釋放AI潛力：從數據中心到汽車，Nvidia意圖鞏固深度學習領先地位

近年來，Nvidia一直在蓬勃發展，它的圖形晶元對人工智慧發揮了很好的作用，幫助在語音和圖像以及自動駕駛汽車領域取得了突破。現在Nvidia的目標是，當眾多廠商爭相為深度學習神經網路提供從晶元到雲服務的方方面面時，自己繼續保持領先地位。

為此，Nvidia今天在美國加利福尼亞州聖何塞舉行的GPU Technology Conference大會上推出了大量新產品和新服務，所有這些都圍繞著Nvidia的GPU和相關軟體。這些新產品既可以提高Nvidia晶元、使用Nvidia晶元的計算機和雲服務的性能，同時也可以將深度學習擴展到可能多達數十億種的產品中，從自動駕駛汽車到消費電子產品再到手機。

Nvidia公司創始人兼首席執行官黃仁勛表示：「使用GPU計算的人數呈指數級增長。我們正處在一個臨界點。」

在所有這些公告中，顯然缺席了最新一代的GPU，而通常是GTC大會的重頭戲。Nvidia在去年5月的GTC大會上推出了基於Volta技術的Tesla V100晶元。但直到去年11月，這款最強大的晶元才通過所有主流高性能計算和雲計算提供商供貨，現在仍然在發展中。

不過在這次大會上，黃仁勛的確宣布推出了號稱全球最大的GPU——基於Volta的Quadro GV100（下圖）。這款晶元擁有16個Tesla V100晶元內核，以及一種新技術用於連接晶元中的處理內核。此外它還採用在上周遊戲開發者大會上推出的RTX新圖形技術。Nvidia表示，這是第一次我們能夠實時完成光線追蹤和創建真實圖像的過程。「這對於實時計算機圖形來說是一個巨大的飛躍。」

但是，最近幾年業界的主要焦點是深度學習，而Nvidia並不缺乏支持使用深度學習的Volta晶元新技術。首先，黃仁勛介紹了對Nvidia平台進行的一系列改進，就過去六個月中，Nvidia將深度學習工作負載的性能提高了8倍。

原因之一就是Nvidia將V100的內存容量增加了一倍，達到32GB，這使得內存受限的高性能計算應用的性能提高了一半。另一個原因一個名為NVSwitch的新「結構」用於連接多個GPU，最多可支持16個V100之間的快速通信以運行更大的數據集，以及一個更新的軟體「堆棧」。

DGX-2（來源：Nvidia）

此外，還有一款新的伺服器DGX-2，Nvidia表示這是第一款可以提供每秒2 petaflops運算能力的單一伺服器。這款伺服器將在第三季度上市，預計售價為399,000美元。這款伺服器可以在兩天時間內處理標準FAIRSeq機器翻譯模型，而以前這需要15天時間。黃仁勛表示：「我們正在以超越摩爾定律的速度大幅提昇平台的性能。」

Moor Insights＆Strategy總裁兼首席分析師Patrick Moorhead表示：「DGX-2最大的特點就是採用了全新的NVSwitch，從而提高性能並降低延遲，因為GPU不需要那麼頻繁地訪問主內存......這是非常重要的一點。」

Nvidia的晶元已被大多數公司用來訓練語音和圖像識別等應用的深度學習模型，此外Nvidia也宣布推出了運行這些模型的新技術，稱為「推理」。 Nvidia副總裁、加速計算總經理Ian Buck周一在新聞發布會上表示，推理任務正在越來越多地使用GPU。

例如，美國堪薩斯城正在使用深度學習來預測道路上會出現坑洞，準確率達到76％，並且預計未來準確率可以達到95％。Pinterest使用基於GPU的系統來做實時圖像分類和推薦系統。Buck表示：「我們正在創建一個新的計算模型，這實際上就是用軟體編寫軟體。」

為了擴展運用於推理任務中，Nvidia宣布推出新版本的TensorRT推理軟體，其中包括與Google TensorFlow機器學習軟體框架的集成。Nvidia還與AWS、Facebook和微軟合作，確保如Caffe 2、MXNet CNTK、Chainer和Pytorch等框架可以在Nvidia平台上輕鬆運行。此外，針對軟體容器的主流「編排」工具Kubernetes現在也具有了GPU加速功能，允許應用在多種計算機、操作系統和雲上運行。

Nvidia將目標對準了將深度學習帶入從汽車到智能手機的「物聯網」設備中。為此，Nvidia與Arm建立了合作關係，Arm主要提供用於移動設備的節能型晶元，它將把Nvidia的開源Deep Learning Accelerator架構整合到Arm的Project Trillium機器學習處理器中。

Moorhead說：「這次的公布讓Nvidia機器學習技術能夠應用於家庭自動化甚至智能手機等小型物聯網設備中。與Arm的合作並不能保證Nvidia NVDLA在『非常小的邊緣』上取得成功，但卻大大增加了成功的機會。」

不僅如此，Nvidia還在應對改進自動駕駛汽車的關鍵任務，其中一項就是Uber上周在美國亞利桑那州發生的一起行人事故，該事故看起來是可以預防的。Nvidia汽車高級總監Danny Shapiro指出，Rand公司認為需要數十億英里的訓練來確保自動駕駛汽車的安全性。他說，在合理時間範圍內做到這一點的唯一方法，就是是通過快速、超現實的模擬訓練。

這就是Nvidia今天所宣布的內容。DRIVE Constellation是一款使用虛擬現實技術的自動駕駛模擬器，可模擬攝像頭、LiDAR和用於汽車操作的雷達。來自該模擬器的數據被送入車內的另一台伺服器DRIVE Pegasus進行處理，並將駕駛指令以每秒30次的頻率發送回Constellation以驗證車輛是否正常運行。通過反覆模擬各種鮮少遇到的「怪異」駕駛情況，可以不斷改進這一系統。

這一點是特別關鍵的，因為Nvidia今天宣布，由於Uber暫停了在亞利桑那州的測試，所以Nvidia也暫時停止了自動駕駛汽車的測試。目前有數百家公司在自動駕駛汽車上使用Nvidia的DRIVE技術。

Moorhead表示：「DRIVE Constellation讓Nvidia能夠提供逼真的圖像，讓人們可以在遊戲和電影創作中創造其背景。我希望汽車公司能夠模擬數百億英里的駕駛，而不必在真正的汽車中進行駕駛，因為這可能會危及生命。」

此外，各種與人工智慧相關的公告似乎也讓Nvidia走在了機器學習模型訓練和運行所需的晶元和軟體的前沿領域。儘管最近這個領域的競爭愈加激烈，例如英特爾在去年11月出人意料地宣布與長期競爭對手AMD達成合作夥伴關係，為高端筆記本個人電腦製造晶元，將英特爾的CPU與AMD的GPU相結合。Google利用自己專門針對機器學習優化的Tensor Processing Unit晶元在雲服務領域擴張。

儘管如此Buck還是指出，由於現在還處於機器學習變革的早期階段，新的模型不斷湧現，「有一個可編程的程序來處理這些是非常重要的。」從目前情況來看，他的觀點是對的，Moor Insights＆Strategy高性能計算和的深度學習諮詢負責人Karl Freund這樣表示。

Freund稱：「我不認為任何競爭對手當前都具有任何有意義的吸引力。這個情況可能會有所改變，但與Nvidia相比，迄今為止他們所做的所有努力都顯得相當薄弱。」

機器學習仍然保持著快速的發展勢頭。Global Equities Research分析師Trip Chowdhry表示：「深度機器學習是每個企業應用和消費應用的前沿和中心，因此對Nvidia GPU的投資不會很快就停止下來。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！