人工智慧(AI)已經開始在各種垂直應用領域展現其應用潛力，往邊緣節點移動的趨勢也越來越明顯。對於過去十多年一直大力推展GPU運算，並且在超級電腦、高效能運算、AI等領域已有卓越成就的NVIDIA而言，往邊緣運算推進固然是勢在必行，但該公司將會非常策略性地只專注在某些應用上。
NVIDIA執行長黃仁勳認為，簡單的題目不值得做，只有高難度的課題才值得該公司投入。對科技公司來說，追求獲利固然重要，但更重要的是為推動科技進步做出貢獻。
十多年前，NVIDIA決定從一家繪圖晶片公司轉型成運算公司，並開始一磚一瓦地建構出促進GPU運算普及所需的基礎建設跟生態系統。十多年後的今天，公司轉型的成果已經有目共睹。從最尖端的物理、醫學研究，到當前最熱門的人工智慧、自駕車開發，NVIDIA的平台不斷為開發人員提供更高的運算效能，也成為推動科技進步的引擎。
展望未來，AI無處不在的時代很快就會到來，並為科技業者帶來可觀的機會。以NVIDIA自身為例，資料中心相關產品已經是該公司的第二大營收來源，而且該部門最新一季的營收仍繳出年成長71%的好成績。AI需求的成長力道之強勁，由此可見一斑。AI革命才剛開始而已，未來AI的訓練跟推論不只會在資料中心執行，手機、音箱甚至冰箱等邊緣裝置，也會支援機器學習(ML)推論。
黃仁勳指出，邊緣運算將是一個非常龐大的市場，NVIDIA一定不會缺席。但該公司會慎選切入市場的路徑，不會什麼都做。舉例來說，手機、智慧音箱或家電這類應用，未來雖然都會有機器學習推論的需求，市場規模也不小，但這類產品對AI的需求其實很單純，不值得NVIDIA投入。各種自主機器(Autonomous Machine)，像自駕車、智慧機器人、智慧製造這種高複雜度的題目，才是NVIDIA想挑戰的課題。
事實上，看似複雜的各種AI，本質上做的事情都一樣：讓機器擁有學習能力，進而讓軟體自動編寫新的軟體來解決問題，實現更高程度的自動化。因此，NVIDIA對各種複雜的自動化應用，都有很高的興趣。
因此，黃仁勳認為，雖然NVIDIA目前將資源優先投注在運輸、醫療等領域，但製造業的AI應用也是很有潛力的市場，未來該公司將有所布局。現在的製造業的自動化大多還很僵固，設備只能做固定、重複的工作，但倘若生產設備導入AI，製造業將會變得更靈活，更有效率。
