99 dolar! Huang Renxun, nükleer bomba olmadan GTC'nin 10. yıldönümü olan yapay zeka bilgisayarını piyasaya sürdü
Xin Zhiyuan Rehberi Bu yılki GTC'de Nvidia, tüm hızlandırılmış bilgi işlem kitaplıklarını tek bir markaya bağladı: CUDA-X AI kitaplığı; veri bilimi için bir "veri bilimci iş istasyonu" başlattı ve 99 $ 'lık yapay zeka bilgisayarı Jetson Nano'yu piyasaya sürdü. Nvidia'nın dönüşüm rotası da su yüzüne çıktı.
GTC'nin on yılında, Nvidia bir "Üç Noes" konferansı düzenledi.
Yeni mimari yok, yeni GPU yok, yeni strateji yok.
Ancak bu, Nvidia CEO'su Huang Renxun'un gelecek hakkında hiçbir düşüncesi olmadığı anlamına gelmiyor. Basın toplantısında Nvidia, tüm hızlandırılmış bilgi işlem kitaplıklarını tek bir markaya bağladı: CUDA-X AI kitaplığı; veri bilimi için bir "veri bilimci iş istasyonu" başlattı ve 99 $ 'lık yapay zeka bilgisayarı Jetson Nano'yu piyasaya sürdü.
Dış dünyanın beklediği yeni mimari basın toplantısında yer almasa ve Huang Renxun 7 nanometrelik bir GPU yayınlamasa da, tüm basın toplantısında ortaya çıkan anahtar kelimeler Nvidia için en önemli ve en acil ihtiyaç duyulan şey haline geliyor: Yeni ekoloji .
Huang Renxun, ekosistemin GPU hesaplamanın başarısının anahtarı olduğuna inanıyor.Bu yeni ekosistem birkaç anahtar kelime gerektiriyor:
- Pr programlanabilir (programlanabilir)
- Bir hızlanma (hızlanma)
- D omains (alan adı)
- Bir mimari (mimari)
Aşağıdaki Huang Renxun'un bir konuşmasıdır.
Nvidia grafik kartı özel efektlerinin harika şovu, çarpıcı ışın izleme teknolojisi
Huang Renxunun tüm konuşması üç bölüme ayrılmıştır: bilgisayar grafikleri, AI ve HPC ve robotik.
İlk bölümden önce Huang Renxun, veri bilimini hızlandırmak için uçtan uca tek platform olan CUDA-X AI'yı ilk kez piyasaya sürdü.
CUDA-X AI, makine öğrenimi ve veri bilimi iş yüklerini 50 kata kadar hızlandırabilir ve bir düzine özel hızlandırma kitaplığından oluşur. Bu kütüphaneler arasında derin öğrenmeyi hızlandırmak için cuDNN, veri bilimi iş akışlarını ve makine öğrenimi algoritmalarını hızlandırmak için cuML, eğitimli çıkarım modellerini optimize etmek için TensorR, veri bilimi API'lerine erişmek için cuDF ve grafikler bulunur. Yüksek performanslı analiz gerçekleştiren CuGraph ve diğer 13 kitaplık.
Ek olarak, yazılım hızlandırma kitaplığı TensorFlow, PyTorch ve MXNet dahil olmak üzere tüm derin öğrenme çerçevelerine entegre edilmiştir.
Sonra resmi olarak bilgisayar grafikleri temasının ilk bölümüne giren Huang Renxun, Nvidia'nın grafik kartının özel efektlerini göstermeyi beklemiyordu.
Şimdi Unity'de çalışan videonun bir kısmını gerçek zamanlı olarak oynatmak, gerçek zamanlı olarak yeterli uzamsal çözünürlük sağlamıyor. Unity'nin deneysel paketi 4 Nisan'da piyasaya sürülecek.
Unity, oyunun özgünlüğünü desteklemek için Nvidia ışın izleme teknolojisi için önizleme desteği ekledi.
Aşağıdaki resimdeki araba farlarının iki fotoğrafı solda ve sağda hemen hemen aynı, hangisinin sahte olduğunu düşünüyorsunuz?
Cevap şudur: Sağdaki ışıklar sahte.
Huang Renxun, bu gerçekçi efektin Nvidia Turing RTX mimarisinden faydalandığını ve ekranın gerçek zamanlı olarak işlendiğini söyledi.
Epic Games, Nvidia RTX ışın izleme için Unreal Engine 4.22 desteğini duyurdu. Unity sadece bir zaman meselesi, ancak şimdi bu teknoloji resmi olarak Unity'nin Yüksek Çözünürlüklü Oluşturma Ardışık Düzeninin (HDRP) önizleme sürümüne girdi.
Bu teknolojinin odak noktası, oyunun aydınlatmayı daha gerçekçi bir şekilde sunması, ışığın atmosferle ve onu etkileyen nesnelerle nasıl etkileşime girdiğini göstermesidir. Bu teknoloji başka bir yerde kullanılmıştır, ancak bunların tümü kaynak yoğun olabilir ve bu da son birkaç yılın ilerlemesini gerçek zamanlı bir sistem kadar çekici kılar.
AI ve HPC'ye odaklanın, Intel'e karşı Mellanox'u satın alın
Huang Renxun, bir saat konuştuktan sonra nihayet ikinci bölümü açtı: AI ve HPC. Bu bölüm esas olarak DGX ve HGX'ten oluşmaktadır.
Veri bilimi, günümüzde bilgisayar bilimi alanında büyüyen bir alandır.Verilerden öğrenme ve yapay zekayı oluşturan tüm tahminler yapma yöntemleri. Nvidia'nın yapay zekaya karşı yeni bir tavrı ve davranışı var: veri bilimi alanını ve Hadoop'tan Spart'a ve TensorFlow'a kadar tüm makine öğrenimi araçlarını yeniden düzenlemek.
NVIDIA, Huang Renxun'un daha önce vurguladığı CUDA-X AI kütüphanesi olan AI'yı uygulamaya yönelik tüm adımları ve araçları içeren bir kütüphaneye sahiptir ve Huang Renxun, böylesine büyük bir ekosistemi, donanımı ve yazılımı nasıl bir araya getireceğini de düşünüyor. İki yol var:
Tensör Çekirdekleri Karışık Hassas. TensorFlow, PyTorch ve MXNet'e eklendi; NVIDIA RAPIDS, Databricks'in analiz platformuyla entegre edildi.
Şu anda, Google Cloud ve Microsoft Cloud da RAPIDS'e eklenmiş ve TensorRT de Microsoft Onyx'e entegre edilmiştir.
Entegrasyon ve entegrasyona ek olarak, Nvidia ayrıca adında yeni bir AI araç seti başlattı Clara Çekirdeği, önceden eğitilmiş bir dizi modeldir.
Clara, sınıflandırma ve segmentasyon için en gelişmiş 13 yapay zeka araç setinin yanı sıra radyologlar için oluşturulmuş yazılım araçlarını içeren açık ve ölçeklenebilir bir bilgi işlem platformudur ve geliştiricilerin tıbbi görüntüleme uygulamalarını hibrit olarak ( Akıllı araçlar oluşturmak ve sağlık hizmetleri iş akışlarını otomatikleştirmek için yerleşik, şirket içi veya bulut) bilgi işlem ortamları.
NVIDIA, bu araçlarla veri bilimi alanında atılımlar yapmaya devam ediyor. Huang Renxun, sadece geçen yıl, Nvidia Derin Öğrenme Enstitüsü'nün çeşitli formlar aracılığıyla 100.000 veri bilimcisini eğittiğini ve buna dayanarak, Nvidia'nın veri bilimcilere özelleştirilmiş bir iş istasyonu sağlamaya karar verdiğini söyledi.
Bu iş istasyonunun çekirdeği, yüksek performanslı bilgi işlem ve yüksek hızlı G / Ç'ye odaklanan GPU ve CUDA-X AI kitaplığıdır.
Huang Renxun, veri biliminin yeni HPC olduğuna inanıyor.Süper hesaplama ve hiper ölçekli kümeler arasındaki fark, süper hesaplamanın aslında çok az görev yapması, hiper ölçekli kümelerin ise tamamen kapasite ile ilgili olması, ancak çok sayıda küçük iş yapmasıdır. İkisi farklı sistem / küme mimarileri gerektirir.
Ve veri bilimi ikisinin ortasındadır.Veri biliminin görevleri süper büyük ölçekli kümelerin görevlerinden daha ağırdır, ancak bundan daha azdır; süper bilgisayarlardan daha kapsamlı, burası Nvidia'nın DGX-2 ekipmanının artık uygulanabilir olduğu yerdir.
Basın toplantısında, yakın zamanda Nvidia tarafından 6,9 milyar dolara satın alınan Mellanox'un CEO'su da sahneye çıkarak, Mellanox'un neden Nvidia'ya satış yapmak istediğini ve ağı veri merkezi bilgi işlem altyapısının bir parçası olarak gördüklerini açıkladı.
Nvidianın bilgi işlem platformu ve Mellanoxun İnternet'i, dünya çapında 250den fazla TOP500 süper bilgisayarı birbirine bağlar ve her büyük bulut hizmeti sağlayıcısı ve bilgisayar üreticisi için hizmetler sağlar. Moore Yasası'nın sona ermesiyle, CPU performansındaki iyileşme yavaşlıyor, bu da herkesin bilgi işlemi hızlandırmak için Nvidia GPU ve Mellanox akıllı ağ çözümlerini kullanmasına neden oluyor. Bu talebin karşılanması, büyük bir veri merkezi ölçeğinde bilgi işlem motoru oluşturmak için çok sayıda hızlı bilgi işlem düğümünü akıllı bir ağ yapısı aracılığıyla birbirine bağlayan genel bir mimari gerektirecektir.
İki küçük dev güçlerini birleştirdi, Intel'in HPC alanındaki hayatı üzülecek mi?
Edge computing ürünü Jetson Nano: 99 $ yapay zeka bilgisayarı
Huang Renxunun Konuşmasının Üçüncü Bölümü: Robotlar. Robotlar için neden uç bilgi işlem gücü sağlıyor? Huang Renxun, karmaşık yapay zekanın genellikle kendi kendine yapılan cihazlar için uygun olmadığını, çünkü mikro bilgisayarların temel işlevler dışındaki şeyleri nadiren halledebileceğini söyledi.
Bu nedenle Nvidia, giriş seviyesi bir yapay zeka bilgisayarı olan Jetson Nano'yu piyasaya sürdü.
Nvidia, Nanonun 128 çekirdekli maxwell tabanlı GPU ve dört çekirdekli ARM A57 işlemcisinin çok az tüketirken sinir ağları, yüksek çözünürlüklü sensörler ve diğer robotik işlevler için 472 petaflop işlem gücü sağlayabileceğini iddia ediyor 5W.
Jetson Nano'nun temel özellikleri:
GPU: 128 çekirdekli NVIDIA Maxwell mimarisi tabanlı GPU
CPU: Dört çekirdekli ARM® A57
Video: 4K @ 30 fps (H.264 / H.265) / 4K @ 60 fps (H.264 / H.265) kodlama ve kod çözme
Kamera: MIPI CSI-2 DPHY şeritleri, 12x (Modül) ve 1x (Geliştirici Kiti)
RAM: 4 GB 64-bit LPDDR4; 25,6 gigabayt / saniye
Bağlantı: Gigabit Ethernet
İşletim sistemi desteği: Tegra® için Linux
Modül Boyutu: 70mm x 45mm
Geliştirici Kiti Boyutu: 100mm x 80mm
Kit, Linux'u doğrudan çalıştırabilir ve çok sayıda AI çerçevesini destekler (elbette NVIDIA'nın kendi çerçevesi dahil). Kameralar ve diğer aksesuarlar için 4 GB RAM, Gigabit Ethernet ve G / Ç ile donatılmıştır.
Nano, üst düzey Jetson'dan çok daha az güçlü olsa da, kişisel sürüm şu anda yalnızca 99 ABD doları ve işletme odaklı "üretime hazır" sürüm 129 ABD doları olarak fiyatlandırılıyor.
Gelecekteki test filosu sanaldır
Huang Renxun, GTC konferansında NVIDIA DRIVE Constellation simülasyon platformunu başlattı.
DRIVE Constellation, iki yan yana sunucu içeren bir veri merkezi çözümüdür:
- İlk sunucu DRIVE Constellation Simulator Sanal arabadan sensör çıkışı oluşturmak için;
- İkinci sunucu- DRIVE Constellation Araç , DRIVE AGX Pegasus AI yerleşik bilgisayar dahil.
DRIVE AGX Pegasus sensör verilerini alır, kararlar verir ve ardından araç kontrol komutlarını simülatöre geri gönderir. Bu tür kapalı döngü süreci, döngü içi donanım testini bit doğru ve zaman açısından doğru bir şekilde gerçekleştirebilir.
Bu doğrulama süreci gerçek zamanlı olarak çalışır ve orantılı olarak yürütülebilir.Birden çok birim, çeşitli testleri paralel olarak yürütür.
Bu verimlilik düzeyi ile DRIVE Constellation, büyük miktarda sürüş deneyimi elde edebilir - 3000 ünite yılda 1 milyar milden fazla yol kat edebilir. Daha da önemlisi, DRIVE Constellation'daki her mil, nadir veya tehlikeli senaryolar dahil olmak üzere ilginç olaylar içerir.
Bulut tabanlı uçtan uca iş akışı
Huang Renxun, DRIVE Constellation platformunun sürüş testlerini nasıl gerçekleştirdiğini ve sorunsuz bir iş akışında sonuçları nasıl sağladığını gösterdi.
DRIVE Constellation kullanıcıları, bulut aracılığıyla herhangi bir platforma uzaktan erişebilir. Geliştiriciler belirli bir simülasyon senaryosu sunabilirler - örneğin, ıslak bir yolda sisli bir gecede, sürücüsüz bir araba yoğun trafikte şeridi kesen başka bir araca tepki verir.
AV'nin performansını belirlemek için, geliştiriciler çarpışma süresi, takip mesafesi ve yolcu konforu gibi özel değerlendirme prosedürleri oluşturabilir, testi çalışma zamanında görüntüleyebilir ve sonuçları görselleştirebilir.
Yoğun trafik, şiddetli hava koşulları ve düşük görünürlük gibi aşırı ve tehlikeli koşulları vurgulayan belirli varyasyonlarla aynı testler paralel olarak yürütülebilir. Bu büyük ölçekli doğrulama işlevi, çok sayıda sanal test aracı filosunu çalıştırmaya, aylar veya yıllarca testleri kısa sürede tamamlamaya benzer.
Açık platform
DRIVE Constellation açık bir platformdur, yani DRIVE Sim ekosistemindeki ortakların çevre modellerini, araç modellerini, sensör modellerini ve trafik senaryolarını entegre etmelerine olanak tanıyan bir programlama arayüzü sağlar. Platform, çeşitli ortakları birleştirerek kapsamlı, çeşitli ve karmaşık bir test ortamı oluşturabilir.
İsrailli simülasyon şirketi Cognata tarafından geliştirilen detaylı trafik ve sahne modelleri DRIVE Constellation platformu tarafından destekleniyor. Şirket, doğru büyük ölçekli trafik modelleri oluşturmak için dünya genelindeki trafik kameraları tarafından yakalanan gerçek verileri kullanıyor.
Geliştiriciler, Cognata'nın trafik modelini kullanarak diğer araçların ve yol kullanıcılarının sayısını ve bunların davranışlarını gerçek trafik verilerine göre tanımlayabilir.
Otomotiv simülasyon şirketi IPG Automotive, yüksek kaliteli modeller sağlamak için DRIVE Constellation ile de işbirliği yaptı. Geliştiricilerin, aracın direksiyon, fren ve gaz kelebeği ve çeşitli yol koşulları gibi çeşitli DRIVE Sim komutlarına tepkisini doğru bir şekilde simüle etmelerini sağlar.
DRIVE Constellation, kameralardan, radarlardan veya lidar sensörlerinden toplanan verilerin araca nasıl gönderileceğini doğru bir şekilde simüle etmek için kameralar, lidarlar ve radarlar gibi sensör modellerini de destekleyebilir. ON Semiconductor bir yarı iletken ve sensör tedarikçisidir ve yüksek hassasiyetli kamera modelleri sağlamak için DRIVE Constellation ile birlikte çalışmaktadır.
Aynı zamanda açık platform, üçüncü taraf ve yasal otonom araç standartlarının önemli bir bileşenidir.
Veri merkezi + uç, NVIDIA'nın dönüşüm yol haritası ortaya çıktı
Nvidianın geçen yıl Ekim ayındaki hisse fiyatını düşürmesinden bu yana, AI çip tahtından düştü. Dış dünya, Nvidianın oyunlara ve madenciliğe olan bağımlılığı konusunda iyimser değil. Nvidianın bu ay Mellanoxu satın alması, dış dünyaya yanıt vermiş gibi görünüyor: dönüşüm için bir yol haritası ortaya çıktı. su yüzeyi.
Huang Renxun, Mellanox'un satın alınmasıyla ilgili bir basın açıklamasında "veri merkezlerinin her zamankinden daha önemli olduğunu" söyledi. Mellanox ile Nvidia, tüm bilgi işlem, ağ ve depolama yığınında veri merkezi ölçeğindeki iş yüklerini optimize edecek.İkisi, her tür bilgi işlem için sürekli olarak düşük maliyetli bilgi işlem gücü sağlamak için büyük bir veri merkezi ölçeğinde bilgi işlem motoru oluşturuyor.
Öte yandan, Jetson Nano, robotlar ve diğer yapay zeka cihazları için beyin sağlar.Kenar hesaplamada, NVIDIA ayrıca çekirdek olarak GPU hesaplama gücü ve hendek olarak birçok cihaz içeren bir ekosistem kuracak bir yere sahiptir.
7 nanometrelik bir GPU veya yeni bir mimari olup olmadığına gelince, bu Nvidia için en acil şey değil.
