相较于当前的Maxwell处理器，NVIDIA 预计于明年推出的 Pascal 架构 GPU 将使深度学习应用中的计算速度加快十倍。

深度学习指的是计算机使用神经网络自主学习的过程，这个趋势的兴起让NVIDIA又进一步改进了原本在去年GTC即公布的Pascal架构设计内容。

Pascal架构GPU的三大设计特色将大幅加快训练速度，精准地训练更丰富的深度神经网络，犹如人类大脑皮层的资料结构将成为深度学习研究的基础。

再加上32GB的显存（是NVIDIA最新发布的旗舰级产品GeForce GTX TITAN X的2.7倍），Pascal架构可进行混合精度的计算任务。它将配备3D堆叠显存，提升深度学习应用程序的速度性能多达5倍；另搭配NVIDIA的高速互连技术NVLink 来连接两个以上的GPU，可将深度学习的速度提升达十倍。

混合精度计算：达到更精准的结果

混合精度计算让采用Pascal架构的GPU能够在16位浮点精度下拥有两倍于32位浮点精度下的速率的计算速度。

更出色的浮点计算性能特别提高了深度学习两大关键活动：分类和卷积的性能，同时又达到所需的精准度。

3D堆叠显存：更快的传输速度

和优秀的省电表现

显存带宽限制了数据向GPU传输的速度。采用3D堆叠显存将可提高比Maxwell架构高出三倍的带宽和近三倍的容量，让开发人员能建立更大的神经网络，大大提升深度学习训练中带宽密集型部分的速度。

Pascal采用显存芯片逐个堆叠的技术，位置接近 GPU 而不是处理器板更往下的地方。如此就能把输出在显存与GPU间往返的距离从几英寸减缩到几毫米，大幅加快传输速度和拥有更好的省电表现。

NVLink高速互联技术：达成更快的数据移动速度

Pascal架构加入NVLink技术将使得GPU与CPU之间数据传输的速度，较现有的PCI-Express 标准加快5到12倍，对于深度学习这些需要更高GPU间传递速度的应用程序来说是一大福音。

NVLink可将系统里的GPU数量增加一倍，以共同用于深度学习计算任务上；还能以新的方式连接 CPU与GPU，在服务器设计方面提供较PCI-E更出色的灵活性和省电表现。