NVIDIA RAPIDS，你究竟有多“美”？

早在2010年，数据科学就变得非常兴盛，而那时摩尔定律似乎正在走“下坡路”，另外非常欣喜的一点，CPU的速度之快已经可以做到果断支持人工智能与机器学习的部分需求；不过随着时间的推移，数据发展突飞猛进，但相对而言CPU的发展速度并没有“与时俱进”，有关这个难题，如今凭借RAPIDS，英伟达可以自豪地说，终于可以将深度学习的能力高效拓展到其他领域。

这不，在不久之前刚刚落幕的2018 GTC China大会上，少数行业媒体一同采访了英伟达解决方案架构与工程团队副总裁Marc Hamilton，深入探讨了RAPIDS开源GPU加速平台。

“RAPIDS可以在任何英伟达的GPU上运行，当然最佳模式是数据和与用于业务的GPU有很好的契合。”Marc Hamilton表示。

谈及具体的加速实现过程，他补充道，最底层主要通过对于CUDA的编程，加速其实具备不同方式。

一种方式就是在CUDA上对软件进行重新编程；第二种方式是使用CUDA软件库、cuML及机器学习的软件库，用来加速XGBOOST，放眼现在的软件开发者，前面两种加速方式都已经被使用过了；第三种加速方式被称为软件应用层面的加速。

助力高效加速，数据科学家使用RAPIDS更希望自己的工作做的快一点；重要的一点，并不需要耗费精力去学习新的软件，使用自身已有的软件就可以完成加速过程，开源的力量不禁令人赞叹。

此外，关于华大基因、中国移动以及平安公司的合作，Marc Hamilton也带来了部分合作细节的分享。

据了解，首先这些公司都用了GPU的“云”。

听说RAPIDS之后，纷纷果断上网下载RAPIDS代码，只需要学习并修改2-3条代码就可以使用机器学习。例如：平安科技会用来早期的预计“流行性疫情”，基于英伟达RAPIDS平台，数据处理速度可以较仅用CPU提升50-100倍，这项工程也可以同时被缩短到几天甚至几个小时的时间。

有关未来，Marc Hamilton希望每30天，就可以做到将一些数据放到英伟达的容器中，然后放到“云”上去。举个例子来说，如果今天使用目前这个版本的RAPIDS体验非常好，那么这个版本会被放在容器中一直待在“云”上，什么时候想用都会在那里，并不会消失；倘若喜欢英伟达RAPIDS的下一个月版本中的某个功能，可以等到下个月再把心仪版本下载下来使用就可以了。

“我们有很多想法，甚至是新的算法，都可以放入RAPIDS中，而且我们每个月会对其进行'优先化处理'，简单来说就是基于客户的反馈，明确他们最需要的是什么。”Marc Hamilton总结道。