2018年10月10日，英伟达在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。

　　接着，10月23日，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。

　　首先，赵立威介绍RAPIDS开源GPU加速平台具备以下三个特点：第一，它是一个开源平台;第二，它是一个软件平台;第三，这个产品，或者叫技术，主要面向数据科学以及机器学习的市场。

　　为什么RAPIDS面向的市场锁定在数据科学和机器学习？

　　数据显示，在数据科学和机器学习的服务器市场每年产生的价值约为200亿美元，如果再加上大数据分析市场，高性能计算市场总价值将增加到360亿美元。

　　不得不说人类早已步入大数据时代，我们的行为无时无刻不在产生数据，数据呈爆发式增长。海量的用户数据成为企业待挖掘的宝藏。前几年大家都在谈数据，而现在我们谈的更多是数据驱动。

　　用数据驱动，增强企业的核心竞争力

　　英伟达创始人黄仁勋在GTC Europe大会上反复提及“数据驱动”一词，互联网、零售、医疗保健、金融服务等行业都是典型的数据驱动型行业。
赵立威谈到，最简单、最容易想到的，可能还是互联网。因为互联网上有很多数据，而且每一天数据都在更新。以电商为例，用户在亚马逊、京东、淘宝等网站上产生浏览记录，留下数据。其中有1/3的采购行为是通过数据分析来获得用户的购买习惯。某种程度上，电商网站比用户更了解自己，更了解你过往的消费行为，了解你的采购意向，由此来评估用户的信用价值，定向推荐信贷产品。

　　目前，沃尔玛生鲜产品的物流和仓储已经开始使用RAPIDS这款产品。美国运通年交易额达上万亿元美金，风险管控和反欺诈也离不开运用大数据分析及算法的决策支持系统。

　　海量的数据可以对算法不断地进行训练优化，挖掘出更多有价值的用户数据用来进行业务拓展或投资。数据与算法彼此相互促进，形成良性循环。

　　RAPIDS为数据科学和机器学习提供加速支持

　　典型的大数据分析流程可分为三个阶段：数据准备、数据合并和数据降维，RAPIDS开源GPU加速平台能对这一过程进行加速。RAPIDS构建于Apache Arrow、Pandas、Sklearn等流行的开源项目之上，将数据处理和分析、机器学习全部联通在一个管道上，从而带来CPU提速。

　　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。

　　上图为使用了RAPIDS前后，圆环中的绿色区域为数据科学家等待数据的时长，红色区域为数据科学家进行数据分析和处理的时长。很明显，RAPIDS将深度学习和机器学习整合，为数据科学家与和开发人员节省了大量时间，企业的工作效率也得到了大幅度的提提高。

　　RAPIDS为数据科学和机器学习领域带来哪些帮助

　　1、对于数据科学家来说，RAPIDS为GPU提速 数据处理时间较CPU快50倍。等待数据的时间可以用来做训练模型，不断的通过参数的调优改善最终得到的算法，最后可以达到的精度。

　　2、RAPIDS可以和SPARK、PYTHON、APACHE ARROW以及DASK等其他开源社区，保持非常紧密的合作。

　　3、RAPIDS平台本身是开源的，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、丰富RAPIDS的基础特性，服务更多的行业和场景。

（比特网）