早些时候，英伟达的黄仁勋在GTC Europe大会上发布了一款针对数据科学和机器学习的开源GPU加速平台——RAPIDS。而为了让更多中国用户对RAPIDS有更进一步的了解，英伟达在北京召开了RAPIDS平台的媒体沟通会，英伟达亚太区解决方案架构主管赵立威向媒体详细讲述了RAPIDS平台能为数据科学和机器学习市场提供哪些加速支持。

作为一套开源的库，RAPIDS能够为英伟达的GPU进行加速，提供了整个Data Science和Machine Learning的端到端的流程，包括：从数据的准备到整个Machine Learning模型的训练，以及到最终数据结果展示过程里面去。

后摩尔定律时代 算力进步靠GPU

英伟达亚太区解决方案架构主管赵立威认为在所谓的“后摩尔定律时代”，就是说英伟达的应用对算力的需求，或者说英伟达数据的增长量对算力的需求，已经远远超过英伟达现在正常意义上的英伟达算力的增长。所以在这个过程里面就提出了一些新的要求，英伟达的软件工程师、算法工程师，很多的时候也需要了解一些硬件的架构。英伟达很多以前的硬件工程师，其实某种程度上也需要了解一些软件的需求。

软硬结合在未来可能是解决后摩尔定律时代，英伟达认识到数据爆炸、应用复杂度增加，对算力的需求，而算力可能又很难去满足它的一种矛盾的实际状况。英伟达可能是解决这个矛盾比较好的一个途径。下一个可能得到图灵奖的人，就会是一个能够把软硬件架构进行一个很好的结合、很好的通过这种架构之间的完善，来去解决这些问题的一个很好的途径。所以我觉得某种程度上，大家可以去看到是说当CPU不能满足这些，CPU让英伟达的数据科学家要等待几十分钟甚至几个小时的时候，GPU加速在这个时间点上，其实会变得不光是重要，甚至是必要的。

随着摩尔定律的终结，加速会越来越困难。在GPU层面虽然现在有几家市场上有GPU Data base加速非常快，但是没有把这个数据的准备、操作、ETL的过程和Machine Learning训练，整个做成一个pipeline。英伟达这一次做的RAPIDS整个的平台，实际上把数据的准备、Machine Learning的训练合成了一个很好的pipeline,所以我的整个的流程里面加速会更快。

为数据科学和机器学习提供加速支持

之前IBM提到与英伟达在利用IBM POWER9处理器，结合NVIDIA GPU等技术方面有所合作，实际上RAPIDS开源软件帮助数据科学家显著地提高了工作绩效，对于这些数据科学家来说，种种业务挑战应接不暇，其中包括预估信用卡诈骗、预测零售存货及理解顾客购买行为等等。

有训练结果表明，RAPIDS数据处理速度与现有CPU的系统相比提高了50倍，极大地缩短了数据科学家在数据准备、抽取、转换、处理等过程中耗费的时间。机器学习在训练过程中不断循环，不断优化，通过参数的调整得到更精准的数据，从而提高预测结果。

除此之外，RAPIDS还与SPARK、PYTHON、APACHE ARROW以及DASK等其他开源社区，保持非常紧密的合作。并且作为开源项目，可以有更多开源的朋友来贡献他们的代码好和智慧，不断的完善和更新整个平台。