上周，在GTC19大會期間，NVIDIA加速計算產品管理總監Paresh Kharya對關于GPU相比FPGA的優勢的問題時回答表示，GPU在可編程上具備明顯優勢，整個開發時間更短。
他表示稱目前做好一個FPGA，整個編程時間就要幾個月，而且還要在硬件層面對它進行編程。然而現在AI變化速度非常快，甚至更新是以分鐘來計算的，所以必須要在軟件端實現高度靈活的可編程。恰恰GPU是AI領域的專用芯片，他的指令集是非常有優勢的，是全可編程，并且是軟件定義的。
GPU的另一個優勢在于架構向前兼容，如果未來需要使用新硬件，可以使開發周期得到大大縮短，整個硬件可以隨著軟件不斷更新適應，在軟件庫中可直接進行更新。同時NVIDIA的平臺可以在任何設備上使用，包括臺式機、筆記本、服務器、數據中心、邊緣和物聯網。
而在GTC19大會的主題演講中，黃仁勛也不斷強調了GPU在各種應用領域中相比于CPU的明顯優勢，例如阿里的邊緣系統在GPU上跑，每秒可以做780次查詢，但是如果說用CPU，每秒只能做3次查詢;而在baidu采用NVIDIA AI推薦系統的表現來看，以往對于baidu龐大的用戶潛在興趣數據包的模型訓練在CPU上成本高昂且速度慢，而GPU訓練成本只有CPU的1/10，并且支持更大規模的模型訓練。
