北京時(shí)間周二凌晨，一年一度的GTC（Graphic Technology Conference，每年由Nvidia主辦的GPU技術(shù)會(huì)議）在硅谷圣克拉拉正式拉開(kāi)了帷幕。Nvidia CEO 黃仁勛的主題演講往往是每年GTC的熱點(diǎn)，本文將為大家?guī)?lái)今年GTC黃仁勛主題演講的內(nèi)容分析。

 

PRADA：GTC2019 關(guān)鍵詞

近幾年，人工智能持續(xù)得到關(guān)注，Nvidia的GPU則成為了人工智能計(jì)算的基礎(chǔ)設(shè)施。同時(shí)，Nvidia也借著這股東風(fēng)在近幾年內(nèi)硅谷最炙手可熱的公司之一

 

事實(shí)上，Nvidia的GPU成為人工智能的基石，不僅僅是因?yàn)槠銰PU支持大規(guī)模并行（這一點(diǎn)AMD的GPU也能做到），更因?yàn)槠渖鷳B(tài)系統(tǒng)。Nvidia早年研發(fā)的在GPU上做通用計(jì)算的CUDA生態(tài)在經(jīng)過(guò)數(shù)年艱苦經(jīng)營(yíng)后成為了人工智能開(kāi)發(fā)者的首選，從而為Nvidia的GPU在人工智能領(lǐng)域的領(lǐng)先地位建成了堅(jiān)實(shí)的護(hù)城河。

 

 

 

然而，隨著人工智能的走火，Nvidia在芯片領(lǐng)域也受到了不少初創(chuàng)公司的挑戰(zhàn)。畢竟，GPU原本并非為人工智能專(zhuān)門(mén)設(shè)計(jì)，因此其效率相比專(zhuān)門(mén)為人工智能優(yōu)化的專(zhuān)用芯片來(lái)說(shuō)相差不少。因此，Nvidia在這一領(lǐng)域最大的優(yōu)勢(shì)并非芯片，而是其CUDA生態(tài)。這也是今年GTC黃仁勛主題演講的焦點(diǎn)。

 

 

 

黃仁勛在今年的主題演講中作為綱領(lǐng)的關(guān)鍵詞是PRogrammable Acceleration (for multiple) Domains (with one) Architecture，即PRADA。PRADA的意思是“使用一個(gè)統(tǒng)一的硬件和底層軟件接口架構(gòu)（CUDA-X），通過(guò)編程可以為不同的領(lǐng)域做定制化的高效率加速”。在這里，PRADA有明顯的回應(yīng)AI芯片初創(chuàng)公司的意味，首先AI芯片往往宣稱(chēng)GPU無(wú)法做domain-specific acceleration，因此效率差；而Nvidia則用PRADA回應(yīng)說(shuō)GPU通過(guò)編程也可以做高效domain-specific acceleration。更進(jìn)一步，由于AI芯片往往只針對(duì)特定應(yīng)用，因此不同的應(yīng)用需要不同的芯片，不同的軟件API以及系統(tǒng)框架，因此會(huì)造成碎片化的問(wèn)題；而使用GPU配合其強(qiáng)大的CUDA生態(tài)則可以完美解決這個(gè)問(wèn)題，使用同一類(lèi)硬件，同一種框架就可以解決不同領(lǐng)域的問(wèn)題。

 

 

 

 

 

 

 

今年的GTC的開(kāi)場(chǎng)中，Nvidia列舉了眾多基于GPU的AI能擔(dān)任的角色，包括Visionary（智能設(shè)計(jì)），Guardian（計(jì)算機(jī)視覺(jué)），Navigator（無(wú)人車(chē)和無(wú)人機(jī)），Scientist（數(shù)據(jù)挖掘），Healer（深度學(xué)習(xí)醫(yī)療），以及Artist（基于AI的內(nèi)容生成）。這些內(nèi)容都包含在了PRADA的領(lǐng)域中，也讓我們看到了Nvidia在AI時(shí)代的野心。

 

 

 

 

 

計(jì)算機(jī)圖像：Nvidia的基本盤(pán)

 

 

 

在今年的GTC上，Nvidia在計(jì)算機(jī)圖像領(lǐng)域的主題是實(shí)時(shí)ray tracing（RTX）。這個(gè)主題從去年開(kāi)始就開(kāi)始宣傳，在今天Nvidia在GTC上則主要是給出了一些RTX的落地應(yīng)用。有趣的是，重點(diǎn)不再是游戲，而是智能設(shè)計(jì)中的渲染和多媒體設(shè)計(jì)中的渲染。

 

 

 

首先展示的demo是汽車(chē)智能設(shè)計(jì)中的實(shí)時(shí)RTX。在demo中，使用RTX渲染的圖像和真實(shí)的汽車(chē)圖像讓人難辨真假，而更重要的是RTX可以做到實(shí)時(shí)。因此，設(shè)計(jì)者可以實(shí)時(shí)更改設(shè)計(jì)，更改表面材料屬性，從而實(shí)時(shí)看到更改造成的表面光反射等。在這里，Nvidia同時(shí)宣布了對(duì)于最新版Unity的支持，強(qiáng)強(qiáng)結(jié)合為智能設(shè)計(jì)賦能。

 

 

 

 

 

 

 

此后，Nvidia展示了RTX在游戲中的應(yīng)用。比較令老玩家感動(dòng)的是Nvidia對(duì)于Quake II做了RTX的重制，從而讓經(jīng)典游戲煥發(fā)出了新的光彩。

 

 

 

 

 

 

 

最后，Nvidia展示了其GPU在多媒體內(nèi)容（電影等）渲染中的應(yīng)用，包括其強(qiáng)大的生態(tài)伙伴，包括微軟的DirectX，Unity等。

 

 

 

 

 

AI與超級(jí)計(jì)算機(jī)

 

 

 

在傳統(tǒng)的圖像渲染之外，Nvidia的第二個(gè)主題是行業(yè)用大數(shù)據(jù)分析。

 

 

 

在這里，黃仁勛首先重申了Nvidia在大數(shù)據(jù)時(shí)代的愿景。在大數(shù)據(jù)時(shí)代，最關(guān)鍵的基礎(chǔ)設(shè)施是計(jì)算能力。本環(huán)節(jié)的看點(diǎn)是，Nvidia的關(guān)注點(diǎn)已經(jīng)從“神經(jīng)網(wǎng)絡(luò)”這一種狹義的機(jī)器學(xué)習(xí)方法拓展到了更廣闊的大數(shù)據(jù)處理能力，包括對(duì)XGBoost等傳統(tǒng)機(jī)器學(xué)習(xí)算法的支持。這一方面說(shuō)明了Nvidia對(duì)于大數(shù)據(jù)時(shí)代的看好，另一方面也體現(xiàn)了GPU的通用性。

 

 

 

Nvidia首先展示了一個(gè)微軟Bing基于其GPU的智能助手demo，該助手類(lèi)似Siri，可以識(shí)別用戶(hù)的語(yǔ)音命令，并且使用自然語(yǔ)言處理方法理解用戶(hù)的意圖，通過(guò)搜索引擎搜索到相關(guān)結(jié)果呈現(xiàn)在用戶(hù)面前，同時(shí)把最關(guān)鍵的一條結(jié)果用語(yǔ)音播報(bào)給用戶(hù)。在這里，處理延遲是關(guān)鍵指標(biāo)（GPU計(jì)算高延遲也往往是為人詬病的痛點(diǎn)），而B(niǎo)ing的演示中該助手使用非常流暢，可見(jiàn)是做了很多優(yōu)化，體現(xiàn)了GPU在低延遲應(yīng)用中的潛力。

 

 

 

之后，Nvidia把重心放到了超級(jí)計(jì)算機(jī)上。為了幫助大數(shù)據(jù)應(yīng)用，Nvidia提出了“數(shù)據(jù)科學(xué)服務(wù)器”的概念。傳統(tǒng)的服務(wù)器大致可以分成兩類(lèi)，一類(lèi)是超級(jí)計(jì)算機(jī)supercomputer，其處理的任務(wù)計(jì)算量大，但是任務(wù)數(shù)目有限；另一類(lèi)是hyperscale，其處理的任務(wù)計(jì)算量并不大，但是任務(wù)并發(fā)數(shù)量非常大，類(lèi)似于網(wǎng)絡(luò)搜索等。而大數(shù)據(jù)應(yīng)用則是在兩者之間，其處理的任務(wù)計(jì)算量較大（如訓(xùn)練任務(wù)），同時(shí)任務(wù)數(shù)量也不小。Nvidia認(rèn)為其GPU架構(gòu)非常適合這類(lèi)數(shù)據(jù)科學(xué)計(jì)算應(yīng)用，并發(fā)布了數(shù)據(jù)科學(xué)服務(wù)器。該服務(wù)器的性能將比原有的DGX-2略低，但是其對(duì)于RDMA等關(guān)鍵技術(shù)的支持可以使這樣的服務(wù)器能快速形成計(jì)算集群，從而滿(mǎn)足數(shù)據(jù)科學(xué)對(duì)于算力的需求。

 

 

 

 

 

 

 

 

 

機(jī)器人應(yīng)用

 

 

 

這次Nvidia的演講的第三部分是關(guān)于機(jī)器人。機(jī)器人部分其實(shí)是從原來(lái)的自動(dòng)駕駛概念拓展而來(lái)（自動(dòng)駕駛也屬于機(jī)器人的一部分）。機(jī)器人與自動(dòng)駕駛事實(shí)上都是一脈相承，其要點(diǎn)在于能在本地提供低延遲、高可靠性的強(qiáng)算力系統(tǒng)，而目前機(jī)器人在各大智能工業(yè)領(lǐng)域紛紛落地得到使用，因此Nvidia將其概念拓展到機(jī)器人可謂是順勢(shì)而為。

 

首先發(fā)布的是Jetson Nano開(kāi)發(fā)板，是基于之前的Tegra X1芯片，在板子設(shè)計(jì)上做了精簡(jiǎn)，以$99的低價(jià)發(fā)售。

 

 

之后的重點(diǎn)仍然是自動(dòng)駕駛。在自動(dòng)駕駛方面，第一個(gè)上場(chǎng)的是最新版本的Drive Ap2X，它是Nvidia的level-2自動(dòng)駕駛系統(tǒng)。該系統(tǒng)可以實(shí)現(xiàn)自動(dòng)收集本地高精度地圖，并實(shí)現(xiàn)交通標(biāo)志檢測(cè)等。

 

在這之后，黃仁勛隆重介紹了Drive AV，這是Nvidia的路線(xiàn)規(guī)劃系統(tǒng)。該系統(tǒng)可以對(duì)于其他車(chē)輛的行動(dòng)路徑做預(yù)測(cè)，從而實(shí)現(xiàn)安全駕駛。此外，還有Constellation系統(tǒng)，該系統(tǒng)是包括了軟件和計(jì)算硬件的自動(dòng)駕駛模擬系統(tǒng)。該系統(tǒng)可以讓用戶(hù)可以以駕駛員的角度來(lái)實(shí)時(shí)觀(guān)測(cè)駕駛的效果，從而盡可能保證安全駕駛。最后，Nvidia還發(fā)布了和豐田的全方位合作，將從硬件到軟件上一起構(gòu)建下一代自動(dòng)駕駛系統(tǒng)。

 

 

結(jié)語(yǔ)

 

在本次GTC的主題演講中，我們看到了一個(gè)重要的方向，即人工智能已經(jīng)在進(jìn)入了落地階段。對(duì)于人工智能，Nvidia不再有太多花哨的概念和宏大的前景預(yù)期，而是踏踏實(shí)實(shí)將幾個(gè)可以落地的應(yīng)用落到實(shí)處。在落地的過(guò)程中，也不再拘泥于“深度學(xué)習(xí)”，“自動(dòng)駕駛”等熱門(mén)風(fēng)口，而是合并同類(lèi)項(xiàng)，將“深度學(xué)習(xí)”拓展到了“大數(shù)據(jù)”，同時(shí)將“自動(dòng)駕駛”拓展到了“機(jī)器人”。我們認(rèn)為對(duì)于人工智能行業(yè)來(lái)說(shuō)，確實(shí)也進(jìn)入了落地的階段。在未來(lái)的數(shù)年內(nèi)，我們將看到這些概念的一一實(shí)際應(yīng)用，為我們的生活帶來(lái)更多實(shí)際變化。

 

此外，面對(duì)AI芯片初創(chuàng)公司的挑戰(zhàn)，Nvidia則是重申了“生態(tài)”這一利器并多次提及了其CUDA-X生態(tài)，而生態(tài)也確實(shí)是目前Nvidia最高的護(hù)城河。預(yù)計(jì)AI芯片初創(chuàng)公司只能先從一些較小但是有明確痛點(diǎn)的地方入手，才能慢慢站住腳跟并挑戰(zhàn)Nvidia的位置。