Ada banyak peristiwa di bidang teknologi, dan CES menyumbang setengahnya! Hari ini, CES 2018 akan segera dimulai, dan Intel, sang protagonis konferensi, belum juga muncul. NVIDIA yang membuat debut mencengangkannya tahun lalu kembali menggelar keynote speech sehari sebelumnya. Kali ini, konten yang dibawakan oleh Huang Renxun masih tetap berat!
Gambar Huang Renxun sedang memberikan pidato (Sumber gambar: DeepTech)
Pertama-tama, pidato yang diluncurkan bertema "I Am AI". Huang Renxun yang telah menjadi bapak baptis AI, tetap tampil dengan balutan kulit berwarna hitam. Ia pertama kali menyebutkan bahwa dengan perkembangan AI dan kelengkapan deep learning environment, AI sudah bisa mulai mengembangkan software secara mandiri. Ini kabar paling menggembirakan tahun lalu. Mulai tahun ini, autonomous driving dan aplikasi VR yang berasal dari game akan menjadi poros utama tahun 2018.
Poin pertama adalah mengemudi non-otonom. Dalam aplikasi otomotif, mengemudi otonom dapat sangat mengurangi beban perjalanan harian kita, membuat kita lebih aman dan lebih cepat untuk mencapai tujuan yang kita inginkan. Dalam industri transportasi, jika kita mengadopsi Dengan mengemudi otonom, kami dapat menyediakan jangkauan transportasi yang lebih luas, volume kargo yang lebih besar, dan proses transportasi yang lebih aman di bawah arsitektur perangkat keras yang ada, karena perangkat keras yang digunakan dalam mengemudi otonom sangat andal, karena Kerugian akibat kecelakaan juga bisa diminimalisir.
Huang Renxun menyebutkan bahwa batch pertama prosesor mesin otonom Xavier yang diluncurkan oleh NVIDIA telah dimulai. Mereka berkomitmen untuk meningkatkan pengalaman berkendara di semua aspek dengan bantuan AI, dan menyediakan peta jalan teknologi masa depan untuk banyak perusahaan dan lembaga koperasi NVIDIA di bidang mengemudi otonom.
Gambar Prosesor Xavier
Pada saat yang sama, NVIDIA, ZF, dan Baidu bekerja sama untuk membangun platform komputasi kendaraan penggerak otonom AI yang dirancang khusus untuk pasar Cina. Kerja sama ini didasarkan pada NVIDIA DRIVE XavierTM baru, komputer on-board ProAI ZF, dan Pilot Apollo Baidu.
Gambar Kerja sama tripartit antara NVIDIA, ZF dan Baidu
Huang Renxun juga mengumumkan bahwa NVIDIA akan bekerja dengan Aurora untuk membuat platform perangkat keras penggerak otonom L4 dan L5 baru menggunakan prosesor NVIDIA DRIVE Xavier.
Gambar NVIDIA akan bekerja sama dengan Aurora
Tentunya hal yang paling mengkhawatirkan tentang autonomous driving adalah keselamatannya.Meski probabilitas kecelakaan mesin terbukti jauh lebih rendah dibandingkan dengan mengemudi manusia, hal ini belum cukup baik.Oleh karena itu, NVIDIA juga memperkenalkan arsitektur keselamatan fungsional berkendara. Namun, jika masalah keselamatan ingin diuji di dunia nyata, tidak hanya akan memakan waktu, tetapi juga sangat mahal. Oleh karena itu, NVIDIA menggunakan teknologi grafis yang kuat dari GPU-nya sendiri untuk mengembangkan lingkungan virtual DRIVERSIM untuk melatih mengemudi secara otonom untuk menangani masalah keselamatan, yang dapat dilakukan secara real-time. Simulasikan lingkungan mengemudi yang sebenarnya dan biarkan platform mengemudi otonom beroperasi di dunia virtual. Pengembang dapat dengan bebas mengontrol berbagai parameter di dunia virtual untuk mengamati reaksi platform mengemudi otonom dan mempercepat seluruh proses pelatihan.
Huang Renxun juga memberikan lingkungan perangkat lunak aplikasi dalam mobil yang ditunjukkan pada tahun 2017 nama resmi: Drive IX, Ini mencakup fungsi seperti pembukaan gerbong otomatis, pelacakan mata, operasi gerakan, operasi suara, dan sebagainya. Selain meningkatkan pengalaman berkendara, juga harus memperkuat keselamatan berkendara.
Selain itu, Huang Renxun juga merilis Drive AR, sebuah lapisan perangkat lunak baru, yang dijalankan di lingkungan perangkat keras yang sama, yang dapat menggunakan ekspresi visual dunia nyata yang lebih intuitif agar pengemudi dapat memahami situasi berkendara saat ini melalui platform visi holografik virtual. , Semua informasi visual yang diperoleh dari platform pengujian mengemudi otomatis disajikan dalam lingkungan virtual, membuat proses pengujian lebih intuitif.
Selain itu, Uber telah menerapkan teknologi NVIDIA pada sistem komputasi AI dari armada penggerak otonomnya. Dalam kerja sama ini, armada kendaraan dan mobil self-driving Uber Advanced Technologies Group akan menggunakan teknologi NVIDIA untuk menjalankan algoritma AI.
Gambar Uber menggunakan teknologi AI NVIDIA
Gambar NVIDIA memiliki lebih dari 300 mitra di bidang mengemudi otonom
Huang Renxun juga menyinggung topik game sekaligus. Game sudah menjadi salah satu cabang olahraga, bahkan menjadi event bertaraf internasional. Skalanya bahkan lebih besar dari semua cabang olahraga lainnya. Di semua platform online, game dan kompetisi terkait juga menjadi sumber konten utama. Pemain berbagi proses permainannya dengan teman dan dunia, ini berbeda dengan zaman kita dulu. Berbagi telah menjadi konsep inti terpenting dari generasi permainan ini.
Gambar Huang Renxun sedang memberikan pidato (Sumber gambar: DeepTech)
Dalam hal konsol game, dengan bantuan kerja sama dengan NVIDIA, Nintendo meluncurkan konsol game tersukses dalam sejarah yaitu Nintendo Switch. Volume penjualan tidak hanya memecahkan rekor Nintendo sendiri, tetapi juga memecahkan rekor sejarah semua konsol game.
Gambar Huang Renxun membandingkan notebook gaming, tangan kiri adalah desain MAX-Q (sumber gambar: DeepTech)
Selain itu, dengan desain MAX-Q yang baru, bobot notebook gaming telah jauh berkurang, sehingga memungkinkan notebook gaming ultra-tipis. Dengan desain baru ini, notebook gaming dengan grafis diskrit NVIDIA empat kali lebih cepat daripada Mac Pro dalam performa dan lebih dari dua kali lebih cepat dari konsol game paling bertenaga. Ini bisa dikatakan sebagai produk paling kuat di pasar arus utama.
Sedangkan untuk pembelajaran mendalam, setelah peluncuran Tesla-V100 pada tahun 2017, ini sangat mengejutkan pasar. Tidak hanya kinerjanya meningkat pesat, tetapi Tensor Core yang baru ditambahkan juga sangat mempercepat proses pembelajaran dalam. Sebuah chip kecil mengandung lebih banyak daya komputasi daripada superkomputer. Selain itu, NVIDIA juga menyediakan lingkungan pengembangan TensorRT untuk membantu peneliti mengembangkan aplikasi AI terkait lebih cepat.
Gambar Huang Renxun memegang Tesla-V100
NVIDIA juga menyediakan host DGX, yang dapat memberikan kinerja komputasi AI paling kuat dalam ruang kelembagaan terbatas dengan pendinginan efisiensi tinggi dan inti GPU yang kuat. Selain itu, di server, dengan keunggulan daya komputasi GPU, NVIDIA dapat menyediakan daya komputasi sepuluh kali lipat yang setara dengan arsitektur tradisional dalam kabinet, yang merepresentasikan penggunaan arsitektur NVIDIA dengan biaya sepersepuluh dari arsitektur tradisional.
NVIDIA telah menghabiskan banyak waktu untuk memecahkan masalah yang dihadapi dalam deep learning. Pertama, pada light trace tracking, AI dapat secara otomatis menghitung warna objek yang diterangi oleh cahaya. Selain itu, kita juga dapat menggunakan AI untuk menghitung pergerakan wajah. , Operator dapat mengubah animasi wajah selama parameter input, kami bahkan dapat menggunakan AI untuk membuat skor musik, kami hanya perlu menentukan gaya musik, AI dapat membuat musik.
Saya harus mengakui bahwa dari produsen grafis game besar hingga peran inti dalam kecerdasan buatan, NVIDIA tidak hanya menjadi inti topik terkait dan perkembangan teknologi dalam beberapa tahun terakhir, tetapi harga sahamnya juga telah meningkat lebih dari 5 kali lipat dalam dua tahun dengan popularitas AI. Orang-orang di industri ini, ketika berbicara tentang AI, tidak ada yang tidak akan berbicara tentang NVIDIA, tidak ada yang tidak akan memikirkan Huang Renxun.
Tata letak bidang AI telah mencapai hasil yang luar biasa
Alasan mengapa NVIDIA dapat dengan lancar beralih ke jalur kecerdasan buatan terutama karena akumulasinya pada GPU. Alasan mengapa GPU menjadi metode komputasi utama AI kontemporer adalah karena ia memiliki ribuan inti kecil.Meski ukuran inti secara signifikan lebih kecil daripada CPU, ia hanya dapat melakukan kalkulasi yang relatif sederhana dan tidak dapat langsung memulai sistem operasi. Namun kesederhanaan adalah senjata terbesarnya. Grup inti yang sangat besar ini dapat secara bersamaan memproses ribuan hingga puluhan ribu utas komputasi sederhana dalam sekejap, dan memiliki memori lokal besar yang langsung terhubung ke chip GPU, dan bandwidth-nya. Ini juga jauh lebih besar dari sistem CPU.
Gambar Karakteristik inti CPU dan GPU menentukan efisiensi komputasi dari masing-masing aplikasi
Selain itu, lingkungan CUDA yang digunakan NVIDIA untuk GPU-nya sangat mengurangi kompleksitas pengembangan program komputasi AI terkait.Ketika afinitas lingkungan pengembangan jauh lebih tinggi daripada arsitektur kompetitif, dan kinerja komputasi komprehensif juga yang terbaik, penerapan GPU di bidang AI Dapat dikatakan bahwa dengan kecepatan tinggi, arsitektur komputasi AI cloud utama saat ini sebagian besar adalah GPU.
Memimpin dalam mengemudi otonom
Selain terus menangani masalah AI, NVIDIA juga telah memperkenalkan banyak solusi mengemudi otonom di industri, termasuk Drive PX, DrivePX2, dan Xavier paling awal yang dirilis di CES tahun lalu. Sasaran NVIDIA selalu mengarah pada teknologi mengemudi otonom sejati, bukan Hanya sebagai bantuan mengemudi, atau fungsi penginderaan lingkungan murni. Dengan kata lain, NVIDIA secara langsung memilih topik yang paling sulit untuk dilakukan. Setiap generasi solusi terus melakukan peningkatan besar dalam kinerja atau koordinasi periferal. NVIDIA bekerja sama dengan produsen mobil utama dan terus mengoptimalkan perangkat lunak. Solusi mengemudi otonom saat ini yang paling dekat dengan tahap komersial dapat dikatakan tidak lain adalah NVIDIA.
Gambar NVIDIA Drive PX dan Xavier
Terakhir kali NVIDIA merilis generasi baru platform komputasi kendaraan kecerdasan buatan DrivePX yang disebut Pegasus pada Konferensi Teknologi GPU yang diadakan di Munich pada 10 Oktober 2017, ia juga dikenal sebagai platform penggerak otonom L5 pertama di dunia.
NVIDIA DRIVE PX Pegasus mengoperasikan lebih dari 320 triliun operasi per detik lebih dari 10 kali kinerja pendahulunya, NVIDIA DRIVE PX 2. Performa komputasinya cukup untuk memproses data hingga 16 sensor, dan secara bersamaan dapat melakukan deteksi objek, pemosisian GPS, perencanaan rute, dan mengontrol kendaraan itu sendiri.Selain itu, juga dapat memperbarui peta HD yang disimpan secara terpusat pada saat yang bersamaan, bahkan jika semua tugas diproses secara bersamaan. Perangkat ini juga dapat memiliki sumber daya komputasi yang tersisa. NVIDIA mengatakan bahwa daya komputasi tersebut dapat menangani mobil otonom L5.
Tentu saja, sebagai platform pengembangan, Pegasus sangat bertenaga, tetapi konsumsi dayanya setinggi 500W, sehingga sulit untuk menjadi solusi penggerak otonom yang diproduksi secara massal, tetapi NVIDIA tampaknya tidak gugup. Lagi pula, peluncuran platform ini telah memberikan NVIDIA kepemimpinan di industri. Lagipula, sebagian besar produk pesaing pada periode yang sama hanya bisa mencapai level L3.
Gambar NVIDIA Pegasus
Kedepannya, dengan mengandalkan perbaikan dalam proses dan arsitektur, serta dengan kinerja yang lebih baik dan komponen penginderaan lingkungan harga yang lebih rendah, NVIDIA akan meluncurkan solusi yang dapat memenuhi persyaratan desain anggaran daya otomotif di masa mendatang. Ini tidak akan menjadi masalah besar.
Luca DeAmbroggi, kepala analis otomotif senior di IHS Markit, percaya: Saat ini, lusinan perusahaan berlomba untuk mengembangkan mobil self-driving, tetapi kebutuhan komputasi yang sangat besar dari mobil self-driving telah membatasi mereka. NVIDIA DRIVE PX Pegasus baru ditujukan untuk pembuat mobil, Startup dan ekosistem otomotif menyediakan metode produksi yang diperlukan untuk mewujudkan visi yang luar biasa ini. "
Meskipun arsitektur GPU menghadapi tantangan yang semakin ketat, NVIDIA masih memiliki kotak besar untuk ditangani
Meskipun arsitektur komputasi GPU bertenaga, bukan tanpa kekurangannya, terutama konsumsi daya. Kartu komputasi GPU menghabiskan ratusan watt di setiap kesempatan. Jika skalanya meningkat, kontrol konsumsi daya dari seluruh pusat komputasi akan sangat merepotkan. .
Di bidang mengemudi otonom, hampir semua lawan termasuk Mobileye, Renesas, dan NXP menggunakan metode ASIC untuk pengenalan gambar atau objek dengan arsitektur akselerasi eksklusif. Mobileye menempati hampir 70% pasar ADAS dan merupakan salah satu penyedia solusi paling awal untuk berinvestasi dalam mengemudi otonom. Solusi mengemudi otonom terbaru EyeQ4 dapat memberikan kinerja 2,5TOPS di bawah batas konsumsi daya 3W, dan didasarkan pada proses 28nm .
Sebaliknya, Xavier NVIDIA terbaru memberikan kinerja hingga 20TFOPS di bawah proses 16nm, tetapi mengkonsumsi hingga 80W. Kinerja solusi penggerak otonom 7nm generasi terbaru Mobileye akan meningkat menjadi 17TOPS, tetapi konsumsi daya hanya akan sedikit meningkat menjadi 5W.
Tentu saja, NVIDIA tidak sepenuhnya tidak berdaya.Meski arsitektur utamanya adalah GPU, namun NVIDIA sebenarnya memiliki kemampuan untuk merancang CPU dan arsitektur komputasi vektor ASIC lainnya, bahkan chip jaringan saraf, jika GPU benar-benar tidak lagi di bidang AI atau autonomous driving. Tidak berfungsi, NVIDIA masih memiliki opsi arsitektur lain yang tersedia.
Bidang permainan masih akan mendominasi
Selain AI dan mengemudi otonom, pasar game dapat dikatakan sebagai banteng NVIDIA lainnya Meskipun laba kotor secara signifikan lebih rendah daripada produk lain, karena kurangnya pesaing di pasar, pasar game PC saat ini dapat dikatakan sebagai pertunjukan satu orang untuk NVIDIA. Meskipun saingan tradisional AMD berusaha untuk menghibur, arsitekturnya tidak sebaik yang lain, dan kapasitas produksi pengecoran Global Foundries Dalam kasus kegagalan untuk bekerja sama, jelas tidak cukup untuk memenuhi permintaan pasar CPU, dan pasar GPU tidak punya waktu untuk mengurusnya.
Meski pasar grafis diskrit terus menyusut, rata-rata harga satuan grafis diskrit NVIDIA terus meningkat berkat kelemahan lawannya, terutama pada GPU gaming ultra-high-end, seperti produk seri Titan yang pasokannya hampir habis, tidak hanya make up. Selain lowongan dalam pendapatan produk terkait yang disebabkan oleh penyusutan pasar secara keseluruhan, ini bahkan dapat mendorong pertumbuhan pendapatan secara keseluruhan. Setelah produksi massal solusi grafik game baru, baik dalam hal produktivitas atau kinerja, Mr DT percaya bahwa mereka bisa lebih unggul dari produk 7nm AMD Tahun ini, AMD ingin mengulang adegan pergantian CPU di pasar GPU, dan tingkat kesulitannya mungkin cukup tinggi.
- Kanker, transplantasi ginjal, kecelakaan mobil, diretas ... semuanya gagal mencegah mereka kembali ke permainan
- Huang Zhang menyindir mesin baru Huawei sebagai jelek! "Perfeksionis, saya tidak tertarik dengan penggalian layar!"
- Continental Zhiyuan: Fokus pada robot keamanan dan robot khusus, sasis, dan teknologi mekanis adalah intinya
- Pabrik ponsel ini akan meluncurkan ponsel layar lipat penuh yang bisa ditekuk! Sambungan magnetis pertama di dunia
- "Wajah Manusia dan Bunga Persik Tercermin dalam Warna Merah" Asosiasi Fotografi Cina Italia mengadakan Acara Pemotretan Outdoor Bunga Persik 2019
- Mobil konsep smart elektrik pertama Byton diresmikan di CES, yang bisa dimasukkan ke dalam mobil berwajah, dan akan diproduksi massal pada 2019.
- Nut Pro2S telah berulang kali memotong harga dengan gila-gilaan dan terjual gila-gilaan! Tapi kenapa palu Lao Luo selalu gagal?