上周，在GTC19大会期间，NVIDIA加速计算产品管理总监Paresh Kharya对关于GPU相比FPGA的优势的问题时回答表示，GPU在可编程上具备明显优势，整个开发时间更短。
他表示称目前做好一个FPGA，整个编程时间就要几个月，而且还要在硬件层面对它进行编程。然而现在AI变化速度非常快，甚至更新是以分钟来计算的，所以必须要在软件端实现高度灵活的可编程。恰恰GPU是AI领域的专用芯片，他的指令集是非常有优势的，是全可编程，并且是软件定义的。
GPU的另一个优势在于架构向前兼容，如果未来需要使用新硬件，可以使开发周期得到大大缩短，整个硬件可以随着软件不断更新适应，在软件库中可直接进行更新。同时NVIDIA的平台可以在任何设备上使用，包括台式机、笔记本、服务器、数据中心、边缘和物联网。
而在GTC19大会的主题演讲中，黄仁勋也不断强调了GPU在各种应用领域中相比于CPU的明显优势，例如阿里的边缘系统在GPU上跑，每秒可以做780次查询，但是如果说用CPU，每秒只能做3次查询;而在baidu采用NVIDIA AI推荐系统的表现来看，以往对于baidu庞大的用户潜在兴趣数据包的模型训练在CPU上成本高昂且速度慢，而GPU训练成本只有CPU的1/10，并且支持更大规模的模型训练。
