“到2025年，GPU的性能將是現在的1000倍。”黃仁勛表示。
CUDA是NVIDIA推出的通用并行計算架構，可以幫助GPU解決復雜的計算問題。這個架構促進了計算機行業從只使用CPU的“中央處理”向CPU與GPU并用的“協同發展”處理轉變，在應用程序中充分利用了CPU和GPU各自的優點。
在CUDA架構下，GPU運算性能得到了飛快提升，特別是在深度學習領域，GPU每年的性能提升幅度達到120%，僅僅三年內，已經比原來增加了10倍。目前，CUDA的開發者已經超過50萬人，比5年前增長了11倍。
黃仁勛認為，“GPU運算的時代已經來臨。”基于這個判斷，NVIDIA推出了一個基于GeForce GTX系列顯卡的更新、基于Volta GPU的全新HGX GPU和ISAAC機器人平臺。
NVIDIA將在GTX系列顯卡上加上Max-Q的設計，全面整合GPU、軟件與系統，能幫助GPU的性能實現最大化，并且降低功耗，在散熱上也有穩定的表現。加入Max-Q設計后，GTX系列的厚度僅為18mm，5磅的重量僅為此前的一半。
在提升GPU運算能力的基礎上，NVIDIA將通過軟件迭代、優化深度學習工具與框架等，將GPU運算整合至每臺電腦與云，然后從云端到終端擴展架構，并用人工智能本身去解決自動駕駛系統、機器人等挑戰。
在2017年5月11日的加州圣何塞GPU技術大會上，NVIDIA就已經發布了Tesla V100。這個目前性能最強的GPU運算架構Volta采用臺積電12nm FFN制程并整合210億顆電晶體，在處理深度學習的性能上等同于250顆CPU。這個架構采用的是能夠快速深度學習與推論的全新Tensor核心，耗費了NVIDIA大約30億美元的研發費用，可以同時處理4*4矩陣。
但這只是NVIDIA的第一步，在Tesla V100的基礎上，NVIDIA與微軟合作推出了超大規模GPU加速器，將之命名為HGX，這個GPU加速器擁有8個Volta GPU芯片，所有的GPU之間可以相互溝通，HGX依據不同的CPU對GPU比例配置運算時間。
硬件層面重在收集深度學習的數據，而這些數據將會被匯聚在NVIDIA GPU云端平臺，人工智能的開發者可以隨時隨地從PC、資料中心或者云端取用這些數據，這個云端平臺的測試版將在7月份開放。
在具體的落地應用上，黃仁勛認為機器人是人工智能目前最具落地應用前景的領域。在2017年的CES上，NVIDIA就推出了機器人BB8，這是一款自動駕駛汽車。此外，NVIDIA還宣布將和豐田合作研發自動駕駛汽車。
但是除了自動駕駛汽車，NVIDIA還希望自動駕駛的技術可以應用在各個需要自動化的領域，比如工廠的自動化，機器人將擁有比人類更高的工作效率，并且永不停歇；在電子商務領域，訂單將由機器人完成分揀和配送；在醫療領域，機器人和醫生機密合作，準確執行手術等任務。
為了推動自動駕駛技術的盡快應用，NVIDIA推出了ISAAC機器人平臺，這個平臺擁有一個名為Jetson TX2的人工智能電腦，這個電腦的運算能力相當于兩臺高性能PC，；在軟件層面，Astro自動駕駛軟件的技術迭代將會為機器人和無人機提供自動駕駛汽車的導航技術；最后，機器人將在虛擬實驗室學習執行任務，知道完全勝任。
