您现在的位置是: > 28365365在线 > 英伟达GTC发布多项技术突破 加强中国AI布局

英伟达GTC发布多项技术突破 加强中国AI布局

时间:2019-12-20 07:44  来源:体育网  阅读次数: 复制分享 我要评论

  英伟达一年一度的中国技术大会GTC 2019在苏州举行,英伟达创始人CEO黄仁勋在12月18日的主题演讲中做了多项发布。
  演讲中,黄仁勋重点强调了人工智能AI的复兴,他表示:“5年内英伟达的训练性能提升了300倍,深度学习的边界在不断扩大。”
  携手BAT复兴AI
  首先,英伟达强调了其传统游戏领域的深耕,并宣布与腾讯游戏合作推出云游戏平台Start,该平台将使用英伟达GPU为游戏提供支持。腾讯计划推出多款云游戏,在不同平台上供玩家体验。
  英伟达GTC发布多项技术突破 加强中国AI布局
  黄仁勋说道,AI的革新在各行各业发生,包括运输、医疗、金融、零售等行业,AI已经从云扩展到边缘,并运用于自主设备中。
  他还指出,推荐系统是最重要的AI模型。100多个推荐模型被使用在百度的应用中。“阿里巴巴的‘双十一’”是全宇宙最大的电商节日。”黄仁勋说道,“CPU速度太慢,只有3 QPS(每秒请求数),GPU有780 QPS。”
  推荐系统正在由CPU转向GPU,这是一大趋势。
  为此,英伟达宣布了与阿里巴巴和百度在AI方面的合作,百度、阿里巴巴选择英伟达的AI平台做推荐系统,用英伟达的GPU做训练。
  英伟达加速计算产品管理总监Paresh Kharya对第一财经记者表示:“在阿里巴巴的服务器上,一个‘双十一’活动,每秒需要处理数十亿次的推荐,使用GPU驱动的推荐系统,吞吐量(通量)可以比CPU提升上百倍。”
  在GTC 2019大会上,英伟达还发布了TensorRT 7,TensorRT是一种计算图优化编译器,能优化推理实现实时AI会话。“TensorRT 7能支持1000多种不同计算变换和变化,是我们最大的飞跃。”黄仁勋表示。
  会话AI功能非常复杂,原因是计算时间非常短,要在很短的时间内完成非常复杂的计算。TensorRT第一次能够完成这种复杂计算,耗时只需300毫秒,速度比CPU提升10倍,CPU需要几秒钟才能做出反应。
  英伟达相信,随着会话式人工智能的兴起,对计算机推理和算法有了新的需求,因此数据中心的业务将会有显著回升。
  黄仁勋还表示,快手、美团也都在使用GPU和AI推理,微软也在搜索引擎中用了英伟达的GPU平台。
  下一代SOC于2022年投产
  黄仁勋提到“万物智能革命”。他认为,未来AI将推广到更加广泛的应用,“从AI云到智能手机”。黄仁勋此前表示:“在边缘,GPU加速的5G、人工智能和物联网将会彻底改变世界。”
  英伟达还宣布推出Nvidia Pre-trained预训练模型,能够使得汽车OEM将各自数据上传并进行优化。与此同时,公司强调了其“联邦学习”的理念,可供不同公司在不移动或不共享数据的情况下合作,并将预训练模型发送各合作伙伴。
  英伟达GTC发布多项技术突破 加强中国AI布局
  “联邦学习”是英伟达推出的最新的加速训练的方法,通过这些方式可以帮助行业一起加速,也能确保数据隐私。
  Xavier曾是英伟达打造的最先进的SOC(片上芯片系统),Nvidia Drive是英伟达软件定义的平台,运输公司能够借助该平台打造自动驾驶汽车。
  英伟达在自动驾驶领域做了大会上最大的发布,下一代SoC汽车和机器人技术AGX Orin,这是一个软件定义的新一代的自动驾驶(AV)平台,是英伟达投入数十亿美元、研发多年的一款新产品,也是技术上的巨大飞跃,达到200Tops浮点,有170亿个晶体管,使用了Arm 64,比上一代的Xavier快7倍。
  Orin计划于2022年进行投产。Orin是提高针对OEM的低成本版本,使得用一个单路的摄像机来做L2级别的自动驾驶成为可能,同时能利用整个AV产品线中的软件线。
  英伟达还宣布和滴滴在无人驾驶方面的合作,滴滴将使用Nvidia AI技术应用,支持滴滴云。滴滴将在数据中心使用英伟达训练机器学习算法,并采用NVIDIA DRIVE为其L4级自动驾驶汽车提供推理能力。黄仁勋指出,交通产业价值100万亿美元规模。这些汽车行业的合作伙伴可以基于英伟达的系统平台进行定制和优化,同时也保护各自的数据。
  与此同时,自动驾驶的技术发展正在面临瓶颈。业界认为,自动驾驶的复杂程度远超几年前所预期的。“这意味着未来自动驾驶汽车上要有更多的计算能力去跑这些软件,比如Orin和AGX产品。”英伟达汽车事业部高级总监Danny Shapiro对第一财经记者表示。
  Shapiro告诉第一财经记者,自动驾驶的挑战一直在。“最开始人们的预期过于激进,认为AI超级大脑可以替代人脑来实现自动驾驶,我们确实已经做了很多训练,但还不够,需要更多训练。”他对第一财经记者说道,“我们有20多种深度网络神经模型,复杂度也在不断提升,未来数量还会增加。我们需要更精准的计算,为此我们推出了很多开发工具,现在需要让自动驾驶积累更多的里程,做大量的模拟,以确保安全。”
  他还表示,下一个级别的自动驾驶是预测物体,比如其他车辆和物体,并做出反应。现在全球都在做自动驾驶的测试,但主要是在封闭环境中的自动驾驶,比如在港口、机场、矿山以及建筑工地、农田等应用场景中,以及穿梭巴士。