李根 发自 凹非寺
量子位 报道 | 公众号 QbitAI
如果你是数据工作者，到底对此是爱是恨？
因为这个名为RAPIDS的开源GPU加速平台出现，固有的数据工作，看起来将迎来变革。
有人欢迎，可能也有人讨厌。
其中，该平台的“始作俑者”黄教主认为会遭恨。因为以前大家都想当数据科学家，由于数据科学家不是在喝咖啡，就是在喝咖啡的路上——毕竟光数据加载的过程就非常漫长。
但认为大家会爱的，也是黄仁勋。看看他一脸灿烂的笑容，就知道他为这项新发布多么得意。
50倍加速这个新平台，要从10月10日的GTC欧洲大会说起。
会上，黄教主针对数据工作晓之以情、动之以理、斥之以大义后，正式发布针新的GPU加速平台：RAPIDS。
译成中文，有“急流”之意，可能也是为显示数据相关工作从此变天。
如何理解这个新的GPU加速平台？
英伟达给的三组关键词：数据科学&机器学习、软件平台，以及开源。
而且很明确，RAPIDS的诞生，就是希望帮助企业以“前所未有”的速度分析海量数据并进行精准的业务预测。
有多“前所未有”？英伟达给出的答案是50倍。
拿来对比的，仍然是CPU。
英伟达称，最初的RAPIDS基准分析利用了XGBoost机器学习算法在NVIDIA DGX-2TM系统上进行训练，结果表明，与仅有CPU的系统相比，其速度能加快50倍。
所以这能够帮助数据科学家将典型训练时间从数天减少到数小时，或者从数小时减少到数分钟——具体取决于其数据集的规模。
并且RAPIDS不是光比不用，发布之前，就已经经过一些企业真枪实弹检验。
比如沃尔玛。其CTO Jeremy King就表示，GPU加速平台及RAPIDS软件极大改进了沃尔玛使用数据的方式，可以实现复杂模式大规模地运行，同时进行更加精准的预测。
此外，惠普、甲骨文、SAP、Cisco等一众数据大户，也纷纷点了赞。
但英伟达强调，这不是私人定制式的服务。
开源因为RAPIDS，可以说从开源社区中来，到开源社区中去。
黄仁勋演讲中介绍，RAPIDS构建于Apache Arrow、pandas和 scikit-learn等流行的开源项目之上，为最流行的Python数据科学工具链带去GPU提速。
为了将更多的机器学习库和功能引入RAPIDS， NVIDIA 广泛地与开源生态系统贡献者展开合作 ，其中包括 Anaconda、BlazingDB、 Databricks、Quansight、scikit-learn、Ursa Labs 负责人兼Apache Arrow缔造者Wes McKinney，以及迅速增长的Python数据科学库pandas等等。
此外，为了推动RAPIDS的广泛应用，英伟达也努力将RAPIDS与Apache Spark进行整合，后者是分析及数据科学方面领先的开源框架。
所以现在，全套RAPIDS开源库，前往 http://www.rapids.ai 就能获得，且代码经 Apache 许可公布。容器化RAPIDS版本，也能在NVIDIA GPU Cloud container registry 上获取。
如果你是数据科学家，如果你希望数据准备和训练加速，当前GPU给出了新选择。
或许你也会问Why？英伟达这一步的目的何在？
那就会得到“历史进程”的回答。
英伟达方面说，数据分析和机器学习是高性能计算市场中最大的细分市场，不过目前尚未实现加速，在图形图像领域的版图构建完整后，GPU不入数据谁入数据？
而且之前在解决深度学习算力的过程中，大数据和机器学习方面的呼声，也在一日高过一日。
更何况，英伟达自己也承认，这会是一个利益巨大的细分市场。
他们援引分析预估，称面向数据科学和机器学习的服务器市场每年价值约为200亿美元，加上科 学分析和深度学习市场，高性能计算市场总价值大约为360亿美元。
又有谁能拒绝这样的大蛋糕诱惑？
而且按照英伟达的方式，越是把软件平台打磨好开源，吸引的用户越多，GPU的需求量也就会越多，英伟达赚得也会越多——进一步创新的资本和动力也会更强。
AI时代里站着把钱挣了，英伟达外，还有谁？
最后，再次送上传送门：
全套RAPIDS开源库：
http://www.rapids.ai
— 完 —
活动策划招聘
量子位正在招聘活动策划，将负责不同领域维度的线上线下相关活动策划、执行。欢迎聪明靠谱的小伙伴加入，并希望你能有一些活动策划或运营的相关经验。相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
,
