大的細分市場。

　　他們援引分析預估，稱面向數據科學和機器學習的服務器市場每年價值約為200億美元，加上科 學分析和深度學習市場，高性能計算市場總價值大約為360億美元。

　　又有誰能拒絕這樣的大蛋糕誘惑？

　　而且按照英偉達的方式，越是把軟件平台打磨好開源，吸引的用戶越多，GPU的需求量也就會越多，英偉達賺得也會越多——進一步創新的資本和動力也會更強。

　　AI時代裡站着把錢掙了，英偉達外，還有誰？

　　最後，再次送上傳送門：

　　全套RAPIDS開源庫：

　　http://www.rapids.ai

　　— 完 —

　　活動策劃招聘

　　量子位正在招聘活動策劃，将負責不同領域維度的線上線下相關活動策劃、執行。歡迎聰明靠譜的小夥伴加入，并希望你能有一些活動策劃或運營的相關經驗。相關細節，請在量子位公衆号(QbitAI)對話界面，回複“招聘”兩個字。

　　量子位 QbitAI · 頭條号簽約作者

　　վ'ᴗ' ի 追蹤AI技術和産品新動态

　　,