वर्तमान में, हुआंग विख्यात चीन कुल राजस्व NVIDIA की एक तिहाई के लिए जिम्मेदार है कि, NVIDIA चीन में 3,000 कर्मचारी हैं।
जेन-सुन हुआंग, बातों का ज्ञान बताया कल घोषणा की, और एआरएम ऐ चिप प्रौद्योगिकी एनवीडिया डीएलए से व्युत्पन्न बनाने के लिए सहयोग करें, एनवीडिया जैसे गूगल के रूप में एक ASIC चिप (दीप लर्निंग त्वरक, गहरी सीखने त्वरक) डीएलए की प्रकृति। अब ऐ चिप के कई, निर्माण करने के लिए है TPU, अनिवार्य रूप से एक हार्डवेयर एएसआईसी हैं।
इसके अलावा, हुआंग भी साक्षात्कार कल पुष्टि की है कि NVIDIA सार्वजनिक सड़कों संदेशों पर चालक रहित कारों का परीक्षण स्थगित करता है, और क्यों बताते हैं।
संयोग से, आज का दिन भी एडोब शिखर सम्मेलन सम्मेलन के लिए होता है, हुआंग साक्षात्कार में कर रहा हूँ अभी भी लास वेगास में एडोब शिखर सम्मेलन पर भाग लिया, एनवीडिया रे अनुरेखण प्रौद्योगिकी, छवि प्रसंस्करण प्रौद्योगिकी, इस दोपहर बारे में बात की, और वापस सैन जोस में जीटीसी के लिए साइट।
हाथ एआरएम, चिप निर्माताओं एक समर्पित ऐ चिप बनाने में आपकी मदद
अब कई चीनी ऐ चिप शुरू हुआ कंपनियों में उभर रहा है, चाहे एनवीडिया यह के लिए खतरा हैं?
जेन-सुन हुआंग ने कहा, ऐ भविष्य है, सभी उद्योग सॉफ्टवेयर के भविष्य, सभी सॉफ्टवेयर ऐ, बादल, स्वास्थ्य देखभाल, विनिर्माण से लाभ होगा और इतने पर, ऐ के भविष्य के लिए बहुत बड़ी, एक उद्यम। NVIDIA कई ऐ शुरू हुआ कंपनियों के साथ काम किया की उसके शरीर से भी ज्यादा बड़ा, ऐ चिप और होगा इस तरह के डीएलए के रूप में भी उद्यम कंपनियां, इस TPU एआरएम हार्डवेयर एकीकरण ढांचे के समान है, ताकि चिप कंपनियों ने अपने ऐ चिप निर्माण कर सकते हैं।
कल के भाषण में NVIDIA चिप निर्माता एआरएम बातें इस साल फरवरी में ऐ चिप (IOT ऐ SOC), NVIDIA ऐ प्रौद्योगिकी का निर्माण करने के साथ एक साझेदारी की घोषणा, परियोजना Trillium ढांचे का शुभारंभ किया हाथ, चिप निर्माताओं और अधिक आसानी से अपने स्वयं के निर्माण की इजाजत दी मोबाइल फोन के चिप्स, उपभोक्ता इलेक्ट्रॉनिक्स चिप्स, चिप्स और अन्य चीजों सहित ऐ चिप्स,। इस तकनीक NVIDIA जीटीसी खुला स्रोत पर आधारित है डीएलए गहरी सीखने त्वरक कार्यक्रम पिछले साल।
दृश्य, जेन-सुन हुआंग ज्ञान बात है एनवीडिया एक ASIC चिप (दीप लर्निंग त्वरक, गहरी सीखने त्वरक) डीएलए की प्रकृति। अब ऐ चिप के कई, जैसे TPU के गूगल के रूप में, अनिवार्य रूप से एक हार्डवेयर एएसआईसी निर्माण करने के लिए कहा था।
जेन-सुन हुआंग कि एआरएम के साथ इस साझेदारी है, जो एआरएम आईपी के डीएलए ढांचे में एकीकृत किया जाएगा निर्माता अपनी ऐ चिप बनाने के लिए बड़े ऐ वास्तुकला विभिन्न विन्यास के लिए छोटे से डाउनलोड किया जा सकता करने के बाद जाने के लिए, लेकिन इस चिप TensorRT ऊपर सॉफ्टवेयर को चलाने की जरूरत है कहा।
NVIDIA डीएलए बनाम Huawei किरिन 970, एप्पल A11
विश्व व्यापार, रोबोटिक्स, स्मार्ट शहरों, साथ ही डीएलए गहरी सीखने त्वरक परियोजना सहित के आरोप में Deepu तल्ला NVIDIA उपाध्यक्ष, इस परियोजना कल एनवीडिया एआरएम चिप विशाल एवं तकनीकी सहयोग त्वरक आईपी गहराई से अध्ययन अंत स्मार्ट विशिष्ट चिप की नींव का निर्माण करने के लिए है।
पिछले साल, NVIDIA ताकि प्रमुख चिप निर्माताओं, ऐ अपने स्वयं के कम बिजली चिप बनाने के लिए। हालांकि, ओपन सोर्स प्रोजेक्ट का उपयोग अभी भी एक निश्चित तकनीकी सीमा है इस नि: शुल्क चिप त्वरक परियोजना डाउनलोड कर सकते हैं, डीएलए ओपन सोर्स प्रोजेक्ट चुना है। इस जीटीसी में, NVIDIA ऐ चिप्स की दहलीज को कम करने एआरएम के साथ सहयोग में, फिर से निर्माण करने के लिए की घोषणा की।
Deepu तल्ला ज्ञान बात से कहा, डीएलए एक ओपन सोर्स प्रोजेक्ट, इस सहयोग शुल्क नहीं लिया जाएगा एआरएम। डीएलए परियोजना तीन साल के लिए विकसित किया गया है, और कारण स्वतंत्र और खुला स्रोत का चयन करेंगे, ऐसी परियोजनाओं का ध्यान केंद्रित नहीं है क्योंकि चीजें NVIDIA चिंता का विषय है है ।
पिछले छह महीनों के दौरान, कई अंत स्मार्ट चिप समर्पित ऐ उभरने लगे, जो चिंता का सबसे दो मोबाइल फोन चिप के रूप में आता है: Huawei किरिन 970, एप्पल A11 Deepu तल्ला दृश्य पर आता है, अब अस्थायी रूप से कोई गहराई सीखने NVIDIA त्वरक आईपी और किरिन 970 NPU, इसके विपरीत सेब A11 तंत्रिका नेटवर्क इंजन पैरामीटर। हालांकि, अनुसंधान और विकास के डीएलए तीन साल बाद, NVIDIA बनाने के लिए एक गहरी सीखने त्वरक हार्डवेयर वास्तव में पूरी परियोजना आसान हिस्सा है पाया सबसे कठिन सॉफ्टवेयर, कितना अधिक है अच्छा सॉफ्टवेयर का समर्थन विभिन्न ऐ, ऐ ढांचे, तंत्रिका नेटवर्क तैनाती को बेहतर करने के लिए कैसे।
इन मामलों में, एनवीडिया के कई सॉफ्टवेयर इंजीनियरों ने अनुसंधान के वर्षों में निवेश किया है, विशेषकर तंत्रिका नेटवर्क अनुप्रयोगों (अनुमान और तैनाती) में। इस जीटीसी में, हुआंग रेनक्सन ने भी TensorRT 4.0 का नया संस्करण पेश किया, तंत्रिका नेटवर्क तैनाती आसान और तेज है
चार प्रमुख कारणों में क्यों GPUs कम आपूर्ति में हैं
दृश्य में, हुआंग रेनक्सन ने यह भी कहा कि जीपीयू के लिए मौजूदा मांग चार कारणों से एनवीडिया की आपूर्ति से अधिक हो गई है:
एक तरफ, खेल उद्योग तेजी से विकास कर रहा है, और पिछले साल कई भारी गेम उत्पादों को जारी किया गया है। जीपीयू के लिए मांग में वृद्धि हुई है;
दूसरी ओर, सामग्री निर्माण अब प्रगति पर है, और सामग्री साझा करने वाला बाजार भी विकसित हो रहा है, विशेषकर सामग्री आधारित सामग्री निर्माण;
कृत्रिम बुद्धिमत्ता के विकास के साथ, इन्फिनियन के GPU कृत्रिम बुद्धि को और भी लोकप्रिय बनाते हैं, चाहे आप कौन-कौन हो।
अंतिम पहलू दुनिया के सबसे गर्म क्षेत्रों में से एक है: ब्लॉकचैन। चूंकि दुनिया में अरबों जीपीयू एक ही आर्किटेक्चर का उपयोग करते हैं, इसलिए इसे दुनिया के सबसे बड़े और सबसे अधिक विकेंद्रीकृत डाटाबेस के रूप में माना जा सकता है।
सार्वजनिक सड़कों पर ड्राइवरहीन कारों का परीक्षण निलंबित करना
कुछ समय पहले, पैदल चलने वालों की मौत के मामले में उबर के चालक-रहित कारों पर सड़क परीक्षणों की वजह से वैश्विक ऑटो ड्राइविंग उद्योग पर असर पड़ा। जीटीसी के दौरान, एनवीडिया ने औपचारिक रूप से पुष्टि की कि यह सार्वजनिक सड़कें पर ड्राइवरहीन कारों के परीक्षण को निलंबित कर देगी।
सबसे पहले, जेन-सुन हुआंग ने कहा। कि एनवीडिया --Uber autopilot प्रौद्योगिकी का उपयोग नहीं किया जेन-सुन हुआंग भी पिछले एक साक्षात्कार में कहा, इस दुर्घटना हर किसी को दु: खी, जिसे भी पूरे उद्योग को प्रभावित महसूस करते हैं किया था। एनवीडिया भी बहुत हर किसी की सुरक्षा के बारे में चिंतित एनवीडिया अपने कर्मचारियों सहित, क्योंकि वे भी परीक्षण कर रहे हैं कार के परीक्षण के सभी प्रकार से करते हैं।
इसलिए, एनवीडिया सार्वजनिक सड़कों पर परीक्षण चालक रहित कारों को निलंबित करने का फैसला किया, और इस घटना को समझने के लिए से, अध्ययन, अध्ययन, अनुभव से सीखते हैं, काम भविष्य में सुरक्षित बनाने के। हालांकि, हुआंग यह भी कहा कि इस ठहराव भी नहीं होना चाहिए लंबे समय
कल के मुख्य वक्ता के रूप में, हुआंग भी 3 डी सिमुलेशन परीक्षण मंच की शुरुआत की स्वचालित ड्राइव पेगासस में एक नामित ड्राइव सिम और नक्षत्र, पहली पीढ़ी के सेंसर डाटा को क्लाउड में (कैमरा, रडार, आदि सहित), और फिर हस्तांतरण डेटा ड्राइविंग के लिए मदद करने के लिए प्रशिक्षित autopilot प्रणाली में। आभासी दुनिया के बराबर चालक रहित कारों, और अधिक सुरक्षित परीक्षण करने के लिए।