深度学习是人工智能产业背后的强大引擎，它让人工智能能够自主学习，其驱动力来自于专为大规模运行机器学习算法而设计的图形处理器（GPU）。然而，深度学习的发明最初所基于的硬件，并非专门为此类计算而设计。英伟达（Nvidia）首席执行官黄仁勋（Jensen Huang）在《乔·罗根播客》（Joe Rogan Experience）中透露，最早开发深度学习的研究人员在2012年仅使用了一对以SLI方式连接的3GB显存GTX 580显卡就完成了这一切。
多伦多大学的研究人员发明深度学习，旨在改进计算机视觉中的图像检测。2011年，亚历克斯·克里泽夫斯基（Alex Krizhevsky）、伊利亚·苏茨克韦尔（Ilya Sutskever）和杰弗里·辛顿（Geoffrey Hinton）正在研究构建图像识别工具的更好方法。当时，神经网络的概念尚未普及，开发者们使用的是手动设计的算法来检测边缘、角落和纹理以实现图像识别。
这三位研究人员构建了AlexNet架构，它包含八层，总计约6000万个参数。该架构之所以如此特别，在于其结合了卷积层和深度神经网络层，从而具备了自主学习的能力。这个架构非常出色，在其首次问世时，其性能就超越了当时领先的图像识别算法超过70%，立即引起了整个行业的关注。
黄仁勋透露，AlexNet的开发者在SLI模式下的一对GTX 580显卡上构建了他们的图像识别算法。此外，该网络经过优化，可在两块GPU上同时运行，并且两块GPU仅在需要时交换数据，从而显著缩短了训练时间。这使得GTX 580成为世界上第一款运行深度学习/机器学习人工智能网络的显卡。
颇具讽刺意味的是，这一里程碑是在英伟达对人工智能投资甚微的时期实现的。当时，该公司大部分的图形研发都专注于3D图形、游戏以及CUDA技术。GTX 580是专为游戏设计的，对加速深度学习网络并无高级支持。事实证明，GPU固有的并行性恰恰是神经网络实现高速运行所需要的。
黄仁勋进一步透露，正是AlexNet及其在GTX 580上的应用，促使英伟达开始投身于人工智能硬件的开发。他表示，一旦公司意识到深度学习可用于解决世界性问题，便在2012年将所有资金、开发和研究都投入到了深度学习技术上。这催生了2016年问世的初代英伟达DGX系统（该系统被交付给埃隆·马斯克（Elon Musk））、搭载第一代Tensor核心的Volta架构以及DLSS技术。如果不是因为那一对运行着AlexNet的GTX 580显卡，英伟达或许不会成为今天的人工智能巨头。
