晨晖浪子消费升级投资基金募资完成，晨晖携手浪子投资“浪子医美”2.45亿元
06-18
雷锋网记者：本文基于UCLA博士生作者·李一雷，Silicon Talks（微信ID：silicon_talks）主笔。
2019年是人工智能爆发的一年。
随着深度学习理论的快速发展，各种深度学习应用层出不穷，从人脸识别、图片风格转换到自动驾驶等等。
这些人工智能应用的背后是以GPU为代表的人工智能硬件。
趁着人工智能的普及，英伟达的股价去年增长了两倍多，令人惊叹。
日前，2019 CES 甚至邀请了英伟达的黄仁勋作为开幕前夕最重要的特别演讲的演讲嘉宾。
毫无疑问，Nvidia成为了本届CES的焦点。
下面我们将与大家分享本次专题演讲的内容，并分析Nvidia未来的计划。
关键词：想象力 在英伟达老黄给我们的这次CES演讲中，关键词是“想象力”。
通过Imagination这个关键词，英伟达很好地涵盖了从游戏渲染加速到人工智能的业务群。
在开场动画中，老黄首先播放了一系列3D游戏场景（包括《泰坦陨落2》、《猎魔人》等3A大作），还回顾了《地心引力》等特效电影。
此后，风格发生了变化，激发人类想象力的东西从传统的3D游戏和电影特效转向沉浸式AR和VR设备。
之后，人工智能应用开始展现出巨大的想象力，包括机器人、自动驾驶、人工智能辅助医疗等。
而这一切激发人们想象力的应用背后，都有一个硬件巨头，英伟达。
这部动画也很好地回顾了英伟达业务的历史轨迹：从 GPU 图像渲染加速起家，慢慢从一家半导体芯片公司转型为未来的 AR/VR 和人工智能平台提供商。
GeForce Now和Shield：游戏云平台和家庭物联网新中心 在回顾了过去在计算机图形、游戏和人工智能领域的一系列成就后，老黄开始发布第一个内容：GeForce Now。
英伟达的辉煌始于游戏领域的快速发展。
二十年前，PC和主机游戏仍以低分辨率2D为主，3D游戏要么是假3D（如《暗杀希特勒》），而真3D游戏的图形非常粗糙，多边形数量很少。
拉拉小姐 他的脸像锥子一样。
正是在那个时候，英伟达看好电子游戏将成为未来人们的主流娱乐，开始研发显示加速卡，从而一举推出了GPU的概念，并在游戏市场赚得盆满钵满。
GPU取得成功后，Nvidia进一步推出了自己的游戏机Shield。
如今，英伟达不再满足于自己作为游戏硬件提供商的角色，而是试图定义一个新的游戏平台并成为它的主宰。
GeForce Now 就是这样的平台之一。
GeForce Now的逻辑是：仍然有大量的电脑用户因为电脑硬件不够强大而无法玩游戏。
为了让这些人能够玩到 AAA 级大作，GeForce Now 将游戏运行在处理能力极其强大的云服务器上，并通过网络将游戏的图像和声音传输到玩家的电脑上。
因此，只要玩家的电脑能够接入互联网，无论硬件有多弱，都可以玩最新的游戏。
通过GeForce Now，英伟达的野心是利用其在游戏市场的影响力，从硬件供应商转型为游戏云服务提供商，从而从第二产业（制造业）转向第三产业（服务业），不是吗？美丽的？于是人们不禁要问：如果GeForce Now特别成功，那么大多数买来玩游戏的高性能PC都将毫无用处，甚至游戏机也面临被裁员的危险。
Nvidia自己的Shield控制台会发生什么？管理？别担心，英伟达已经为自己的主机想好了出路，它就是家庭物联网的新中心。
老黄在 CES 上发布的第二款产品是新款 Shield。
除了常规的游戏和网络视频播放功能外，新Shield最大的亮点就是Google Assistant的引入。
Google Assistant可以通过语音识别来完成用户发出的各种指令。
例如，在CES演讲的演示视频中，用户可以通过与Google Assistant的语音对话让Shield播放视频、显示照片等。
不过，英伟达对Shield的野心远远超出了“支持语音交互的智能机顶盒”，而是一个智能家居中心。
为了让 Shield 能够接收用户在家中任何地方发出的语音命令，老黄在发布新 Shield 时还演示了与新 Shield 搭配使用的 NvidiaSpot。
NvidiaSpot 是一款专门设计的麦克风，可以放置在家里的任何地方，并通过 LAN 连接到 Shield，将用户的语音命令传输到 Shield。
同时，在Nvidia的计划中，Shield可以控制的远不止电视，而是可以控制各种智能家电（例如Nest产品）。
这样，在Nvidia提供的智能家居解决方案中，Nvidia Spot作为用户指令的接收器，存在于家庭的各个角落。
用户在任何地方发出的语音指令都会通过 Spot 传输回物联网中心节点 Shield，由 Shield 控制您家中的智能电器，例如打开空调、启动扫地机等。
GeForceNow 和新款 Shield 均显示英伟达试图升级改造原有的游戏硬件业务。
我对GeForceNow的评价是，如果网络延迟问题解决不了，那就没什么用了。
目前最流行的游戏有动作游戏（枪）、模拟驾驶游戏（汽车）和各种体育游戏（球）。
枪、车、球对输入延迟的要求非常高。
一旦玩家输入（比如在驾驶游戏中转动方向盘）和游戏响应（游戏中的汽车实际上改变方向）之间存在数百毫秒的延迟，玩家体验就会变得非常糟糕。
问题是，目前决定网络延迟的不仅仅是玩家的接入网络带宽，玩家接入点和GeForce服务器中心之间任何地方的网络速度变慢都会成为一个缺点，增加延迟，极大影响玩家体验。
还有一个问题是，是否有那么多人不玩游戏是因为缺乏硬件——很可能大多数人只是对游戏没有兴趣，宁愿做其他事情也不愿玩游戏，即使他们有足够的硬件来运行他们。
因此，GeForceNow看起来很美好，但实际上还有很长的路要走。
关于Shield+Spot的家庭物联网中心策略，英伟达其实已经做过很多类似的尝试，将游戏机升级为家庭客厅娱乐中心，但都失败了。
一个典型的例子是索尼的PSX。
当时，索尼凭借其在游戏机（PS2）、视频播放器（DVD）和电视领域的领先地位，试图将PSX打造成一款可以玩PS2游戏、播放/录制DVD和播放的游戏。
/录制视频的客厅娱乐中心惨遭失败。
同样，微软也尝试将XBOX One打造成一个可以观看网络视频、玩游戏的客厅娱乐中心。
然而，它没有成功。
反而在与PS4的激战中逐渐陷入劣势。
直到菲尔·斯宾塞 (Phil Spencer) 掌管 Xbox 后，他将 Xbox One 重新定义为游戏机，解散了专门为 Xbox 制作电视内容的娱乐部门，将重点重新转向游戏，才逐渐找到了方向。
因此，英伟达和谷歌的Shield+Spot家庭物联网中心战略能否成功还需要时间来验证，尤其是在连物联网智能家电都还没有普及的今天。
Nvidia 已经发布了家庭物联网中心。
只能说，由于其未来的布局，短期内不可能拉动Shield的销量。
如果未来Shield真的能够成为新的家庭物联网中心，GooDia（谷歌+Nvidia）将成为继WinTel（微软Windows+英特尔）之后的又一对软硬件巨头联盟。
Xavier：1TOPS/W已经成为深度学习硬件平台的新标杆。
如果说GeForce Now和Shield+Spot只是老黄CES主题演讲的开胃菜，那么在此之后发布的Xavier才是重头戏。
Xavier是一款汽车超级计算机模块，Nvidia预计将于2019年正式发布。
Xavier包括一个带有CUDA内核的Volta GPU和一个8核Nvidia定制的ARM64 CPU。
最让业界震惊的是它的性能：峰值性能达到30TOPS时，仅消耗30W！也就是说，它的能效达到1TOPS/W。
相比之下，在半导体领域顶级会议ISSCC深度学习处理器专场发表的第一篇论文中，ST的顶级深度学习专用ASIC仅达到了2.9TOPS/W。
需要记住的是，ST的深度学习加速器是专门为深度学习开发的，一般只能进行深度学习计算；而Xavier是通用计算平台，性能达到1TOPS/W，不仅可以计算深度学习，还可以做其他计算，所以通用性比ASIC好很多。
通常专用ASIC的能效应该比通用计算平台好一个数量级左右，但现在这个差距已经缩小到3倍以下，足见Xavier的强大性能。
当性能没有太大差异时，大多数人会选择通用计算平台而不是ASIC。
因此，我相信从事深度学习加速器ASIC开发的工程师在看到Xavier指标时确实压力很大。
另一个有趣的细节是，Xavier 的性能并不是以传统 GPU 的 FLOPS（每秒浮点运算数）来衡量，而是以 OPS（每秒定点运算数）来衡量。
在普通GPU中，深度学习计算通常使用浮点数运算来完成。
这种方法在保证计算精度的同时损失了计算速度。
因此，深度学习硬件的一个非常热门的方向就是如何改用定点数计算。
浮点数运算大大提高了速度，同时保证了计算精度的损失可控。
Nvidia已经在PascalGPU上对定点计算做出了一些支持，而且根据CES主题演讲中透露的线索，下一代VoltaGPU肯定会加强对定点计算的支持。
作为深度学习硬件的绝对统治者，Nvidia对定点运算的大力支持将迫使深度学习算法开发者加强使用定点数的深度学习框架的开发。
在可预见的未来，使用定点数的深度学习网络将变得越来越流行。
不同平台上使用浮点数和定点数的计算效率比较。
ADAS系统已经成为英伟达人工智能战略的重点。
人工智能是英伟达未来发展的重中之重。
人工智能未来的市场有多大，不言而喻。
在本次CES主题演讲中，老黄选择了ADAS（高级驾驶辅助系统）作为英伟达人工智能平台的切入点。
自动驾驶方面，英伟达发布了搭载Xavier的BB2无人驾驶汽车。
BB2目前可以根据路况自动变道、减速转弯、避开行人等。
英伟达与奥迪合作，有望实现4级自动驾驶（一种只在极少数情况下需要人工干预的自动驾驶系统）到2020年，Nvidia无人驾驶系统演示除了无人驾驶之外，Nvidia还发布了合作驾驶（副驾驶）系统，可以在无人驾驶技术成熟之前辅助驾驶员，让驾驶变得更轻松、更安全。
协同驾驶技术包括四大点，包括面部识别、头部追踪、眼球追踪和唇读技术。
面部识别首先可以通过深度学习判断驾驶员的表情，进一步判断驾驶员的情绪状态。
当发现驾驶员情绪不稳定时，即使休息也能提醒驾驶员调整情绪，避免冲动驾驶。
头部跟踪和视线跟踪可以帮助协同驾驶系统判断驾驶员是否集中注意力，并在驾驶员分心时及时提醒。
唇读技术可以根据驾驶员嘴唇的动作来判断驾驶员发出的语音命令，并在嘈杂的环境中执行。
根据老黄的解释，英伟达正在与英国牛津大学的 LipNet 团队合作，开发唇读的深度学习网络模型。
目前该模型的准确率达到93.4%，预计很快就会用于实车。
最后，协同驾驶系统还可以对驾驶行为进行评分，不仅督促司机安全驾驶，也可以作为保险公司制定保费的依据。
在人工智能领域，英伟达的人工智能平台已经占据主导地位。
除了硬件之外，Nvidia目前的CUDA是人工智能硬件加速的主流编程语言，而与CUDA结合的CuDNN也因其高性能而成为非常流行的深度学习框架。
那么，人工智能这么多方向，英伟达为何选择ADAS作为战略重点呢？首先，从市场角度来看，汽车运输市场确实是一个巨大的市场。
黄仁勋提到，目前的交通市场可以达到一万亿美元。
全球道路上有十亿辆汽车，汽车运输市场是一个亏损严重的市场。
主要原因是人类驾驶员容易出错。
一旦司机犯错，发生车祸就会造成巨大的损失。
如果利用人工智能来辅助驾驶，这些损失就可以大大减少。
此外，另一个重要的事实是，英伟达的人工智能平台（尤其是硬件）最适合的应用场景是ADAS。
英伟达人工智能平台最有优势的应用场景是中等数据量、对算力要求较高、对功耗有一定但不苛刻要求的场景。
在拥有海量数据的数据中心，Nvidia的GPU是服务器不可或缺的一部分。
不过，英伟达还没有计划生产自己的服务器。
因此，在大数据人工智能市场，英伟达提供的是硬件而不是平台。
另一个极端，即在数据量较小、计算能力要求不高但功耗限制很大的嵌入式深度学习领域，英伟达基于GPU的人工智能平台功耗过高。
一方面，另一方面权力太大。
高算力导致高成本，无法与ASIC竞争。
在ADAS市场，Nvidia的人工智能平台在计算能力（10-TOPS）和功耗（10-W）方面完美满足要求。
因此，英伟达聚焦自动驾驶市场也就不足为奇了。
结论 英伟达在 CES 上的主题演讲表明了其从一家芯片公司全面转型为云服务、物联网和人工智能平台提供商的雄心。
在2018年成功抓住人工智能趋势、市值翻三倍后，2019年英伟达表现如何，让我们拭目以待。
雷锋网特约文章，未经授权禁止转载。
详情请参阅转载说明。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
06-18
06-18
06-08
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态