导语：从爆炸性的TNT开始，英伟达NVIDIA就以GPU制作商为人所熟悉，现在已是最大的GPU制造商（独立），后来NVIDIA扩展GPU用途，在单机中实现了GPU通用运算处理，加速视频剪辑、图像处理，把GPU用作高性能计算机集群协处理器，大幅度提升运算能力。借助近年人工智能热潮，NVIDIA想把GPU推广到更多领域当中，比如说汽车自动驾驶，甚至是医疗，来一场人工智能革命。我们将一连数篇文章，讲述NVIDIA用GPU实现人工智能的幕前幕后故事。

在2017年召开的GPU技术开发会议（GPU Technology Conference 2017）上，NVIDIA与丰田汽车宣布了合作推广自动驾驶，深受世人的瞩目，也掩盖了NVIDIA在医疗领域的努力。其实在过去一年中，NVIDIA发表与医疗相关报告已经超过50份，是历年的2倍以上，不少报告是刊发在美国Mayo Clinic等主流医疗组织当中，NVIDIA在医疗领域有了深入发展，而且是实质性发展。

NVIDIA在医疗行业关系日益变得紧密，最明显的例子莫过于在硬件上，今年来越来越多CT机、超声波诊断设备搭载了NVIDIA的GPU。在以往的医疗图像诊断设备大多是采用FPGA（Field Programmable Gate Array，可编程门阵列）处理器进行运算的，可随着运算量的大幅度增加FPGA已难以应付，于是引入擅长于并行运算的GPU进行协运算（例如GPU加速、CUDA等）非常必要。今天中端或以上的CT机大多集成了GPU ，在超声波成像设备中GPU被用于处理彩色多普特图像。

除了在医疗设备上加入GPU，NVIDIA也在医疗技术、生命科学领域发力，为此组建了面向医疗器械厂商、研究院所与医疗机构的新团队。该团队现阶段集中力量投入医疗影像、医疗信息、基因研究、医药研究四个领域，选择这四个领域于其工作特性紧 密相关，它们都需要处理大量数据，而这正是GPU协运算优势所在。

在医疗影像领域上，CT、MRI、超声波、内窥镜、病理影像诊断中均可用到GPU协运算。现在学术研究领域甚至开始尝试基于GPU的人工智能运算，利用GPU高并行运算能力处理实现神经网络处理，最终达成自我学习功能，并应用在不同领域当中。

在更早时候，NVIDIA已经与医疗影像设备展开私下交流，为日本医疗影像设备制造商提供导入AI的技术支持，向部分设备制造商、研发机构交付了名为“DGX-1”的超级计算机，对于欧美厂商则是提供数据处理服务。

此外，对于那些规模不大但有意于应用AI的中小企业甚至是初创企业，NVIDIA也乐意提供帮助，比如说日本的PKSHA Technology公司，在NVIDIA支持下，其X光摄影辅助诊断技术在验证阶段已经实现对医生读片诊断提供足够信息支持。

在医疗信息领域，NVIDIA用深度学习功能去分析病着的病例，从以往医疗中去预测可能出现的疾病，优化医疗方案和减少药物剂量；在基因研究领域，深度学习被用于分析基因突变以及其临床表现，在日本投入使用的部分DGX-1正是负责此工作；医药研究领域，人工智能技术将广泛用于分析药物副作用、预测药物的靶蛋白结构等方面。简而言之，基于GPU的人工智能在医疗领域有着非常广泛的用途。