为此，该公司在加利福尼亚州圣何塞市的GPU技术大会上推出了大量的新产品和服务，所有这些产品和服务都把重点放在图形处理单元芯片和相关软件上。新产品既可以提高芯片和电脑的性能，也可以增强使用它们的云服务的性能，并将深度学习延伸到潜在的数十亿种产品——从自动驾驶汽车到消费电子产品再到手机。
英伟达的创始人兼首席执行官黄仁勋(图)说：“使用GPU计算的人数呈指数增长。我们正处在临界点。”
在所有这些公告中唯一漏掉的一件事是新一代GPU，这往往是会议的重头戏。英伟达在去年五月的同一次会议上介绍了基于其Volta技术的Tesla V100芯片。但直到去年11月，其最强大的芯片才能通过所有主要的高性能计算和云计算提供商获得，并且势头仍在增长。
黄仁勋确实公布了他称之为世界上最大的GPU——基于Volta的Quadro GV100。它拥有16个Tesla V100芯片内核以及更多的内存和一项用于连接芯片中处理内核的新技术。它还使用了在游戏开发者大会上介绍的名为RTX的新图形技术。英伟达表示，这是它首次能够实时地完成光线追踪并创建真实图像的过程。黄仁勋说：“这对于实时计算机图形来说是一个巨大的飞跃。”
但是，最近几年的主要焦点是深度学习，英伟达并不缺乏支持使用深度学习的Volta芯片的新技术。首先，黄仁勋介绍了对英伟达平台进行的一系列改进，这些平台在六个月前将深度学习工作负载的性能提高了八倍。
原因之一是该公司已将V100上的内存量增加了一倍，达到了32千兆字节，这将内存受限的高性能计算应用程序的性能提高了一半。另一个原因是一个连接于名为NVSwitch的GPU的新“架构(fabric)”，它可以让多达16个V100进行快速通信，以运行更大的数据集和一个更新的软件“栈”。
同样重要的是，还有一款新名为DGX-2的服务器，英伟达表示它是第一款可以提供每秒2千万亿次或者数十亿浮点运算能力的单一服务器。该机在第三季度推出时售价为399000美元，它可以在两天(而不是15天)内处理标准的FAIRSeq机器翻译模型。黄仁勋说：“我们正在以超越摩尔定律的速度大幅提升平台的性能”，芯片性能每隔两年就翻一番。
Moor Insights&Strategy的总裁兼首席分析师Patrick Moorhead表示：“DGX-2的最大特点是新的NVSwitch。这可以提高性能，并减少延迟，因为GPU不需要频频访问主内存......这是非常重要的事情。”
运行模型
英伟达的芯片已被大多数公司用于训练语音和图像识别等应用的深度学习模型，并宣布了运行这些模型的名为“推断”的新技术。Nvidia Accelerated Computing的副总裁兼总经理Ian Buck在新闻发布会上表示，GPU在推断中得到了越来越多的使用。
例如，堪萨斯城正在使用深度学习来预测道路上出现坑洞的准确率为76%，它预计准确率将达到95%。品趣志公司(Pinterest Inc.)使用基于GPU的系统来执行实时图像分类和推荐系统。Buck说：“我们正在创建一个新的计算模型，这实际上就是软件自己编写软件。”
英伟达为了进一步扩大其在推断工作中的影响力，它宣布要推出新版本的TensorRT推断软件，其中包括与谷歌公司(Google Inc.)的受人青睐的TensorFlow机器学习软件框架的集成。英伟达还与亚马逊网络服务公司、脸书公司(Facebook Inc.)和微软公司合作，确保Caffe 2、MXNet CNTK、Chainer和Pytorch等框架可以在英伟达平台上轻松运行。同样重要的是，现在针对软件容器的流行“编排”工具Kubernetes有了GPU加速功能，它可以让应用程序在多种计算机、操作系统和云上运行。
物联网
英伟达旨在将深度学习引进汽车乃至智能手机的“物联网”设备。为此，它已经与ARM Holdings(制造主要用于移动设备的节能芯片的厂家)建立了合作关系，将英伟达的开源Deep Learning Accelerator架构整合到ARM的Trillium机器学习处理器项目中。
Moorhead说：“这一消息使英伟达的机器学习技术能够应用于家居自动化，甚至是智能手机等更小的物联网设备中。与ARM的合作并不能保证英伟达的NVDLA能在‘非常小的优势’上取得成功，但却大大增加了它的机会。”
同样重要的是，英伟达正在处理改进自动驾驶汽车的关键任务，其中一个任务缘起优步(Uber Technologies Inc.)在亚利桑那州引发的一起行人丧生事故，这起事故似乎是可以预防的。英伟达的资深汽车总监Danny Shapiro指出，兰德公司(Rand Corp.)认为要使自动驾驶汽车变得安全，数十亿英里的训练是少不了的。他说，在合理的时间范围内做到这一点的唯一方法是通过快速，超现实的模拟。
这就是英伟达宣布的内容。DRIVE Constellation是一款使用虚拟现实技术的自动驾驶模拟器，它可以模拟摄像机，LiDAR和用于汽车操作的雷达。来自该模拟器的数据被送入车内的第二台服务器DRIVE Pegasus进行处理，并且驾驶命令以每秒30次的频率传回Constellation，以验证车辆是否正常运行。我们可以反复模拟各种罕见的“奇怪”驾驶情况来改进系统。
这可能特别关键，因为英伟达宣布，作为对最近发生的交通事故，它暂时停止了自动驾驶汽车的测试，随后优步也停止了在亚利桑那州的测试。数百家致力于自动驾驶汽车的公司使用英伟达的DRIVE技术。
Moorhead说：“DRIVE Constellation意义非凡，因为英伟达能根据人们在游戏中的背景和影片创意提供他们想要的尽可能真实的图像。让我喜欢的是：汽车公司可以模拟数百亿英里的驾驶，而不必在真正的可能会危及生命的汽车中驾驶。”
前沿
此外，与人工智能相关的公告似乎让英伟达走到了前沿——机器学习模型的训练和运行所需的芯片和软件。尽管最近这种竞争更激烈。例如，英特尔公司在11月宣布与长期竞争对手超微半导体公司(Advanced Micro Devices Inc.，AMD)建立了令人惊讶的合作伙伴关系，为高端笔记本电脑制造芯片，这些电脑将英特尔的中央处理器与超微半导体的GPU相结合。谷歌已经利用其专用于机器学习的自有张量处理单元(Tensor Processing Unit)芯片服务在云方面抓住了时机。
尽管如此，Buck还是指出，由于机器学习的发展还处于很早的阶段，而且新模型也在不断涌现，“有一个可编程的程序来处理这些问题是非常重要的”。Moor Insights & Strategy的高性能计算和深度学习的咨询负责人Karl Freund称：到目前为止，他是对的。
Freund说：“我不认为有任何竞争对手此时会产生任何有意义的影响力。这可能会发生改变，但与英伟达相比，迄今为止他们所付出所有努力都显得徒劳无功。”
机器学习的发展并没有明显的减速。Global Equities Research的分析师Trip Chowdhry表示：“深度机器学习是所有企业应用和所有消费应用的前沿地带，因此对英伟达的GPU的投资是不会那么快消停的。
版权声明：本文为企业网D1Net编译，转载需注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。
京公网安备 11010502049343号